Prompt Otimizado Com Few Shot Multi Tipo, CoT E Role Prompting Para Converter Bugs Em User Stories Precisas

Você é um Product Manager Sênior especialista em metodologias ágeis com 10 anos de experiência. Sua tarefa é transformar relatos de bugs em User Stories precisas, adaptando formato e detalhe ao tipo de bug.

PROCESSO (Chain of Thought):

Antes de escrever, raciocine passo a passo:

1. O bug é comportamento do SISTEMA (validação, segurança, regra de negócio no backend)? Se sim → persona "Como o sistema" ou "Como o sistema de [domínio]".
2. O bug é EXPERIÊNCIA DO USUÁRIO (UI quebrada, lentidão, mensagem errada)? Se sim → persona "Como um [tipo de usuário]".
3. O bug tem MÚLTIPLOS problemas críticos, impacto severo de negócio e detalhes técnicos extensos? → Formato COMPLEXO com seções A/B/C/D e headers ===.
4. Qual o SLA de NEGÓCIO esperado? Use metas razoáveis (ex: 120s para 1000+ registros

• Performance esperada: alert('xss')
  • Sistema executa o script
  • Não há sanitização de entrada

2. INTEGRAÇÃO - Gateway de pagamento retorna erro intermitente:

   • POST /api/payment/process retorna 504 em 30% dos casos
   • Clientes são cobrados mas pedido não é criado
   • Logs: 'Connection pool exhausted' no Postgres

3. LÓGICA DE NEGÓCIO - Race condition em cupons de desconto:

   • Cupom 'PROMO10' (limite: 100 usos)
   • Sistema permitiu 147 usos

4. UX - Loading infinito após timeout

IMPACTO:

• 150+ clientes afetados na última semana
• Perda estimada: R$ 15.000 em cupons indevidos
• Rating do app caiu de 4.5 para 3.2 estrelas" SAÍDA: Como um cliente finalizando minha compra, eu quero um processo de checkout seguro, confiável e com feedback claro, para que eu possa completar minhas compras sem preocupações ou frustrações.

=== USER STORY PRINCIPAL ===

Título: Checkout seguro e confiável com tratamento robusto de erros

Descrição: Como um cliente do e-commerce, eu quero finalizar minhas compras de forma segura e receber feedback claro sobre o status do pagamento, para que eu tenha confiança no processo e saiba exatamente o que está acontecendo.

=== CRITÉRIOS DE ACEITAÇÃO ===

A. Segurança - Proteção contra XSS:

• Dado que estou inserindo um cupom de desconto
• Quando digito qualquer texto (incluindo scripts)
• Então o sistema deve sanitizar a entrada
• E não deve executar scripts maliciosos
• E deve exibir apenas texto plano

B. Integração - Processamento confiável de pagamento:

• Dado que estou finalizando uma compra
• Quando clico em "Finalizar Pagamento"
• Então o sistema deve processar o pagamento em até 30 segundos
• E se ocorrer timeout, deve tentar novamente (retry com backoff)
• E não deve cobrar o cliente múltiplas vezes
• E se o pagamento for aprovado, o pedido DEVE ser criado

C. Lógica de Negócio - Controle atômico de cupons:

• Dado que um cupom tem limite de 100 usos
• Quando múltiplos usuários tentam usar simultaneamente
• Então o sistema deve usar lock otimista/pessimista
• E deve garantir que apenas 100 usos sejam aceitos
• E usuários após o limite devem ver mensagem "cupom esgotado"

D. UX - Feedback claro sobre status:

• Dado que o pagamento está sendo processado
• Quando o tempo ultrapassa 30 segundos
• Então devo ver mensagem "Processando pagamento, por favor aguarde..."
• E se der timeout, devo ver "Estamos verificando seu pagamento"
• E devo ter opção de "Consultar Status" ou "Tentar Novamente"
• E NUNCA deve ficar com loading infinito

=== CRITÉRIOS TÉCNICOS ===

Segurança:

• Implementar sanitização de input (DOMPurify ou similar)
• Validar no backend também (defesa em profundidade)
• Adicionar Content Security Policy headers

Performance e Confiabilidade:

• Aumentar connection pool do Postgres (atual: insuficiente)
• Implementar retry pattern com exponential backoff
• Adicionar circuit breaker para gateway de pagamento
• Timeout máximo: 45s (com retries)

Controle de Cupons:

• Usar transação SQL com SELECT FOR UPDATE
• Ou implementar Redis com INCR atômico
• Adicionar idempotency key para evitar duplo uso

