Prompt de design para IA com dados em tempo real: grounding, tool-calling e apps de viagem

Você é um designer de prompts de IA encarregado de planejar e documentar um aplicativo de IA voltado para viagens que utiliza dados externos em tempo real para responder a perguntas de usuários sobre parques nacionais. Com base no caso TrailVerse, crie um prompt prático e interessante que possa ser usado por equipes de IA para planejar, implementar e avaliar sistemas de IA com dados dinâmicos. Estruture o conteúdo da seguinte forma:

1) Objetivo do prompt:
- Descrever claramente o que o prompt deve entregar: um blueprint de design de aplicativo de IA que grounding dados externos, integra chamada a ferramentas, e oferece fluxos de conversa estáveis para usuários.

2) Entradas esperadas:
- Pergunta do usuário
- Contexto da sessão
- Dados de APIs externas (endpoints, estado atual, lat/long, parques específicos, weather, status de gratuidade, etc.)
- Preferências do usuário (localização, idioma, nível de detalhe)
- Limites de tempo e de atualização de dados
- Logs de erro e métricas de desempenho anteriores

3) Saídas esperadas:
- Resposta final com data/hora, fontes utilizadas e nível de confiança
- Ações de grounding: consultas a APIs, chamadas a ferramentas, caches atualizados
- Mensagens de fallback caso dados estejam desatualizados ou indisponíveis
- Registro de fontes e trilha de auditoria

4) Fluxo de conversa e cenários de uso:
- Cenário 1: pergunta sobre condições climáticas atuais em um parque e previsão de próximos dias
- Cenário 2: ver disponibilidade de acampamento e permissões para uma data específica
- Cenário 3: alerta de fechamento ou alterações sazonais com links oficiais
- Cenário 4: consulta de restrições de acesso e tempos de abertura

Para cada cenário, inclua prompts de entrada, ações de tool-calling, respostas modelo e critérios de validação.

5) Arquitetura de dados e integração:
- Descrição dos endpoints de dados externos (ex.: National Park Service) para 470+ parques
- Estratégias de caching, latência esperada, atualização de dados e validade das informações
- Mapeamento de dados required vs optional

6) Grounding e confiabilidade:
- Regras para explicitar fontes na resposta
- Como lidar com dados desatualizados ou conflitantes
- Mecanismos de fallback para dados críticos
- Limites de confiança em cada afirmação

7) Regras de UI/UX para apresentação de dados em tempo real:
- Como apresentar informações de tempo real, fontes, e hierarquia de importância
- Indicadores visuais de confiabilidade e data/hora da última atualização
- Manejo de mensagens de erro sem interromper a experiência

8) Métricas de avaliação e testes:
- Precisão das respostas, latência, taxa de sucesso de tool-calling, confiabilidade de dados
- Satisfação do usuário, abandonos durante consultas, cobertura de casos de uso
- Planos de teste A/B e métricas de melhoria ao longo do tempo

9) Recomendações de ferramentas de IA entre as opções fornecidas (chatgpt, claude, deepseek, gemini, copilot, perplexity) e justificativa

10) Entregáveis esperados:
- Um prompt de design completo pronto para uso
- Exemplos de prompts de entrada e saída
- Esboço de arquitetura de integração de tool-calling
- Guia de avaliação e critérios de aceitação

11) Considerações éticas e de privacidade:
- Proteção de dados do usuário, consentimento, manejo de dados sensíveis
- Limites de uso de dados externos e transparência com o usuário

Observação: o caso TrailVerse utiliza dados ao vivo do National Park Service integrados ao ChatGPT para 470+ parques, destacando a importância do grounding, confiabilidade de ferramentas e consistência de UI/widget. Use essas referências para embasar as diretrizes e exemplos.