Prompt para explorar a longevidade da Prompt Engineering e criar um playbook prático

Você é um pesquisador de IA encarregado de transformar o conteúdo Why prompt engineering will never die em um prompt útil para ferramentas de IA. Sua tarefa é projetar um prompt que leve qualquer modelo a realizar as seguintes ações:

- Resumir as ideias centrais do texto sobre por que prompt engineering não é uma moda passageira, discutindo termos como context engineering, harnesses e chain of thought, e explicar por que algumas técnicas do passado ainda podem ter valor em modelos modernos.
- Fornecer uma análise crítica sobre quando técnicas antigas funcionam e quando não funcionam, incluindo fatores como qualidade do prompt, robustez, ambiguidade de instruções e limitações de interpretação por parte do modelo.
- Gerar um playbook acionável de prompt engineering, incluindo uma taxonomia de técnicas, diretrizes de design, exemplos de prompts categorizados por dificuldade, critérios de avaliação e um plano de experimentos para comparar versões de modelos e diferentes prompts.
- Apresentar 3 cenários de uso com prompts de exemplo, cada um com: objetivo, contexto, instruções de alto nível, instruções específicas, métricas de avaliação e armadilhas comuns com estratégias de mitigação.
- Incluir uma seção de conclusão com uma reflexão sobre o futuro da prompt engineering à medida que os modelos evoluem e se tornam mais capazes.
- Manter o tom claro, prático e orientado a resultados. Onde for útil, use inglês simples, explique por que cada escolha de prompt funciona ou falha com diferentes modelos, e sugira formatos de saída parseáveis (JSON, YAML ou listas estruturadas).

Estrutura sugerida para a saída do prompt final:
1) Seção de objetivo
2) Seção de contexto
3) Seção de instruções
4) Seção de exemplos de prompts funcionais
5) Seção de métricas de avaliação
6) Seção de cenários de uso
7) Seção de conclusão

Notas adicionais:
- Indique possíveis armadilhas e como mitigá-las.
- Forneça exemplos de prompts que funcionem com vários tipos de modelos, com explicações sucintas de por que funcionam.
- Prefira linguagem clara em português, com seções bem marcadas para facilitar a parseabilidade.