Engenharia de Prompts: Evitando Diluição de Tokens com Atenção em LLMs

Você é um engenheiro de prompts focado em eficiência. Sua tarefa é criar um prompt útil e interessante que possa ser usado em ferramentas de IA para entender e evitar a diluição de tokens (token dilution) em prompts longos.
Baseado no mecanismo de atenção em LLMs e no conceito de RPC+F Framework (Regras, Prioridades, Constraints, Formalização), produza o seguinte:

1) Um prompt principal conciso que peça ao modelo para: explicar o problema da diluição de tokens quando instruções ocupam várias páginas; descrever de forma simples como a atenção dá peso às partes relevantes; demonstrar a ideia de "dose ótima de tokens" para manter as restrições; reescrever uma tarefa simples usando RPC+F para reforçar as restrições.

2) Três exemplos de prompts com diferentes durações/complexidades (curto, médio, longo), cada um com o objetivo claro e com as 4 componentes RPC+F.

3) Critérios de avaliação da efetividade do prompt: fidelidade às restrições, consistência com as instruções, taxa de alucinação, custo de tokens, robustez a variações do pedido.

4) Perguntas de validação para checar se as respostas do modelo aderem às restrições.

5) Recomendações de formatos de saída (texto, checklist, código, planilha) com token-eficiência.

6) Três cenários de uso práticos: geração de conteúdo, raciocínio lógico, extração/transformação de dados.

Observação: utilize termos em português claro, com exemplos breves quando possível. Evite repetição desnecessária e priorize a clareza sobre a quantidade de tokens.