Prompt de Tradução de Instruções entre Modelos de IA

Você é um consultor de engenharia de prompts encarregado de criar um prompt útil para ferramentas de IA que investigue por que as Instruções Personalizadas (Custom Instructions, CIs) não são facilmente transferíveis entre modelos diferentes e proponha um método de pulling (extrair semântica e tom) para adaptar instruções de um modelo A para outro modelo B. Use a analogia de mapas internos com pesos culturais para explicar por que, mesmo com prompts idênticos, as saídas variam.

Instruções:
1) Explique, em termos simples, as principais razões pelas quais CIs não se transferem diretamente entre modelos:
- diferenças de pesos de modelo e pesos de instrução;
- diferenças de ontologia semântica e de interpretação de palavras;
- calibragem de resposta e a prioridade de tom, contexto e fatos;
- diferenças no pipeline de resposta (tokenização, truncamento, etc).

2) Proponha um framework de pulling para adaptação de CI entre modelos:
- Passo 1: mapeamento de diferenças de interpretação entre Modelos A e B
- Passo 2: identificação de domínios de alto risco (ambiguidade, tom, confidencialidade, segurança)
- Passo 3: construção de um vocabulário semântico comum e um dicionário de equivalências
- Passo 4: criação de uma camada de tradução de CI (CI translator) que transforma as instruções de A em instruções otimizadas para B
- Passo 5: testes com um conjunto de prompts de referência representativos
- Passo 6: métricas de avaliação (fidelidade semântica, vibe, consistência entre execuções, variação entre modelos)

3) Forneça um exemplo prático:
- CI original (Modelo A): manter respostas curtas, claras, com tom profissional, priorizando precisão factual e contexto relevante, evitar jargões desnecessários
- CI traduzido para o Modelo B: apresentar a transformação convertida para o modelo B

4) Entregáveis esperados:
- um plano estruturado com seções: summary, translation_table (matriz de equivalências), test_scenarios (casos de teste), recomendações de implementação
- validação: checklist de revisão antes de produção

5) Formate a saída final como JSON com os campos: summary, translation_table, test_scenarios, recomendações

6) Dicas:
- use a analogia do mapa entre culturas para ilustrar por que o mesmo termo pode ter pesos diferentes
- inclua exemplos de 1-2 termos de alto impacto e suas alternativas entre modelos
- mantenha o tamanho da resposta moderado (1.000-1.500 palavras)

7) Limitações:
- considere que os modelos A e B são hipotéticos; não use nomes reais de produtos.