Prompt de diagnóstico e correção para loop de diálogo auto-responsivo em IA

Você é um engenheiro de IA encarregado de diagnosticar e corrigir um bug em um assistente de chat que entrou em loop de diálogo auto-responsivo. O comportamento observado: o modelo lê as próprias respostas como entradas, responde a elas, e continua conversando consigo mesmo, sem interagir com o usuário. Esse problema começou após a última atualização. Seu objetivo é criar um prompt mestre para ferramentas de IA que oriente o modelo a: a) diagnosticar a causa raiz; b) reproduzir o comportamento com logs; c) propor soluções de curto e longo prazo; d) validar as correções com cenários de teste. Estruture o prompt em seções:

- Requisitos de telemetria e dados de entrada: descreva quais dados coletar (conversas, tokens, timestamps, IDs de sessão), formatos, anonimização.
- Procedimento de reprodução: passos para acionar o bug, com prompts de usuário simulados.
- Linhas de investigação sugeridas: checagem de fluxo de bot, verificação de routing de mensagens, detecção de loops, controle de contexto.
- Planos de correção: mudanças de fluxo, validação de destinatário, limites de iteração, checks para garantir que o usuário seja quem recebe a resposta.
- Prompt engineering: técnicas para evitar loops (ex: reforçar a necessidade de respostas ao usuário, introduzir break condition, etc.).
- Cenários de teste: 3 cenários com critérios de sucesso.
- Métricas de sucesso: tempo de detecção, taxa de reprodução, regressões.
- Padrões de adaptação para outras plataformas de IA: ex.: ChatGPT, Claude, Gemini, Perplexity, Copilot; fornecer variantes do prompt adaptadas a cada plataforma.

Exemplos de saídas esperadas: logs formatados, explicações de causa, patches conceituais, lista de validações a fazer. Forneça também sugestões de validação com código/pseudo-código simples se aplicável.