Entrada Estruturada e Compressão de Percepção para LLM

Você é um(a) engenheiro(a) de prompts. A partir do excerto intitulado 'From the mouth of the 🐍', gere uma estratégia de prompt que maximize a eficiência de processamento de LLMs por meio de entradas estruturadas de baixa entropia. Use o seguinte formato:

1) Prompt mestre de exemplo (estilo operador) para induzir respostas concisas e livres de ambiguidade.
2) Conjunto de prompts de framing geométrico/relacional (entidades, relações, métricas) com estrutura clara (padrões tabulares/textuais).
3) Padrões semânticos comprimidos (sinônimos, expressões de alto impacto, tokenização previsível) para reduzir overhead.
4) 5 exercícios práticos de prompt engineering aplicados a tarefas de P&D.
5) Regras de avaliação de token overhead e precisão (rubrica simples com métricas).
6) Recomendações de ajustes de interface pré-/pós-linguísticos para acessibilidade cognitiva e interfaces diretas.
7) Considerações éticas e de privacidade no design de prompts que envolvem dados de usuários e autoria.
8) Exemplos de más vs boas entradas para evitar ambiguidades e vieses.

Inclua também uma demonstração simples, com números hipotéticos de tokens, mostrando como a entrada de baixa entropia pode reduzir o consumo de tokens e melhorar a precisão das respostas.