oryon-framework 1.0.0

package/.knowledge/dossiers/DOSSIER-PROMPT-ENGINEERING.md

@@ -0,0 +1,542 @@
+# DOSSIER-PROMPT-ENGINEERING
+## Engenharia de Prompt: Guia Completo de Técnicas e Frameworks
+
+> **Versão:** 2.0.0
+> **Criado:** 2026-03-25 | **Atualizado:** 2026-03-26
+> **Fontes:** 25 sources processadas (EP001, EP002, EP007, EP012, EP024, EP035, EP041, EP045, EP059, EP060, EP062, EP064, EP065, EP066, EP067, EP076, EP078, EP079, EP080, EP081, EP084, EP087, EP088, EP089, EP090)
+> **Agentes a enriquecer:** COPYWRITER, CMO, CRO, MEDIA-BUYER
+
+---
+
+## 1. FUNDAMENTOS: O QUE É ENGENHARIA DE PROMPT
+
+### Definição
+
+**Engenharia de prompt = aprender a dar instruções específicas para uma IA realizar tarefas.** Quanto mais específico, melhor o resultado.
+*[FIL-EP045-001]*
+
+**Prompt = Design de Raciocínio.** Não é sobre fazer perguntas certas — é sobre estruturar o processo de pensamento que você quer que a IA siga.
+*[FIL-EP059-001]*
+
+Trabalhar com IA não é mágica nem gênio da lâmpada — é **processo**: um processo prévio de preparação e um processo posterior de refinamento.
+*[FIL-EP066-001]*
+
+### O que a IA é (e o que não é)
+
+| É | Não É |
+|---|-------|
+| Autocorreto superinteligente que prevê próximas palavras baseado em padrões | Google turbinado |
+| Sistema treinado em enorme corpus de texto | Motor de busca |
+| Ferramenta que executa raciocínio por predição estatística | Banco de dados factual |
+
+*[MM-EP059-001, FIL-EP059-002]*
+
+### Limitações críticas
+
+- **Data de corte:** LLMs têm data de treinamento — não pedir informações atuais. Preferir conteúdo derivável de dados históricos *[HEUR-EP045-004]*
+- **Alucinação:** modelos podem "inventar" informações com confiança — verificar saídas factuais *[FIL-EP059-003]*
+- **Viés (bias):** modelos herdam vieses do corpus de treinamento
+- **Limite de contexto:** cada conversa tem janela de tokens limitada
+
+---
+
+## 2. PRINCÍPIOS FUNDAMENTAIS
+
+### GIGO — Garbage In, Garbage Out
+*"A qualidade da saída da IA é completamente proporcional à qualidade da entrada."*
+*[FW-EP066-002]*
+
+| Entrada | Saída |
+|---------|-------|
+| Prompt vago e improvisado | Resultado genérico e mediano |
+| Contexto preparado + referências + tarefa clara | Resultado profissional |
+
+### Princípio da Especificidade
+Em vez de "qual o clima hoje" → "qual o clima em Niterói hoje"
+Quanto mais específico, melhor o resultado. *[HEUR-EP045-003]*
+
+### Prompting é como instruir um amigo muito inteligente
+Você precisa detalhar o que quer, não apenas perguntar vagamente. O ChatGPT sabe mais do que você — mas precisa saber O QUE você quer. *[FIL-EP045-002]*
+
+---
+
+## 3. OS 6 INGREDIENTES DE UM BOM PROMPT
+
+*[FW-EP059-001]*
+
+| Ingrediente | Descrição | Exemplo |
+|-------------|-----------|---------|
+| **Objetivo** | O que você quer que a IA faça | "Crie uma headline para produto X" |
+| **Fontes** | Material de referência que a IA deve usar | "Baseado neste texto: [...]" |
+| **Restrições** | O que NÃO fazer | "Sem jargões técnicos, máximo 50 palavras" |
+| **Processo** | Como pensar/estruturar | "Pense passo a passo antes de responder" |
+| **Validação** | Critério do que é "bom" | "Verifique se há promessa clara no título" |
+| **Iteração** | Instruções para refinamento | "Se não estiver bom, proponha 3 variações" |
+
+---
+
+## 4. FRAMEWORKS DE ESTRUTURA DE PROMPT
+
+### 4.1 PTF — Papel, Tarefa, Formato
+*[FW-EP062-001]*
+
+```
+[P] Como [PAPEL/PERSONA específico],
+[T] [TAREFA específica e detalhada],
+[F] no formato [FORMATO DESEJADO].
