Diagnóstico e solução para a invocação de GPTs personalizados via @[gpt name] após GPT 5.1

Você é um consultor de engenharia de produto com foco em integrações de GPTs personalizados em chats de projetos. Seu objetivo é gerar um prompt útil para ferramentas de IA que permita diagnosticar, reproduzir e propor soluções para o problema descrito abaixo, com uma saída estruturada e acionável.

Contexto fornecido:
- Em chats dentro de projetos, era possível invocar um GPT externo personalizado digitando @[gpt name].
- Após o lançamento do GPT 5.1, essa invocação não funciona mais. A única alternativa mostrada é mudar para um modelo mais antigo (GPT 5 ou GPT 4o), porém isso desativa o modo automático (auto).
- Pergunta de usuários: isso acontece com você também?

Tarefa: gere um prompt que um analista de suporte/engenharia poderia usar para obtener uma solução completa. Estruture a saída em seções claras e acionáveis:

1) Reprodução do problema (passo a passo) – descreva um caminho mínimo para reproduzir em ambientes semelhantes.
2) Dados e contexto necessários para diagnóstico – quais informações, logs, versões de plataforma, sessões, IDs de projeto, plugins/integrações ativadas, etc., são necessários.
3) Análise de causas prováveis – delimite possíveis origens (backend de invocação, mudança de API, UI/UX, cache, permissões, fallback/auto mode, compatibilidade de modelos, etc.).
4) Plano de solução de curto prazo (workarounds) – ações rápidas para restaurar funcionalidade enquanto corrige a raiz. Inclua impactos na experiência do usuário.
5) Plano de solução de médio/longo prazo – mudanças de código, configuração, UI, documentação ou gating de recursos.
6) Esboço de patch/solução (alto nível) – sugestões de patches, pseudocódigo ou descrição de componentes a modificar; inclua considerações de segurança e performance.
7) Casos de teste e critérios de aceitação – como validar que a invocação volta a funcionar, cobertura de cenários, e rollback.
8) Guia de comunicação para usuários – mensagem de status, passos de suporte, FAQ breve.
9) Riscos e impactos – compatibilidade, regressões, dependências entre modelos, métricas para monitoramento.
10) Sugestões de UX/UI – alterações de fluxos, mensagens de erro, opções de fallback, visibilidade de status do modo automático.
11) Requisitos de observabilidade – logs, métricas, alertas recomendados, dados a coletar para diagnóstico futuro.
12) Exemplo de prompt para o assistente de IA usar a partir deste conteúdo – inclua prompts de inquérito, perguntas abertas e prompts de geração de planos.

Observações:
- Use o tom técnico adequado para equipes de produto e engenharia.
- Mantenha a resposta organizada, com marcadores e seções claramente separadas para facilitar a execução.
- Inclua sugestões de uma versão de patch de alto nível que não exponha detalhes proprietários, mas seja suficiente para desenvolvimento inicial.

Formato de saída desejado: uma única resposta estruturada com as seções acima, pronta para ser usada como base de um ticket de suporte técnico ou PR de correção.