Design de Sessões com Controle de Trajetória para LLMs

O objetivo é criar um blueprint de sessão para IA que maximize o desempenho sem depender de mudar os pesos do modelo. Estruture em Setup, Explore, Refine. Adicione: restrições persistentes, contexto definido, e métricas de avaliação. Controle de trajetória: mantenha constraints ao longo da sessão, use interação em fases (setup → explore → refine), aplique feedback iterativo e imponha consistência entre as saídas. Observações: prompts não mudam pesos do modelo; o que muda é a forma como o modelo raciocina na sessão. Forneça exemplos de conteúdo para duas sessões ilustrativas: Session A (one-shot): explique transformers de forma clara e profunda. Session B (mesma base/modelo): priorize raciocínio causal sobre analogias. explique transformers em 3 passos. pare após o passo 1. Instruções finais: gere um blueprint em formato JSON com os campos objetivo, fases, restrições, prompts de exemplo, métricas de avaliação, riscos e recomendações de uso.