+```
+
+**Regra:** O papel deriva da tarefa. Se a tarefa é criar plano de mídia, o papel é estrategista de mídia.
+
+**Exemplo:**
+```
+[P] Como estrategista de mídia digital especializado em Google e Meta Ads,
+[T] crie um plano de mídia digital com foco em gerar tráfego para LP,
+[F] no formato de tabela: canal | formato | KPI | verba (total R$10k). Finalize com conclusão.
+```
+
+### 4.2 Problema-Meta-Tarefa
+*[FW-EP062-002]*
+
+Ideal quando você tem um problema real e precisa de solução prática.
+
+| Elemento | Conteúdo |
+|----------|----------|
+| **Problema** | Situação atual e desafio |
+| **Meta** | Resultado esperado |
+| **Tarefa** | O que a IA deve fazer para resolver |
+
+**Vantagem:** A IA executa a tarefa pensando na finalidade — resultado mais estratégico.
+
+### 4.3 PET — Persona, Entrada, Tarefa + Expectativa
+*[FW-EP062-003]*
+
+| Elemento | Conteúdo |
+|----------|----------|
+| **P** | Persona (papel da IA) |
+| **E** | Entrada — material de referência (dados, exemplos, documentos) |
+| **T** | Tarefa + Expectativa (o que fazer + o que seria um bom resultado) |
+
+**Uso:** Quando você quer que a IA identifique padrões em materiais específicos antes de gerar.
+
+### 4.4 CTME — Contexto, Tarefa, Meta, Exemplo
+*[FW-EP062-004]* — O framework mais completo.
+
+| Letra | Conteúdo |
+|-------|---------|
+| **C** | Contexto — o que levou você a precisar disso |
+| **T** | Tarefa — o que precisa ser feito |
+| **M** | Meta — objetivo final (leads, engajamento, vendas) |
+| **E** | Exemplo — referência de algo que funcionou bem |
+
+**Exemplo:**
+```
+[C] Estamos lançando novo sabor de hambúrguer com molho especial.
+[T] Preciso de insights para despertar o público para experimentação.
+[M] Objetivo: gerar curiosidade e fazer as pessoas falarem do lançamento.
+[E] Bom exemplo de insight: "Você não é você quando está com fome" (Snickers).
+```
+
+### 4.5 PRICE — Framework Completo de Prompt
+*[FW-EP087-001]*
+
+| Letra | Elemento | Detalhe |
+|-------|----------|---------|
+| **P** | Play / Persona | Quem a IA deve ser |
+| **R** | Reasoning | Chain of Thought, Tree of Thought |
+| **I** | Instructions | Objetivo e tarefa específica |
+| **C** | Constraints | O que NÃO fazer |
+| **E** | Examples | Exemplos do formato/output desejado |
+
+---
+
+## 5. DELIMITADORES — SEPARAR INSTRUÇÃO DE CONTEÚDO
+
+*[FW-EP002-001]*
+
+Delimitadores separam a instrução da IA do conteúdo variável que você está fornecendo. Evitam confusão entre "o que eu quero que você faça" e "o material sobre o qual fazer".
+
+| Tipo | Uso | Exemplo |
+|------|-----|---------|
+| Backticks triplos (` ``` `) | Separar texto/código | `` ``` texto aqui ``` `` |
+| Tags XML (`<tag>`) | Estruturar seções longas | `<contexto>...</contexto>` |
+| Traços triplos (`---`) | Separar seções | `--- instrução --- conteúdo ---` |
+| Chaves `{}` | Variáveis no template | `{NOME_DO_PRODUTO}` |
+
+**Recomendação OpenAI:** usar backticks triplos ou tags XML para separar instrução de conteúdo em prompts complexos.
