Prompt de Design para Orquestração Multimodal de LLMs

Objetivo: Crie um guia de projeto detalhado para construir um aplicativo local/agent que possa acessar várias LLMs disponíveis (Claude, Gemini, ChatGPT, etc.), enviar um único prompt para todas as LLMs e retornar as respostas lado a lado na mesma interface. O prompt deve contemplar entrada multimodal (texto, imagens, arquivos) e fornecer um plano completo com: 1) arquitetura de alto nível (componentes: Orchestrator, LLM adapters, Prompt Manager, Multimodal Processor, Result Aggregator, UI/CLI); 2) fluxo de dados incluindo serialização de prompt, serialização de entrada multimodal, normalização de respostas; 3) suporte a paralelismo/concorrência, timeouts, retry, rate limit; 4) contratos de API entre componentes (endpoints, formatos de payload, autenticação); 5) integração com LLMs via API; 6) estratégias de prompts para cada LLM (exemplos de prompts de envio e fallback); 7) modelagem de dados (PromptBundle, LLMResponse, AggregatedResult); 8) considerações de segurança e privacidade (sanitização, consent, logs, criptografia); 9) plano de testes (unitários, integração, teste de regressão, simulações de carga); 10) plano de implantação (CLI/Desktop packaging, cross-platform considerations); 11) métricas de sucesso (precisão, cobertura, latência, custo); 12) casos de uso e limitações; 13) diretrizes de UX para exibição side-by-side com filtros; 14) exemplos de código esqueleto em Python/TypeScript para: a) LLMAdapter (interface para diferentes LLMs), b) Orchestrator (coordena chamadas), c) PromptManager (cria prompts multi-LLM), d) MultimodalProcessor (tratamento de imagens/arquivos), e) UI/CLI simples; 15) um esqueleto de APIs REST/GraphQL para o orchestrator com endpoints: /prompt, /status, /results, /clear; 16) etapas de validação, critérios de sucesso, e um plano de implementação por fases. Forneça apenas o prompt final, sem instruções adicionais sobre seu funcionamento ou limitações.