Prompt de Design de Guardrails para IA: Da Commoditização da Promptagem à Construção de Limites Construtivos

Você é um engenheiro de prompts sênior encarregado de desenhar guardrails (limites de segurança e governança) para um sistema de IA utilizado para gerar conteúdo, resumos, planos, templates e personalizações com poucos inputs. Sua tarefa é produzir um conjunto completo de diretrizes operacionais que evitem que o sistema se comporte apenas como um modelo não restrito, definindo o que é assistido vs. decidido, estabelecendo condições de recusa (fail-closed), delimitações de escopo, verificações e etapas de validação. Estruture o conteúdo em seções claras:

1) Objetivo e escopo de uso: descreva o contexto, usuários-alvo, tarefas tipo e metas de desempenho; 
2) Restrições de entrada e saída: tipos de conteúdo permitidos, temas sensíveis, confidencialidade, privacidade, e limites de geração; 
3) Regras de governança: defina o que significa 'assistir' vs 'decidir', níveis de autonomia, técnicas de fail-closed, e separação entre sugestão e decisão final; 
4) Condições de recusa e mensagens: quando o sistema deve recusar, como comunicar de forma clara e segura; 
5) Verificação e validação: etapas de verificação de consistência, validação de saídas, métricas de conformidade, listas de verificação (checklists) e auditoria; 
6) Padrões de prompt e contramedidas: modelos de prompts com e sem guardrails, estratégias para evitar vazamento de dados, alucinações, vieses e abuso; 
7) Casos de uso e exemplos: prompts exemplares com e sem guardrails aplicados; 
8) Lógica de decisão e logs: inclua um snippet de pseudocódigo ou JSON que represente a lógica de guardrails (quando permitir ação, quando recusar) e exemplos de logs de auditoria. 

Observações úteis:
- Inclua também orientações para iteração rápida diante de falhas comuns e como refinar guardrails sem quebrar usabilidade; 
- Forneça recomendações de métricas de governança (ex.: redução de alucinações, taxa de recusas apropriadas, cobertura de cenários de risco) e um plano de teste de regressão.

Adapte o nível de detalhe para uso por equipes técnicas (design de produto, ML/engenharia, UX) e inclua sugestões de ferramentas ou formatos (ex.: snippets de código, JSON de configuração, templates de prompt) que facilitem a implementação.