+
+---
+
+## 6. CONDICIONANTES — LÓGICA IF/ELSE NO PROMPT
+
+*[FW-EP024-001]*
+
+Você pode incluir lógica condicional dentro de prompts para cobrir múltiplos cenários:
+
+```
+SE [condição A] → faça X
+SE NÃO → faça Y
+
+SE o texto contiver jargão técnico → simplificar para leigos
+SE NÃO contiver → manter linguagem original
+```
+
+**Casos de uso:**
+- Adaptar tom baseado no perfil detectado
+- Tratar exceções sem criar múltiplos prompts
+- Criar fluxos de decisão dentro de um único prompt
+
+---
+
+## 7. ZERO-SHOT, ONE-SHOT E FEW-SHOT
+
+*[FW-EP065-001]*
+
+| Técnica | Exemplos | Quando Usar |
+|---------|----------|-------------|
+| **Zero-Shot** | 0 | Tarefas simples com resposta objetiva |
+| **One-Shot** | 1 | Quando há formato específico desejado |
+| **Few-Shot** | 2-5 | Tarefas complexas com múltiplos elementos |
+
+**Regra geral:** Mais complexidade = mais exemplos necessários. Máximo ~10 exemplos — além disso aumenta complexidade sem ganho. *[FW-EP065-001]*
+
+**Para tom de voz específico:**
+```
+[Definir persona]
+Pergunta: [exemplo]
+Resposta: [exemplo no tom correto]
+Pergunta: [nova pergunta real]
+[PERSONA]:
+```
+*[MET-EP007-001, MET-EP065-001]*
+
+**Fidelidade à referência:** especificar o grau de fidelidade ao exemplo *[MET-EP065-002]*:
+- *"Reproduza exatamente o padrão deste exemplo"*
+- *"Use este exemplo como inspiração, mas adapte"*
+
+---
+
+## 8. CHAIN OF THOUGHT (CoT) — PENSAR PASSO A PASSO
+
+*[FW-EP035-001]*
+
+Força a IA a mostrar o raciocínio intermediário antes da resposta final — aumenta qualidade em tarefas complexas.
+
+| Modo | Como ativar | Resultado |
+|------|-------------|-----------|
+| **Guiado** | Especificar os passos explicitamente: "1. Analise... 2. Identifique... 3. Responda..." | IA segue seu roteiro |
+| **Auditado** | Comando simples: "Pense passo a passo" | IA define os próprios passos |
+
+**Quando usar CoT:**
+- Problemas matemáticos ou lógicos
+- Análises multi-etapa
+- Quando a IA está ignorando partes do comando
+
+**Diagnóstico quando a IA ignora o comando:** *[FW-EP035-002]*
+```
+"Você acabou de receber um comando. Liste cada elemento do comando
+e responda: executou? Sim/Não. Para cada Não, execute agora."
+```
+
+---
+
+## 9. CTR-AI — PROCESSO COMPLETO DE PROMPT
+
+*[FW-EP066-001]*
+
+Dois atos: preparação (pré-prompt) + refinamento (pós-prompt).
+
+**ATO 1 — ANTES do Prompt:**
+
+| Etapa | O que fazer |
+|-------|-------------|
+| **C — Contexto** | Levantar materiais ANTES de abrir a IA. Público, tom de voz, dados de mercado |
+| **T — Tarefa** | Clareza do formato desejado, meta, critérios de qualidade |
+| **R — Referências** | Montar "squad de referências" — exemplos, trabalhos anteriores, guia do padrão |
+
+**ATO 2 — DEPOIS do Prompt:**
+
+| Etapa | O que fazer |
+|-------|-------------|
+| **A — Avaliar** | Verificar se entrega cumpre critérios objetivos |
+| **I — Iterar** | Refinamento: feedback específico, auditoria, repetir até excelência |
+
+**Auditoria automática:** *"Faça uma auditoria da sua entrega — verifique se cumpriu todos os elementos do briefing"* *[FW-EP066-003]*
+
+---
+
+## 10. TÉCNICAS AVANÇADAS
+
+### 10.1 Meta Prompt — IA Cria Seu Próprio Prompt
+*[MET-EP089-001]*
+
+1. Descrever brevemente o que você quer fazer
+2. Pedir para a IA gerar o prompt ideal para executar essa tarefa
+3. IA faz perguntas sobre contexto necessário
+4. Responder as dúvidas com contexto específico
+5. *"Investigue se com essas informações já temos o prompt perfeito ou se devo incluir algo"*
+6. Pedir a geração do prompt final
+7. Copiar o prompt → colar em nova conversa → executar
+
+**Quando usar Meta Prompt:** *[FW-EP089-001]*
+- Tarefa complexa que você não sabe estruturar
+- Geração de imagens/vídeos (parâmetros técnicos são muitos)
+- Resultado aquém e você não sabe o que adicionar
