Orquestração de alterações em múltiplos arquivos via prompt com validação e automação

Objetivo do prompt:
- Orientar uma IA (ex.: ChatGPT) a planejar, validar e aplicar mudanças de código em uma lista de aproximadamente 40 arquivos, garantindo que TODOS recebam a alteração desejada (adicionar um novo campo) antes de concluir.

Contexto problemático:
- Ferramentas como Copilot/Claude 4.5 tendem a não percorrer toda a lista de arquivos fornecida, concluindo prématuramente que a tarefa está completa, o que resulta em inconsistências no código.
- A lista de arquivos é crucial para evitar omissões; o prompt atual não está gerando patches completos de forma confiável.

O que o prompt deve fazer (entregáveis):
1) Gerar uma estratégia de alto nível com fases claras (planejamento, implementação, validação, rollback).
2) Propor uma abordagem de automação que não dependa exclusivamente da IA para alterar todos os arquivos.
3) Fornecer um esqueleto de script de automação (preferencialmente Python) que:
   - Lê a lista de arquivos (fornecida no prompt ou via arquivo) e aplica a mudança de forma idempotente.
   - Adiciona o novo campo apenas quando não existir (evita duplicação).
   - Gera um diff/unified patch para cada arquivo alterado (ou relatório de alterações).
   - Verifica se todos os arquivos da lista foram de fato modificados; falha caso haja arquivo não modificado.
   - Registra logs detalhados ( quais arquivos foram modificados, quais não, razões, timestamp ).
   - Fornece um mecanismo de rollback simples caso a alteração introduza problemas.
4) Fornecer exemplos de alterações em diferentes linguagens/padrões (ex.: JSON, YAML, JavaScript/TypeScript, Python) para facilitar a adaptação do patch em codebases heterogêneos.
5) Incluir uma checklist de validação (pré e pós-modificação) e comandos de verificação.

Requisitos de implementação:
- A transformação deve ser idempotente: rodar várias vezes não deve introduzir alterações adicionais nem alterar comportamento existente.
- O campo novo deve ser adicionado com valor padrão seguro e não quebrar a compatibilidade existente.
- O prompt deve indicar claramente limites e riscos (arquivos com sintaxe diferente, arquivos binários, arquivos gerados, etc.).
- Fornecer um exemplo mínimo de diff para 1-2 arquivos representativos para ilustrar o formato da mudança.

Estrutura sugerida de saída da IA:
- Plano de ação em fases (com prazos/entregáveis).
- Esqueleto de código da automação (Python 3.x), com funções principais: carregar_lista_arquivos(), aplicar_alteracao(), verificar_todos_modificados(), gerar_diff(), validar_regressao(), registrar_log().
- Pseudo-código adicional para cenários multilinguagem.
- Seção de ‘Riscos e limitações’.
- Instruções de uso (como rodar, parâmetros esperados, como fornecer a lista de arquivos).

Exemplos de conteúdo a adaptar (em texto, não código fechado):
- Novo campo: field_novo = default_value
- Localização de inserção e forma de agregação conforme a linguagem (ex.: adição de uma nova propriedade em objetos JSON, adição de uma nova coluna em modelos ORM, etc.).
- Regras de deduplicação: não adicionar se já existir.

Notas finais:
- Forneça os outputs de forma clara e verificável para facilitar revisões manuais, caso necessário.
- Considere que a lista de arquivos pode crescer no tempo; a solução deve ser escalável e facilmente ajustável.