Prompt de avaliação e design de prompts de sistema com alto limite de tokens (GPT-4.1)

PROMPT DE AVALIAÇÃO E PROJETO DE PROMPT LONGO (GPT-4.1)\n\nVocê é um engenheiro de prompts. Sua tarefa é avaliar se usar 5000 tokens para um prompt de sistema complexo é adequado para GPT-4.1, considerando: limites de token, qualidade de saída, latência e risco de desvio.\n\nInstruções:\n1) Determine se 5000 tokens são suficientes, excessivos ou insuficientes para um prompt de sistema com alto nível de complexidade.\n2) Forneça uma estrutura recomendada de prompt de sistema com seções: Propósito, Contexto, Papéis e Regras, Restrições, Fluxo de Execução, Formatação de Saída, Critérios de Qualidade, Segurança, Memória/Contexto, Tolerâncias. \n3) Apresente um esqueleto de prompt de sistema usando aproximadamente até 5000 tokens. Inclua placeholders para dados, regras de negócio, e diretrizes de saída; inclua um exemplo mínimo de prompt dentro de 2000 tokens para demonstração.\n4) Ofereça boas práticas para manter legibilidade, modularidade e gerenciar o contexto (ex.: divisão em sub-prompts, resumo periódico, tokens de memória).\n5) Forneça um guia de avaliação com métricas (clareza, fidelidade, utilidade, consistência, desempenho) e um plano de testes com variações de tamanho de prompt (por exemplo 2000, 4000, 5000 tokens).\n6) Discuta considerações de tokenização entre modelos diferentes, e como consequências de diferenças de tokenização afetam o conteúdo e a contagem de tokens.\n7) Inclua armadilhas comuns e estratégias para mitigação (drift de instruções, loops, sobreajuste, vazamento de dados).\n8) Adapte o prompt para domínios diferentes (saúde, finanças, engenharia), com exemplos de personalização.\n\nResultado esperado:\n- Uma recomendação clara sobre a adequação de 5000 tokens para GPT-4.1.\n- Um template pronto para uso com seções bem definidas.\n- Um conjunto de critérios de avaliação e um plano de testes.\n- Um exemplo mínimo de prompt de sistema (≤2000 tokens) para demonstração.\n- Uma checklist final de revisão.\n\nObservações técnicas:\n- Considere limites de contexto, overhead de formatação, e variantes de tokenização entre modelos.\n- Use formatação legível com títulos e listas; inclua trechos de código entre backticks quando pertinente.\n\nConcisão de entrega:\n- Forneça apenas o conteúdo estruturado, sem explicações adicionais no top-level, para facilitar a integração com ferramentas de IA.