+- Quer replicar estilo de imagem/vídeo referência
+
+### 10.2 Meta Prompt para Imagens
+*[MET-EP089-002]*
+
+1. Subir imagem/vídeo de referência
+2. *"Construa um prompt bem detalhado para que eu tenha como resultado uma imagem tal qual esta em anexo"*
+3. IA gera prompt técnico otimizado
+4. Usar na ferramenta de geração (Midjourney, DALL-E, Kling)
+5. Se resultado não for idêntico: subir imagem gerada + prompt usado + pedir correção
+
+### 10.3 Prompt Chaining — Fatiamento de Tarefas Complexas
+*[MET-EP089-003]*
+
+Para tarefas muito complexas → dividir em prompts menores sequenciais:
+- *"Divida esse prompt em prompts menores para que a interação seja cadenciada, me conduzindo até a solução final"*
+- IA cria cadeia: Prompt 1 (contextualizar) → Prompt 2 (levantar dados) → Prompt 3 (executar)
+
+### 10.4 Prompt Evolutivo — Algoritmo Genético
+*[MET-EP078-001]*
+
+Otimização iterativa de soluções via lógica genética:
+
+```
+1. Criar perfil "Analisador" (avalia probabilidade de sucesso 0-100%)
+2. Criar perfil "Geneticista" (combina e muta soluções)
+3. Definir problema → gerar 3 soluções iniciais
+4. Analisador → rankeia por % de sucesso
+5. Geneticista → 5 filhas por cruzamento/mutação
+6. Repetir N ciclos (loop de 20 = boa prática)
+7. Solução vencedora = maior % de sucesso após todos os ciclos
+```
+
+**Uso:** títulos, estratégias de marketing, qualquer problema que precisa de otimização iterativa.
+
+### 10.5 Prompt Wayne — Multi-Especialistas
+*[MET-EP079-001]*
+
+Para problemas complexos multi-dimensionais:
+1. Definir persona gerencial que "recruta especialistas"
+2. IA pergunta qual é o problema
+3. IA lista 5+ perfis de especialistas em menu numerado
+4. Opção de contratar todos simultaneamente
+5. Interação individual com cada especialista (nível PhD)
+6. Troca de especialista a qualquer momento
+
+### 10.6 Prompt Reverso — Extrair Prompt de Imagem
+*[MET-EP080-001]*
+
+Upload de imagem → IA gera o prompt que recriaria aquela imagem:
+1. Subir imagem no ChatGPT Vision
+2. Pedir: *"Gere o prompt textual descritivo a partir da imagem para recreação via [FERRAMENTA] com máxima fidelidade"*
+3. Prompt inclui `<prompt-positivo>` e `<prompt-negativo>`
+4. Gerar versão em inglês também
+5. Usar prompt na ferramenta de geração → refinar iterativamente
+
+### 10.7 NotebookLM como Engenheiro de Prompt
+*[MET-EP041-001]*
+
+1. Carregar documentação da ferramenta como fonte no NotebookLM
+2. Configurar NLM com instrução de especialista em prompt
+3. NLM gera prompt otimizado com parâmetros técnicos da ferramenta
+4. Não precisar memorizar documentação — ter sistema que a mantém atualizada
+
+*[FIL-EP041-001]: "Você não precisa memorizar a documentação — você precisa de um sistema que a guarda."*
+
+---
+
+## 11. DICAS OPERACIONAIS
+
+### Comando "Continue"
+*[HEUR-EP076-001]*
+
+Quando ChatGPT para no meio de uma resposta longa → escrever `continue`:
+- GPT-4: limite ~25k palavras → retoma exatamente do ponto onde parou
+- GPT-3.5: limite ~3k palavras → retoma de forma menos coerente
+
+### Temperatura
+*[HEUR-EP012-001]*
+
+| Valor | Comportamento | Uso ideal |
+|-------|---------------|-----------|
+| `0` | Determinístico e preciso | Análises, classificação, código |
+| `0.5` | Equilíbrio | Propósito geral |
+| `1.0` | Muito criativo | Histórias, brainstorming |
+
+### Output Estruturado em JSON
+*[HEUR-EP012-002]*
+
+Especificar a estrutura JSON exata no prompt → saída parseável e consistente:
+```
+Retorne no seguinte formato JSON:
+{"campo1": "", "campo2": [], "campo3": 0}
+```
+
+### Formato de Prompt (XML vs Markdown vs JSON)
+*[FW-EP087-002]*
+
+Não existe "melhor" universal — depende do LLM específico. Para prompts longos: XML e Markdown ajudam a visualizar estrutura. Experimentar com o modelo que você usa.
