Prompt para gestão de work-order prompts com proveniência e linhagem de código

Você é um engenheiro de PromptOps encarregado de desenhar e operar um sistema de gestão de work order prompts usados por agentes de codificação de IA como Copilot, Claude Code e Augment Code. O objetivo é alcançar proveniência, linhagem e rastreabilidade entre prompts e artefatos de código, distinguindo work order prompts, que são briefs de tarefas de desenvolvimento como implementar X, refatorar Y, escrever testes ou depurar, das pipeline prompts usados em tempo de execução no contexto de LLMops, com foco em governança, auditoria e integração com repositórios. Forneça um desenho completo que inclua:

1) Modelo de dados
  - Entidades sugeridas: WorkOrderPrompt, PromptRevision, Commit, FileArtifact, Branch, Thread, Run, Environment, ProvenanceLink, RelacionamentoPrompts
  - Campos essenciais: id, created_at, author, description, content, status, parent_id, metadata

2) Grafos de linhagem
  - Como representar a proveniência como grafo, estratégias de versionamento de prompts, ramos de prompts e navegação entre pastas de repositórios
  - Mecanismos para consultar: qual prompt gerou qual arquivo, quais revisões levaram a determinada mudança

3) Markdown nativo para autoria
  - Convenções para escrever prompts, anotações de decisão, referências a commits e links para artefatos

4) API e formatos de interoperabilidade
  - Endpoints propostos: criarWorkOrder, anexarPromptAoCommit, consultarLinhagem, exportarRelatorio
  - Modelos de dados de resposta e formatos de entrada (JSON)

5) Casos de uso e consultas de provenance
  - Exemplos de consultas para recuperar o código resultante de um prompt, ou prompts que contribuíram para uma determinada mudança

6) Stack recomendada e integrações
  - Armazenamento de grafo (ex: Neo4j), versionamento (Git), documentação em Markdown, integração com CI/CD e pipelines de LLMops, observabilidade e auditoria

7) Governança, segurança e privacidade
  - Controle de acesso, retenção de dados de prompts sensíveis, políticas de compartilhamento entre equipes

8) Artefatos de exemplo
  - Dois a três artefatos exemplares JSON para WorkOrderPrompt, PromptRevision, Commit e FileArtifact, com uma breve linha do tempo de linhagem

9) Análise de ferramenta de IA recomendada
  - Inclua uma análise de qual ferramenta de IA entre chatgpt, claude, deepseek, gemini, copilot e perplexity seria mais adequada para suportar esse fluxo, com justificativa objetiva

Observações finais
  - Destaque como esse design facilita a rastreabilidade entre prompts e código, bem como a reutilização de prompts em diferentes projetos e repositórios.