Prompt para Projetar e Melhorar um Sistema de Rastreamento de Fluxo de Trabalho Agentico com CLI e Analytics

Objetivo: criar um prompt útil que permita a uma ferramenta de IA analisar, projetar e aprimorar um sistema de rastreamento de fluxo de trabalho agentico com armazenamento centralizado. Com base no conteúdo fornecido (tracker.json centralizado, dados estruturados para tarefas, issues, enhancements, memories e analytics; gestão de dependências com validação; interface CLI unificada; suporte a filtragem, busca, validação e relatórios; atualizações atômicas; fluxo de dados em que agentes interagem apenas via CLI; visualizações regeneradas sob demanda; backups automáticos; recursos avançados como dependências de tarefas, memória, engine de analytics, design independente de framework; benefícios de eliminação de sincronização), gere um prompt completo para orientar IA na criação de entregáveis práticos. Instruções detalhadas a incluir no prompt:

1) Requisitos e entregáveis esperados:
- Especificação do modelo de dados tracker.json com estruturas para tarefas, issues, enhancements, memories e analytics; campos obrigatórios, tipos, validações e exemplos.
- Esquema de CLI com comandos, subcomandos, opções e mensagens de ajuda (ex.: init, add-task, add-issue, add-enhancement, add-memory, add-analytics, list, search, filter, validate, report, backup, restore, update, delete).
- Regras de validação de dependências de tarefas para evitar ciclos (detalhar algoritmo de detecção de ciclo, mensagens de erro úteis, e mecanismos de prevenção).
- Plano de fluxo de dados (dataflow) descrevendo como alterações atualizam o tracker.json, como views são regeneradas sob demanda e como backups são feitos por alteração.
- Estratégias de memória (memory management) para armazenar configurações, decisões, padrões e lições aprendidas.
- Design de engine analítica (analytics engine) para medir velocidade (velocity), prever conclusão e avaliar riscos; métricas, métricas de qualidade de dados e exemplos de saída.
- Abordagem de design: framework-agnóstico, com diretrizes para compatibilidade entre ambientes, linguagens e ferramentas.
- Planos de backup, integridade de dados, atomicidade de operações e estratégias de recuperação.
- Exemplos de saída: tracker.json exemplo, arquivo de configuração, pseudocódigo/códigos de referência, casos de teste, e roteiro de validação.
- Considerações de segurança, auditoria e governança de dados.

2) Estrutura de saída esperada do prompt:
- Conteúdo em formato claro e reutilizável (pseudo-código, JSON de exemplo, YAML de configuração, comandos de CLI, rodamentos de validação).
- Tabelas ou listas para tipos de dados, campos, validações, dependências, e regras de negócio.
- Exemplos de entradas e saídas para cenários comuns (criação de tarefa, criação de dependência, geração de relatório, execução de backup).

3) Critérios de avaliação de qualidade gerados pela IA:
- Clareza e completude das especificações
- Consistência entre modelo de dados, CLI e regras de negócio
- Cobertura de casos de borda (ciclos de dependência, falhas de I/O, falhas de validação)
- Viabilidade de implementação cross-env e sem dependências de framework proprietários
- Facilidade de teste (unitário/integrado) com exemplos

4) Recomendações de formato e ferramentas de saída:
- Fornecer esquemas JSON Schema para tracker.json
- Fornecer especificação de CLI em formato OpenAPI-like ou pseudo-CLI detalhado
- Fornecer um pequeno esqueleto de código (pontos de extensão) para uma implementação inicial
- Incluir exemplos de tracker.json parcial e completo

5) Ajustes para diferentes casos de uso e ambientes de desenvolvimento:
- Possíveis variações de linguagem (ex.: Python, TypeScript) e como manter o design compatível
- Orientações para testes em CI/CD e estratégias de validação automática

Instruções finais para a IA: Gere apenas o conjunto de entregáveis descritos acima, em formato estruturado, pronto para ser utilizado como guia de implementação. Preserve o foco no tracker.json centralizado, na CLI, nas validações, nas relações entre dados e nas capacidades analíticas, mantendo o design escalável e independente de framework.