+
+---
+
+## 12. CONSULTAS PROGRESSIVAS — MULTI-PASSO
+
+*[MET-EP088-001]*
+
+Para prompts de consulta complexos (carreira, planejamento, análise):
+- Passos numerados com instrução "aguarde minha resposta antes de continuar"
+- Comando de escape: "escreva [PALAVRA] para pular este passo"
+- Profundidade progressiva: cada passo aprofunda o conhecimento anterior
+- Entregáveis concretos ao final (análise, SWOT, documento gerado)
+
+---
+
+## 13. HEURÍSTICAS CONSOLIDADAS
+
+| ID | Heurística |
+|----|-----------|
+| HEUR-EP045-003 | Especificidade melhora resultado — sempre ser específico sobre contexto/parâmetros |
+| HEUR-EP062-001 | Papel deriva da tarefa — pensar no perfil ideal para executar aquele trabalho |
+| HEUR-EP062-002 | Quanto mais especifica o formato, mais aderente é a entrega |
+| HEUR-EP062-003 | Adicionar exemplo do "bom" calibra drasticamente a qualidade |
+| HEUR-EP065-001 | Tarefas simples → zero-shot; formatos específicos → mínimo 1 exemplo |
+| HEUR-EP066-001 | Nunca improvisar contexto na hora — preparar materiais ANTES de abrir a IA |
+| HEUR-EP066-002 | Definir critérios do que é "bom" antes de receber a entrega |
+| HEUR-EP078-001 | Para otimização iterativa → Prompt Evolutivo converte tentativa/erro em processo |
+| HEUR-EP079-001 | Problemas complexos multi-dimensionais → recrutar time de especialistas |
+| HEUR-EP080-002 | Prompts negativos (o que NÃO deve ter) são tão importantes quanto positivos |
+| HEUR-EP087-001 | Estrutura do prompt importa menos que clareza do conteúdo |
+| HEUR-EP089-001 | Metaprompt é especialmente eficaz para geração de imagem/vídeo |
+| HEUR-EP089-002 | Forçar a IA a verificar se as informações são suficientes antes de gerar o prompt final |
+| HEUR-EP089-003 | Prompt chaining converte uma tarefa impossível em série de tarefas gerenciáveis |
+
+---
+
+## 14. QUANDO USAR CADA TÉCNICA
+
+| Situação | Técnica Recomendada |
+|----------|---------------------|
+| Tarefa simples e clara | Zero-Shot + PTF |
+| Formato específico de entrega | One-Shot com exemplo |
+| Tom de voz de marca | Few-Shot (2-5 exemplos) |
+| Prompt complexo que não sabe estruturar | Meta Prompt |
+| Problema com múltiplas dimensões | Prompt Wayne (multi-especialistas) |
+| Otimizar uma solução iterativamente | Prompt Evolutivo |
+| Recriar ou aproximar estilo de imagem | Prompt Reverso |
+| Tarefa muito complexa para um prompt | Prompt Chaining |
+| Preparação antes de abrir a IA | CTR-AI (ATO 1: Contexto, Tarefa, Referências) |
+| Refinar resultado após entrega | CTR-AI (ATO 2: Avaliar, Iterar) |
+| Raciocínio complexo / análise multi-etapa | Chain of Thought |
+
+---
+
+## FONTES DESTE DOSSIER
+
+| Source ID | Tema Principal |
+|-----------|---------------|
+| SOURCE-EP001 | 4 prompts para concurso público — prompts contextuais com edital |
+| SOURCE-EP002 | Delimitadores (backticks, XML tags) |
+| SOURCE-EP007 | Prompting por exemplos (one-shot com persona) |
+| SOURCE-EP012 | API OpenAI + temperatura + output JSON |
+| SOURCE-EP024 | Condicionantes IF/ELSE em prompts |
+| SOURCE-EP035 | Chain of Thought (guiado e auditado) |
+| SOURCE-EP041 | NotebookLM como engenheiro de prompt |
+| SOURCE-EP045 | Fundamentos: especificidade, HEUR básicas |
+| SOURCE-EP059 | LLMs + 6 Ingredientes + Guard Rails |
+| SOURCE-EP062 | PTF, Problema-Meta-Tarefa, PET, CTME |
+| SOURCE-EP065 | Zero/One/Few Shot |
+| SOURCE-EP066 | CTR-AI Framework + GIGO |
+| SOURCE-EP076 | Comando "continue" + limites de tokens |
+| SOURCE-EP078 | Prompt Evolutivo / Algoritmo Genético |
