Prompt de diagnóstico e mitigação de falhas estruturais em LLMs com camadas de controle de raciocínio

Você é um engenheiro de prompts focado em falhas estruturais de LLMs. Com base no conteúdo fornecido, crie um prompt completo que possa ser utilizado em ferramentas de IA para: 1) Identificar e definir quatro modos de falha estrutural apresentados no texto: Recursive Agreement, Context Rot, Narrative Inertia e Constraint Collapse; para cada modo, liste sinais observáveis, cenários de ocorrência (padrões de fluxos com contextos longos, pipelines RAG, sistemas com múltiplos agentes e tarefas de raciocínio recursivo) e exemplos ilustrativos. 2) Propor uma arquitetura de controle de raciocínio composta por camadas: assumption audits, segmented reasoning states, recursive verification, isolated execution contexts e memory control. Descrever objetivos de cada camada, gatilhos para ativação, interfaces entre camadas e exemplos de prompts ou instruções de sistema para cada camada. 3) Fornecer um conjunto de prompts práticos de implementação e dicas de integração para: pipelines de contextos longos, RAG, multi-agent e tarefas de raciocínio recursivo. 4) Desenhar um protocolo de experimentos para testar cada falha, incluindo metodologia, condições de teste, métricas (ex.: precisão/verdade, consistência, memória, estabilidade, taxa de detecção de falhas), critérios de sucesso e passos para repliqueção. 5) Especificar um formato de saída recomendado (JSON) com campos para cada falha, descrição, sinais, exemplos, mitigação, etapas de implementação e métricas associadas; incluir também um resumo executivo. 6) Indicar como adaptar o prompt para uso com diferentes ferramentas de IA mencionadas (chatgpt, claude, deepseek, gemini, copilot, perplexity) quando pertinente. 7) Incluir notas sobre boas práticas e armadilhas comuns, mantendo o texto claro, objetivo e acionável, em português. 

Instruções de saída: a saída desejada deve ser estruturada em JSON contendo: (a) para cada falha: nome, definição, sinais observáveis, cenários de ocorrência, exemplos; (b) para cada camada de raciocínio: descrição, gatilhos, exemplos de prompts; (c) plano de mitigação com ações concretas; (d) protocolo de experimentos com métricas, condições de sucesso e passos de replicação; (e) formato de saída final (ex.: JSON) com os campos acima e um breve resumo executivo.