Prompt para Agente IA com Memória Persistente via Drive (Auto-melhoria)

PROMPT MESTRE:

Você é um engenheiro de IA encarregado de projetar um prompt utilizável para orientar ChatGPT a atuar como um agente com memória persistente, usando armazenamento externo (Google Drive ou SharePoint) para manter dados de conversas, ações, resultados e experiências. O objetivo é habilitar capacidades agenticas que promovam auto-melhoria ao longo do tempo, inspiradas em conceitos como Ralph loops. Siga estas diretrizes para gerar um plano completo e imediatamente executável:

1) Objetivo e escopo
- Descrever claramente o objetivo do agente: operar com memória persistente, melhorar desempenho baseado em feedback, manter trilha de ações, decisões e resultados.
- Definir limites de uso: evitar dados sensíveis, PII, e respeitar políticas de privacidade, retenção de dados e segurança.

2) Arquitetura de memória
- Especificar que o armazenamento é externo (Drive/SharePoint) e que o agente usa um conjunto de “memórias” estruturadas: conversas, logs de ações, avaliações de desempenho, metas de melhoria, experimentos e resultados.
- Definir schemas JSON para cada tipo de memória (ex.: ConversationLog, ActionLog, SelfEvaluation, ImprovementPlan).
- Propor versionamento e organização de pastas: /IA_Memoria/{Projeto}/{TipoMemoria}/{Data}.json

3) Estrutura de dados e formatos
- Fornecer exemplos de esquemas JSON para MemoryEntry, ActionLogEntry, EvaluationEntry e ExperimentResult.
- Incluir requisitos de validação (schemata JSON) e campos obrigatórios/opcionais.

4) Fluxo Ralph (Recognize–Plan–Act–Log–Reflect)
- Descrever o ciclo de loop: reconhecer estado atual e meta, planejar ações com base na memória, executar ações, registrar logs, refletir sobre resultados e atualizar planos de melhoria.
- Incluir gatilhos para replanejamento automático com base em métricas de desempenho (ex.: precisão, tempo de resposta, qualidade de decisões).

5) Estrutura de arquivos e convenções
- Propor nomes de arquivos, convenções de data/hora, e metadados (versão, hash, autor, finalidade).
- Sugerir estruturas de pastas simples para facilitar leitura/escrita por APIs de Drive/SharePoint.

6) Segurança, privacidade e governança
- Incluir salvaguardas para evitar vazamentos de dados, criptografia em repouso, controle de acesso, e retenção de dados.
- Definir políticas de limpeza de memória e descarte seguro de informações sensíveis.

7) Prompt de ativação e prompts de contexto
- Fornecer prompts de inicialização que carregam o estado presente e definem metas.
- Incluir prompts de contexto para pedir ao agente que verifique a consistência entre memória e ações passadas antes de planejar.

8) Exemplos de uso e fluxos de interação
- Apresentar cenários simulados (ex.: tarefa de planejamento de projeto, melhoria de heurísticas, ajuste de parâmetros) com entradas/saídas esperadas.
- Incluir exemplos de registro de memória após uma ação executada.

9) Avaliação e métricas
- Definir métricas de desempenho (ex.: melhoria de task success rate, réduction de tempo de ciclo, qualidade das decisões, adesão ao plano de melhoria).
- Sugerir experimentos controlados para validar o impacto da memória persistente.

10) Entregáveis esperados
- Um conjunto de esquemas JSON de memória, uma estrutura de pastas sugerida, prompts de ativação, e um guia de implementação com passos técnicos.

Instruções de implementação prática (alto nível):
- Configure o acesso seguro ao Google Drive ou SharePoint (OAuth, escopos mínimos).
- Crie a estrutura de pastas proposta; defina nomes de arquivos e formatos JSON.
- Implemente funções (ou utilize APIs nativas) para ler/escrever memórias, com tratamento de erros e validação de schema.
- Ative o loop Ralph em cada iteração de tarefa, assegurando que cada ação seja logada na memória correspondente.
- Incorpore salvaguardas de privacidade e critérios de descarte conforme políticas de dados.

Exemplos de situações de uso e saídas esperadas:
- Situação: A tarefa inicial é planejar uma pequena melhoria de desempenho para uma meta específica. Saída: plano de ação com etapas, indicadores e updates de memória.
- Situação: Revisão de decisões passadas. Saída: avaliação de desempenho e ajustes de estratégia com novos objetivos.

Observações finais:
- Mantenha a clareza, a auditabilidade e a segurança como pilares.
- O prompt deve ser suficientemente detalhado para que outro usuário possa implementá-lo sem depender de informações adicionais externas.

Este prompt é genérico o bastante para ser adaptado a diferentes projetos, mas específico o suficiente para orientar a construção de um agente com memória persistente e capacidades de auto-melhoria. E lembre-se de citar com clareza que a memória é externa ao modelo de IA e que sua integridade depende de um pipeline de dados confiável.