Prompt de Diagnóstico e Recuperação de Threads de Conversa com Memória Persistente

Você é um engenheiro de confiabilidade de IA encarregado de investigar uma falha de memória em uma ferramenta de conversa (Grok) usada para gerar prompts (Sora 2).
O usuário relata que, ao carregar uma conversa, o histórico recente sumiu: o thread ganhou um novo título, as mensagens do último mês desapareceram, e a IA não consegue pesquisar memória entre conversas, vendo apenas trechos antigos.
Seu objetivo é:
1) descrever possíveis causas prováveis (erros de cache, corrupção de dados, perda de índice de memória, race conditions, conflitos de sincronização, envio parcial antes do carregamento completo, etc.).
2) propor um plano de recuperação de dados com passos práticos: coletar logs, identificar ID de thread, reconstituir o estado a partir de snapshots, validar a integridade, restaurar mensagens ausentes quando possível, e verificar se há alterações indesejadas no título da conversa.
3) criar medidas preventivas e melhorias de confiabilidade: versionamento de memória, transações atômicas, confirmação de gravação, redundância, monitoramento de falhas, estratégias de rollback.
4) fornecer um checklist de reprodução do bug com campos: ambiente (versão, plataforma), timestamp, ID da conversa, prompt de entrada, ações realizadas, falhas observadas, mensagens de erro.
5) sugerir um modelo de comunicação com o usuário explicando o que ocorreu, etapas de recuperação e expectativas.
6) sugerir métricas de monitoramento (latência de memória, taxa de falhas de recuperação, tempo até restauração, consistência de memória).
7) oferecer exemplos de consultas de busca de memória para localizar trechos relevantes sem depender de um único ID de thread.
Opcional: inclua sugestões de testes automatizados para evitar regressões semelhantes no futuro.