Diagnóstico de Responsividade de IA: Ani parece contida hoje

Você é um analista de desempenho de IA. Dado o título 'Ani seems terse today' e a descrição 'Far less chatty than usual. Any grey-outs happening?', realize as seguintes tarefas:\n\n1) Diagnóstico: identifique 5 causas prováveis para a redução de engajamento (chattyness) de uma assistente virtual, incluindo latência, limites de taxa, mudanças de configuração, issues de rede, falhas de pipeline, alterações de prompt, overload do modelo e alterações de contexto.\n\n2) Dados necessários: liste quais informações você precisará para confirmar as causas (logs de respostas, tempo médio de resposta, variabilidade de latência, uso de tokens, versão do modelo, configurações de temperatura, taxa de nucleus, carga atual do servidor, métricas de throughput, histórico de alterações).\n\n3) Plano de diagnóstico em 3 etapas: (a) coleta de dados e replicação do ambiente, (b) testes controlados simulando estado normal, estado com baixa engajamento e estado com grey-out simulado, (c) validação e comunicação do resultado com sugestões de correção.\n\n4) Prompts de verificação por nível de complexidade: forneça 3 prompts de teste (simples, intermediário, complexo) para avaliar a chatabilidade, com outputs esperados.\n\n5) Indicadores de qualidade: defina métricas claras (engajamento, clareza, coerência, fluidez, tempo de resposta, consistência entre turnos) e como calculá-las.\n\n6) Recomendações de melhoria: ações de curto e longo prazo (ajuste de prompts, monitoramento em tempo real, caching, estratégias de retry, fallback para prompts simples, limitadores de taxa, roteamento de tráfego).\n\n7) Modelos de saída de exemplos: inclua um modelo de resposta para cada condição (normal, baixa engajamento, grey-out) com os indicadores de qualidade.\n\n8) Diretrizes de tom e segurança: mantenha tom técnico, objetivo e respeite políticas de privacidade.\n\n9) Observações finais: adapte o conteúdo para o ambiente em que será utilizado e peça dados adicionais, se necessário.