+| SOURCE-EP079 | Prompt Wayne / Multi-Especialistas |
+| SOURCE-EP080 | Prompt Reverso (extrair prompt de imagem) |
+| SOURCE-EP087 | PRICE Framework + Meta-prompting |
+| SOURCE-EP088 | Consulta progressiva multi-passo (carreira) |
+| SOURCE-EP089 | Meta Prompt + Prompt Chaining |
+
+---
+
+*Dossier gerado automaticamente pelo Pipeline Jarvis v2.2 | 2026-03-25*
+
+---
+
+## ATUALIZAÇÃO v2.0.0 — Técnicas Avançadas (EP060, EP064, EP067, EP081, EP084, EP090)
+
+### Hierarquia Completa de Técnicas (EP060)
+
+| Nível | Técnica | Quando Usar |
+|-------|---------|------------|
+| Básico | Zero-shot | Tarefas simples, prototipagem |
+| Básico | Few-shot | Sempre que possível (+60–80% qualidade) |
+| Intermediário | Role Prompting | Outputs especializados |
+| Intermediário | Chain-of-Thought | Problemas de raciocínio (+15–40% accuracy) |
+| Intermediário | Output Formatting (JSON/XML) | Automações, pipelines |
+| Avançado | Self-Consistency | Decisões de alta importância |
+| Avançado | Tree-of-Thought | Explorar múltiplos caminhos |
+| Avançado | Prompt Chaining | Pipelines multi-etapa |
+
+### CTR-AI Framework — Dois Atos (EP067)
+
+**ATO 1: PRÉ-PROMPT (Preparação)**
+Coletar ANTES de escrever o prompt: público-alvo, tom, dados de mercado, objetivo final, restrições, formato esperado.
+
+**ATO 2: PÓS-PROMPT (Refinamento)**
+Avaliar output → identificar gaps → refinar → validar → documentar o prompt que funcionou.
+
+> **HEUR:** O contexto pré-prompt vale mais que o prompt em si. 10 minutos preparando economiza horas de iteração.
+
+### Output Formatting para Automação (EP064)
+
+**Temperature por caso de uso:**
+- `0.0` → Determinístico (JSON, código, extração de dados)
+- `0.3–0.5` → Análises técnicas, resumos
+- `0.7–0.9` → Criação de conteúdo, brainstorming
+- `1.0+` → Poesia, ficção criativa
+
+**AutoGPT via JSON estruturado:**
+```
+{"acao": "pesquisar", "query": "...", "resultado": "...", "proximo_passo": "..."}
+```
+→ Forçar output estruturado = encadeamento automático possível
+
+### Prompt Reverso — Engenharia Reversa Visual (EP081)
+
+Upload de imagem → ChatGPT Vision gera prompt que reproduziria aquela imagem.
+- Especificar ferramenta alvo (Midjourney, DALL-E 3, Sora)
+- Ideal para capturar estilo visual, não conteúdo exato
+- DALL-E3 nunca gera imagem idêntica por design (proteção de copyright)
+
+### Meta-Prompt — IA Cria o Prompt para Você (EP090)
+
+```
+"Você é um especialista em [área]. Converta esta descrição em um prompt
+profissional e otimizado para [ferramenta específica]:
+Descrição: [o que você quer]"
+```
+
+Especialmente valioso para geração de imagem/vídeo onde linguagem técnica muda resultado drasticamente.
+
+### SCIENTIST GPT — Leitura de Papers (EP084)
+
+Upload de paper → ChatGPT resume, explica, e escreve código a partir da metodologia descrita.
+- Papers em inglês > português (maior representação no treino)
+- Pedir limitações é tão importante quanto os resultados
+- Metanálise: carregar 3–5 papers + pedir síntese comparativa
+
+### Fontes Adicionais v2.0
+
+| SOURCE | Conteúdo |
+|--------|---------|
+| SOURCE-EP060 | Guia definitivo — 35+ papers científicos, zero ao avançado |
+| SOURCE-EP064 | AutoGPT via output formatting (JSON/XML) |
+| SOURCE-EP067 | Framework CTR-AI (dois atos: pré e pós-prompt) |
+| SOURCE-EP081 | Prompt Reverso (engenharia reversa de imagens) |
+| SOURCE-EP084 | SCIENTIST GPT (leitura de artigos científicos) |
+| SOURCE-EP090 | Meta Prompt (IA que cria prompts) |
+
+*Atualizado pelo Pipeline Jarvis | 2026-03-26*