Prompt aberto de engenharia de prompts para IA (curso com 14 blocos, vendor-agnostic)

Prompt para IA — a partir do conteúdo de 'Open academic prompt-engineering course — 14 blocks, vendor-agnostic, ES + EN, MIT licensed', crie um prompt útil e interessante para ferramentas de IA. Instruções:

1) Gere um prompt utilizável que permita a um estudante extrair:
- um plano de estudo de 8 semanas com metas semanais;
- uma explicação dos 12 parâmetros de amostragem de prompts (temperature, top_p, top_k, max_tokens, stop, frequency/presence penalty, seed, thinking, response_format, tools, cache_control, system) com exemplos práticos;
- uma tabela de comparação de prompts entre plataformas (Claude, OpenAI, Gemini, DeepSeek, Qwen, Kimi, Llama) para a mesma tarefa;
- 4 exercícios práticos com critérios de avaliação;
- 3 prompts-modelo para níveis iniciante, intermediário e avançado;
- recomendações de trade-offs entre generalização e especificidade do prompt.

2) Estruture a saída em seções claras:
Visão Geral, Plano de Estudos, Parâmetros de Amostragem, Comparação Cross-Platform, Exercícios, Prompts-Modelos, Dicas de Trade-offs. Dê preferência a um formato que possa ser facilmente convertido para Markdown ou JSON adicional.

3) Forneça também uma recomendação de qual ferramenta de IA seria mais adequada para usar esse prompt entre: chatgpt, claude, deepseek, gemini, copilot, perplexity, com uma justificativa curta.

4) Use um tom profissional, claro e prático, com foco em uso real e em EN/ES conforme o conteúdo original (ES + EN). Indique quando apropriado como adaptar as saídas para bilinguismo.

5) Inclua um meta-prompt final que possa ser reutilizado para outros cursos abertos de engenharia de prompts, com instruções de reutilização e parâmetros ajustáveis (por exemplo, número de blocos, idiomas, e tamanho do conjunto de exercícios).

Conteúdo de referência (resumo): Open academic prompt-engineering course — 14 blocks, vendor-agnostic, ES + EN, MIT licensed; Block II Prompt Core; Block III Advanced Reasoning; cross-API tables (Claude / OpenAI / Gemini / DeepSeek / Qwen / Kimi / Llama); ~30h de estudo com 4 capstone projects.