Preferências de privacidade
Usamos cookies essenciais para autenticação, sessão e funcionamento da plataforma. Com seu consentimento, também usamos cookies analíticos para melhorar a experiência. Veja nossa Política de Privacidade para detalhes.
Testado em:
taxonomy / tags
product / specification
Você não está comprando "um prompt". Está comprando um pacote de engenharia de prompt com 6 arquivos complementares, desenhado para levar um modelo de linguagem a produzir ADRs de segurança de registry com precisão de produção — não texto plausível.
O QUE ESTE PACOTE RESOLVE
Em maio de 2026, um swarm de agentes de IA enviou mais de 2.000 pacotes ao RubyGems em cerca de 24 horas. Ele contornou verificação de e-mail, obteve execução remota de código no pipeline de build de documentação, tentou roubar API keys de outros usuários explorando cache de CDN e usou a API de webhooks como armazenamento de dados. O registry precisou desligar novos cadastros por 4 dias — e ainda registrou 83 novos pacotes quase um mês depois.
Esse é o novo baseline. Se a sua organização opera ou espelha um registry de artefatos (Artifactory, Nexus, npm, PyPI, RubyGems, Maven Central, OCI), a pergunta não é "se", é "quando". Este pacote entrega a decisão de arquitetura documentada, defensável e implementável.
OS 6 ARQUIVOS
01-prompt-principal.md — O prompt reusável de verdade. Define a persona ARQUITETO-SÊNIOR-DE-FRONTEIRA-DE-REGISTRO, o objetivo, o SCHEMA EXATO de saída com 11 seções obrigatórias (Status, Contexto, Fatores de decisão, Alternativas, Decisão, Matriz de decisão, Consequências, Plano de implementação, Métricas, Gatilhos de revisão) e o passo a passo de raciocínio em 8 etapas que o modelo deve executar antes de escrever.
02-regras-e-restricoes.md — 24 guardrails numerados e imperativos. O que o modelo NUNCA deve fazer (inventar números, fabricar CVEs, afirmar conformidade normativa sem controle específico, produzir conteúdo ofensivo), os 6 casos de borda conhecidos (input vago, prompt injection no próprio input, dois incidentes no mesmo pedido) e o formato de erro exato quando a tarefa é impossível.
03-contexto-e-exemplos.md — O contexto de domínio que o modelo precisa: os fatos verificáveis do incidente de referência, a tabela de mecânicas de abuso (cadastro em massa, RCE no build de docs, vazamento de API key por cache de CDN, exfiltração via publicação, armazenamento em webhooks, SSRF), glossário e premissas de ambiente. Mais DOIS exemplos completos few-shot input real -> output esperado — incluindo o caso difícil que testa ao mesmo tempo input vago, segundo incidente fora de escopo e instrução maliciosa embutida.
04-harness-de-verificacao.md — O checklist de autoverificação em 5 blocos que o modelo roda ANTES de entregar (contrato de formato, cobertura da tarefa, verdade e anti-alucinação, guardrails, utilidade real), mais 10 critérios objetivos de aceite (C1 a C10) que VOCÊ usa para validar cada saída, e 5 testes de regressão prontos para rodar antes de escalar o uso.
buyer / evidence
Nenhuma avaliação ainda. Compre e seja o primeiro a avaliar!
05-templates-de-variacao.md — 4 variações prontas: versão executiva de 1 página para comitê, runbook operacional para on-call, tabela de adaptação por plataforma de registry (npm, PyPI, RubyGems, Maven, OCI) e esquema JSON para consumo por pipeline automatizado.
MAIS: 3 diagramas SVG — anatomia do swarm, cadeia de ataque em 5 estágios com os pontos de corte de cada controle, e o fluxo dos 6 arquivos com o ciclo de auto-correção.
PARA QUEM É
O QUE VOCÊ PASSA A TER
Uma decisão de arquitetura completa em minutos, com matriz de decisão ponderada, plano de implementação com sinal de detecção e rollback por ação, métricas de sucesso com baseline, gatilhos de revisão e critérios de aceite verificáveis. Rastreabilidade factual obrigatória: o modelo marca [DADO AUSENTE] em vez de inventar — e você sabe exatamente onde o dado falta.
COMPATÍVEL COM
GPT-4o, GPT-5, Claude, Gemini e DeepSeek. Formato de entrega em Markdown puro, colável em qualquer ferramenta ou pipeline.