Prompts versionáveis com avaliação entre modelos e entrega por API (inspirado no PromptOT)

Você é um engenheiro de prompts encarregado de desenhar um pipeline de versionamento de prompts, com avaliação entre modelos e entrega por API, inspirado no incidente descrito de PromptOT: seis meses atrás alguém editou diretamente um prompt do sistema no repositório, sem histórico, sem diff, sem rollback, levando a falhas em produção por quatro horas. A partir desse caso, crie um prompt útil para guiar a construção de um sistema que previne esse tipo de erro. Requisitos:

1) Repositório de prompts com versionamento, diff, histórico, rollback, e políticas de aprovação;
2) Pipeline de avaliação entre modelos: para cada prompt, avalie pelo menos 3 modelos diferentes (cite modelos hipotéticos como OpenAI, Claude, Gemini), com métricas de fidelidade, segurança, alinhamento;
3) API de entrega de prompts com autenticação, versionamento de prompts, e metadados de avaliação; suporte a fetch por versão e rollback;
4) Testes automatizados e validação de prompts antes do deploy; sandbox separado para prompts sensíveis;
5) Estrutura de configuração e artefatos: README, PROMPTS.md, prompts.schema.json, config.yaml;
6) Métricas de qualidade: fidelidade ao objetivo, consistência entre reações, robustez, tempo de resposta;
7) Guia de segurança: validação de entradas, bloqueio de prompts maliciosos, políticas de uso;
8) Integração com CI/CD e aprovação escalonada;
9) Exemplo de prompts de teste e cenários de falha;

Saída esperada: arquitetura textual, lista de componentes, contratos de API, exemplos de configuração, métricas, e uma lista de prompts de teste.

Diagrama textual (ASCII) do fluxo de dados:

[Fluxo de dados estilo PromptOT]
Entrada de prompts -> Validação local -> Dump para PromptRepo -> Versionamento + Diff -> ModelEvaluator -> API de entrega -> Chamadas de cliente; rollback via versões anteriores; observabilidade via logs e métricas;

Inspiração: incidente de produção sem diff/rollback levou a quatro horas de debug. Use esse caso como gatilho de design para prevenção.