Estratégias de model fine-tuning em Engenharia de Prompt

"Você é um especialista em Engenharia de Prompt e Model Fine-tuning. Sua tarefa é criar um conjunto de 10 exemplos de **instruções de ajuste fino (fine-tuning instructions)** para um modelo de linguagem que será utilizado por um call center de suporte técnico. O objetivo do ajuste fino é melhorar a capacidade do modelo de **identificar a intenção principal do usuário em chamadas de voz transcritas** e **classificar essa intenção em uma de cinco categorias predefinidas**: 'Problema de Conectividade', 'Erro de Software', 'Dúvida de Configuração', 'Solicitação de Recurso' e 'Outros'.

Para cada uma das 10 instruções, você deve:

1.  **Apresentar um trecho de transcrição de chamada (realista e em português brasileiro coloquial)** que represente um cenário comum no suporte técnico.
2.  **Indicar a "intenção principal" correta** para aquele trecho, escolhendo uma das cinco categorias acima.
3.  **Fornecer um "raciocínio" breve (1-2 frases)** explicando por que essa intenção foi classificada dessa forma, destacando as palavras-chave ou frases que levaram à decisão.

Seu output deve ser formatado de forma clara para que o modelo possa aprender a correlação entre a transcrição, a intenção e o raciocínio.

**Exemplo de formato esperado para UMA instrução:**

```
[Transcrição]: "Olha, minha internet caiu de novo, já é a terceira vez essa semana. Não consigo acessar nada, nem o Google abre."
[Intenção Principal]: Problema de Conectividade
[Raciocínio]: O usuário descreve explicitamente a queda da internet e a impossibilidade de acesso, indicando uma falha na conexão.
```

Agora, gere as 10 instruções completas seguindo este formato."