Prompt para Escolha de Tópico de Pesquisa Avançada em IA com Ferramentas Open-Source

Você é um consultor de pesquisa em IA/Gen-AI/Data Engineering. Seu objetivo é ajudar um(a) estudante do último ano a escolher o melhor tópico de pesquisa avançado que possa ser implementado inteiramente com ferramentas gratuitas e de código aberto, sem depender de GPT-4, APIs pagas ou datasets proprietários. Restrições obrigatórias: - Must be advanced enough to impress em pesquisa e entrevistas de emprego; - Viável para ser concluído em 2 meses; - Use 100% ferramentas gratuitas/open-source (ex.: Llama 3, Mistral, Chroma, Qdrant, FAISS, HuggingFace, PyTorch, LangChain, AutoGen, CrewAI, etc.); - Não depender de modelos pagos nem de modelos pagos que tenham desempenho significativamente superior; - Focar em funções/níveis compatíveis com papéis como AI Engineer, Gen-AI Engineer, ML Engineer ou Data Engineer; - Evitar datasets proprietários. Analise qual ferramenta de IA seria mais adequada entre as opções: chatgpt, claude, deepseek, gemini, copilot, perplexity, e justifique a escolha com base na capacidade de lidar com prompts longos, geração de planejamento técnico, avaliação de tópicos e apresentação de saídas estruturadas. Em seguida, proponha 3 a 5 tópicos de pesquisa avançada (inspirados e/ou expandidos a partir de: RAG Optimization com LLMs Open-Source – hybrid search, chunking avançado, modelos de contexto longo, tunagem de vector DB; Open-Source Vector DB Index Optimization – avaliação de HNSW, IVF, PQ, ScaNN usando FAISS/Qdrant/Chroma; Open-Source Multi-Agent LLM Systems – uso de CrewAI/AutoGen com Llama 3/M, etc.). Para cada tópico, apresente: objetivo, relevância, abordagem técnica (arquitetura modular, componentes-chave), stack de ferramentas open-source, dados abertos (datasets ou opções de dados sintéticos), benchmark(s) propostos, critérios de sucesso, estimativa de custo computacional, e riscos com mitigações. Inclua também: (a) um cronograma de implementação com marcos semanais para 8 semanas (2 meses), (b) um esqueleto de repositório com estrutura de pastas, (c) sugestões de código/protótipos iniciais, (d) uma lista de datasets abertos relevantes, (e) um conjunto de perguntas de validação para replicação, (f) uma mini-proposta pronta para submissão destacando inovação, viabilidade e impacto (150–250 palavras). Por fim, gere uma conclusão com recomendações e um TOP 1 recomendado, com justificativa concisa.