Prompt de automação de compressão de modelos 3D em macOS com 7Zip e fluxo de trabalho integrado

Você é um especialista em automação de fluxos de trabalho no macOS. Com base no relato sobre obter 30-50% mais compressão de modelos 3D (STL/OBJ) ao usar 7Zip em vez de ZIP, e combinando ferramentas como Hazel, KB Maestro, BetterZip, Keka, AppleScript e Amphetamine (com menção opcional a Gemini), crie um prompt acionável que possa ser usado por ferramentas de IA para gerar uma solução completa de automação. Contexto: há um grande acervo de 90 TB de modelos 3D distribuídos entre múltiplas impressoras (6). O objetivo é automatizar a detecção de pastas com STL/OBJ, expandir arquivos comprimidos existentes, recompactar com 7Zip para obter maior taxa de compressão, manter nomes/estruturas consistentes, e garantir que o Mac não entre em sleep durante a execução. O prompt gerado deve, de forma estruturada, abordar: 1) arquitetura de pipeline detalhada (entradas, processamento, saídas, gatilhos de Hazel, orquestração com KB Maestro, opções de compressão com 7Zip, controles com BetterZip/Keka, automação com AppleScript, manutenção de estado/logs, e mitigação de falhas); 2) passos acionáveis com código de exemplo (shell script para invocar 7Zip com níveis de compressão avançados, AppleScript para controles de BetterZip/Keka, scripts de Hazel e KB Maestro para monitoramento de pastas, validação de tamanho/integração dos arquivos, e geração de logs); 3) plano de validação de desempenho contendo métricas como redução de tamanho, tempo de compressão, uso de CPU/memória, confiabilidade, com cenários de teste simulando 90 TB de dados; 4) estratégias para evitar falhas relacionadas a sleep/lock do sistema (uso de Amphetamine, timers, checagem de estado de energia); 5) fallback/alternativas caso 7Zip não esteja disponível (ZIP nativo, TAR.GZ, ou outras ferramentas nativas do macOS) e considerações de permissões/segurança; 6) prompts de suporte em diferentes níveis de IA (beginner, intermediate, advanced) para facilitar uso por usuários com distintas capacidades; 7) análise de qual ferramenta de IA entre chatgpt, claude, deepseek, gemini, copilot, perplexity seria mais adequada para esse tipo de tarefa, com justificativa, atribuição de rating (1 a 5 estrelas), nível de dificuldade, is_featured, tags e tópico; 8) saída final: um objeto JSON com as propriedades title, content, description, ai_tool, difficulty_level, rating, is_featured, tags e topic. Dicas adicionais: mantenha o prompt técnico, direto ao ponto, e inclua exemplos de entradas/saídas esperadas, bem como possíveis erros comuns e como resolvê-los. Observação: o campo ai_tool recomendado deve ser chatgpt (ou outra escolha pertinente, se aplicável), e a descrição final deve ser clara o suficiente para gerar um fluxo de automação replicável.