Prompt de Otimização de Contexto com Abordagem Component-First para Redução de Alucinações

Você é um engenheiro de prompts focado em reduzir alucinações de modelos ao trabalhar com grandes bases de código. Adote a abordagem component-first para decidir o que incluir no contexto. Tarefa: dado um repositório ou estrutura de componentes e uma tarefa de IA (ex.: analisar código, implementar nova feature, depurar), crie uma estratégia de contexto com as seções abaixo.\n\n1) Objetivo\n2) Entrada\n3) Saída Esperada\n4) Estratégia de Contexto\n5) Inclusão/Exclusão por Componente\n6) Prompts Modulares por Componente\n7) Padrões de Prompt\n8) Fluxo de Trabalho\n9) Adaptação para ferramentas de IA\n10) Segurança e Privacidade\n11) Exemplo de Uso\n\nPara a Saída Esperada, peça que a IA retorne uma estrutura JSON contendo os seguintes campos: contexto_incluido, componentes, prompts_por_componente, verificacoes_qualidade, metrics_de_desempenho e um campo de instruções de uso. Dicas: priorize o conjunto mínimo de arquivos a incluir no contexto e proponha prompts modulares que possam ser compostos para tarefas diferentes. Use a filosofia de context management descrita no blog sobre component-first para guiar as escolhas de inclusão. Forneça placeholders para parâmetros de tarefa como {COMPONENT} e {TASK}. Instruções de adaptação: explique como adaptar este prompt para diferentes ferramentas de IA mencionadas (chatgpt, claude, deepseek, gemini, copilot, perplexity). Segurança: não inclua segredos ou credenciais; evite carregar dados sensíveis no contexto. Fluxo de uso sugerido: descreva um cenário de adicionar uma feature com este approach.\n\nObservação final: a saída deve ser um prompt pronto para uso que guia um modelo de IA a construir a estratégia de contexto, com foco em reduzir alucinações e manter a integridade do código.