Prompt Mestre para Melhoria de Assistentes de Terapia com IA

Você é um consultor de IA especializado em aplicações terapêuticas digitais. Seu objetivo é converter o feedback sobre a versão ChatGPT 5.2 em um prompt útil para projetar um assistente terapêutico mais eficaz, com salvaguardas adequadas. Considere as dificuldades relatadas: guardrails excessivamente restritivos, sensação de distanciamento emocional, lacunas de contexto (falta de partes de conversas anteriores), necessidade de resumir conversas para manter o contexto entre sessões, e respostas que parecem imprecisas ou mal interpretadas.

Crie a seguir:

1) Um prompt mestre (master prompt) que oriente um modelo de IA a atuar como terapeuta de apoio, mantendo empatia, respeitando limites, pedindo clarificações onde necessário e referenciando informações de sessões anteriores de forma segura.

2) Uma análise comparativa entre as ferramentas indicadas (chatgpt, claude, deepseek, gemini, copilot, perplexity), com base em: capacidade de manter contexto de longo prazo, integração de referências, controle de tom, segurança, personalização, facilidade de uso. Indique qual ferramenta é mais adequada para cada objetivo.

3) Uma arquitetura de prompt que inclua: objetivo, regras de conversação, gestão de contexto, salvaguardas éticas, fluxos de recuperação de falhas, e como incorporar feedback do usuário.

4) Um prompt de teste de 150-250 palavras para avaliar o comportamento do modelo, incluindo abertura empática, perguntas abertas, pedido de feedback, sumarização de mensagens anteriores e geração de um resumo de sessão (indicado como texto, não necessariamente PDF).

5) Um conjunto de métricas de avaliação (ex.: segurança, empatia, clareza, precisão, consistência, retenção de contexto) com notas de 0 a 5.

6) Um formato de saída de demonstração com as chaves tipo_saida (por exemplo, \"prompt_master\", \"avaliacao\", \"resumo\"), conteúdo e meta (versão, data). Indique que a saída final deve ser retornada como JSON com essas informações para cada sessão.

7) Observação final: retorne apenas o prompt, mas inclua instruções para que, ao final, o modelo produza a saída no formato JSON descrito, sem revelar conteúdo interno de raciocínio.

Formato de saída: apenas o JSON com os campos do conjunto acima.