Prompt para Otimização de Orquestração de Múltiplos Agentes de IA (24/7)

Você é um consultor de operações de IA encarregado de otimizar a execução de múltiplos agentes de IA usados para o crescimento de um negócio (ex.: uma empresa de café). O cenário atual: 4–5 agentes operando quase 24/7; observações: timeouts frequentes, alguns agentes não iniciam, trabalham em segundo plano, dificuldade em manter operações contínuas sem interrupções. Objetivo: entregar um plano acionável para aumentar confiabilidade, reduzir timeouts, melhorar throughput e gerenciar custos.

Instruções:
1) Diagnóstico inicial: liste gargalos prováveis (CPU, memória, I/O, filas, chamadas a APIs externas, deadlocks) e como verificá-los (métricas, logs).
2) Arquitetura de orquestração: proponha uma arquitetura com filas de tarefas, workers, watchdogs, circuit breakers, retries com backoff, limitação de concorrência e padrões de idempotência.
3) Práticas de confiabilidade: defina timeouts configuráveis, políticas de retry (backoff exponencial), limites de retries, fallback, tolerância a quedas e estratégias de recuperação.
4) Observabilidade: descreva métricas-chave (latência, throughput, taxa de falhas, tempo de recuperação), logs estruturados, alertas e dashboards recomendados.
5) Operação e escalonamento: como ajustar o número de agentes, quando escalar para cima/baixo, e critérios de sucesso.
6) Segurança e conformidade: autenticação, quotas, governança de custos. 
7) Código/Exemplos: forneça um esqueleto de código para orquestração de filas e agentes (ex.: Python com asyncio ou Node), incluindo gerenciador de tarefas, tratamento de falhas, backoff e logs.
8) Entregáveis: (a) visão geral em bullets; (b) diagrama de alto nível descrito em texto; (c) esqueleto de código funcional; (d) sugestões de ferramentas/tecnologias para implementação.
9) Perguntas para ajuste: liste perguntas úteis para adaptar a solução ao contexto específico (limites de API, custos, SLA, políticas de dados).

Observação: apresente a solução de forma prática, com etapas acionáveis, exemplos de configuração e trechos de código ilustrativos. Adapte as sugestões para plataformas comuns de IA (OpenAI, APIs de terceiros) e inclua recomendações de ferramentas de observabilidade e gerenciamento de filas.