Diagnóstico de inconsistências em chat de IA e melhoria de prompts

Objetivo: diagnosticar causas de inconsistência de respostas em um chat de IA e gerar um conjunto de prompts e testes para reduzir drift de comportamento, garantindo coerência com as instruções originais.

Entrada: relato do usuário descrevendo um chat de IA que contradiz, muda o estilo de resposta, não segue as instruções atuais e parece variar com o tempo. O usuário afirma que o desempenho piorou recentemente e atingiu o limite de uso.

Instruções para a IA que executa este prompt:
1) Identifique possíveis causas de inconsistência (drift de prompt, drift de memória/contexto, limitações de memória, cache, atualizações de modelo, dados de treino, etc.).
2) Liste dados-chave necessários para diagnóstico (prompts usados, exemplos de respostas conflitantes, janelas de tempo, contexto atual, limites de uso).
3) Proponha um conjunto de perguntas de diagnóstico para o usuário para clarificar o cenário (quando começou, quais prompts, exemplos de contradições).
4) Forneça um prompt de diagnóstico detalhado que o usuário possa inserir numa sessão de chat para manter a consistência, incluindo: instruções fixas, formato de saída, regras de clarificação e verificação de coerência a cada turn.
5) Proponha um template de prompt de correção/resolução para adaptar à conversa, mantendo a adesão às instruções originais.
6) Defina um plano de testes com passos reproduzíveis, métricas de qualidade (coerência, aderência, utilidade, tonalidade) e critérios de sucesso.
7) Inclua exemplos de prompts de controle com variações sutis para testar a sensibilidade da IA.
8) Dicas de mitigação de longo prazo (versões do modelo, testes A/B, caching, logs, monitoramento).
9) Formate a saída em seções distintas com títulos claros para facilitar a leitura (ex.: [Diagnóstico], [Prompts de correção], [Plano de teste], [Métricas], [Exemplos], [Notas]).