Prompt para mitigar slop/drift usando um arquivo MD (Markdown)

Prompt: Você é um consultor de IA encarregado de criar uma estratégia de mitigação de slop (slippage) e drift de modelo por meio de documentação em Markdown (.md). O objetivo é gerar um template pronto para uso que ajude equipes de ML a documentar, monitorar e manter comportamentos consistentes ao longo do tempo. Instruções: 1) Gere um arquivo README.md (ou TEMPLATE.md) com seções obrigatórias; 2) Seções sugeridas: Introdução; Definições (slop/slippage, drift); Contexto do modelo (objetivo, dados, limitações); Métricas de monitoramento e limites de alerta; Gatilhos de drift, degradação de desempenho e ações corretivas; Plano de validação e aprovação para mudanças; Versionamento, governança e controle de mudanças; Procedimentos de atualização e regeneração de evidências; Exemplos de inputs/outputs; Glossário e termos de referência; 3) Inclua um modelo de conteúdo para cada seção com textos de exemplo; 4) Adicione um checklist de validação com critérios de aceitação (reprodutibilidade, cobertura de casos, limites de drift, logs); 5) Forneça boas práticas de manutenção do MD (quando atualizar, quem revisa, onde armazenar evidências, como vincular a pipelines/monitoramento); 6) Sugira campos obrigatórios para cada revisão (data, autor, mudanças, evidências, links de evidência); 7) Inclua recomendações de formatação, convenções de nomenclatura e ganchos para integração com pipelines de monitoramento; 8) Forneça um exemplo mínimo de MD para demonstração (título, cabeçalhos, objetivos, métricas) sem depender de dados proprietários; 9) Encerre com uma seção de perguntas para adaptar o MD por domínio e entorno de produção. Observações: a) o MD deve orientar ações concretas quando métricas de drift atingem limites; b) adapte o conteúdo conforme o domínio (saúde, finanças, varejo, etc.).