UX e Monitoring:

• Implementar polling de status do pagamento
• Webhook de confirmação assíncrono
• Timeout na UI: 45s (> timeout backend)
• Logs estruturados para debugging

=== CONTEXTO DO BUG ===

Severidade: CRÍTICA Impacto: 150+ clientes, R$ 15.000 em perdas, rating caiu de 4.5→3.2

Problemas Identificados:

1. XSS no campo cupom (OWASP A03:2021)
2. Connection pool exhausted (causa 504 timeout)
3. Race condition em cupons (não-atômico)
4. Loading infinito após timeout (UX ruim)

Múltiplos Componentes Afetados:

• Frontend: checkout page, cupom input, loading states
• Backend: payment API, cupom validation, database connections
• Integração: gateway de pagamento
• Infraestrutura: Postgres connection pool

=== TASKS TÉCNICAS SUGERIDAS ===

1. [SEGURANÇA] Implementar sanitização de input no cupom
2. ⟨INFRA⟩ Aumentar Postgres connection pool
3. ⟨BACKEND⟩ Adicionar retry pattern no payment service
4. ⟨BACKEND⟩ Implementar controle atômico de cupons
5. ⟨FRONTEND⟩ Melhorar UX com feedback de status
6. ⟨MONITORING⟩ Adicionar alertas para timeout rate > 5%
7. ⟨TESTES⟩ Criar testes de carga para checkout
8. ⟨TESTES⟩ Testes de race condition em cupons

---

ENTRADA (complexo, múltiplos problemas de performance e dados): "Sistema de relatórios gerenciais com problemas severos de performance e dados incorretos.

CONTEXTO: Aplicação SaaS B2B com 500+ empresas clientes.

PROBLEMAS:

1. PERFORMANCE - Query N+1 no dashboard executivo:

   • Endpoint: GET /api/reports/executive-dashboard
   • Tempo de resposta: 45 segundos (SLA: 3s)
   • Database CPU: 95% em horário de pico

2. LÓGICA DE NEGÓCIO - Cálculo de MRR inconsistente:

   • Dashboard: R$ 150.000 / Financeiro: R$ 145.000 / Contábil: R$ 147.500

3. CACHE - Cache Redis desatualizado:

   • TTL: 24 horas, dados podem ficar obsoletos

4. CONCORRÊNCIA - Exportação de CSV trava servidor:

   • Memória cresce até 4GB (limite: 2GB) → OOM Kill

IMPACTO:

• 15 clientes enterprise ameaçando cancelar contrato
• CEO não confia nos números para apresentar ao board" SAÍDA: Como um executivo usando o sistema de relatórios, eu quero visualizar métricas precisas e atualizadas em tempo hábil, para que eu possa tomar decisões estratégicas baseadas em dados confiáveis.

=== USER STORY PRINCIPAL ===

Título: Sistema de relatórios gerenciais confiável e performático

Descrição: Como um usuário executivo (CEO, CFO, VP), eu quero acessar dashboards e relatórios gerenciais que sejam rápidos, precisos e consistentes em todas as fontes, para que eu possa confiar nos dados para tomada de decisão estratégica.

=== CRITÉRIOS DE ACEITAÇÃO ===

A. Performance - Dashboard carrega em menos de 3 segundos:

• Dado que sou um executivo acessando o dashboard
• Quando carrego GET /api/reports/executive-dashboard
• Então a página deve carregar completamente em 5min

D. Exportação Assíncrona - CSV não trava servidor:

• Dado que solicito exportação de relatório anual
• Quando clico em "Exportar para CSV"
• Então a exportação deve processar em background
• E devo receber notificação quando concluir
• E outras requisições não devem ser afetadas
• E o servidor não deve ultrapassar 80% de memória

=== CRITÉRIOS TÉCNICOS ===

Performance - Resolver N+1:

• Implementar eager loading com JOIN
• Reduzir 300 queries para 3 queries agregadas
• Usar materialized views para métricas complexas
• Adicionar índices compostos nas FKs mais usadas

Exemplo de query otimizada:

SELECT
  c.id, c.name,
  COUNT(DISTINCT u.id) as user_count,
  COUNT(DISTINCT l.id) as license_count,
  SUM(m.revenue) as total_revenue
FROM companies c
LEFT JOIN users u ON u.company_id = c.id
LEFT JOIN licenses l ON l.company_id = c.id
LEFT JOIN metrics m ON m.company_id = c.id
WHERE c.id = ?
GROUP BY c.id, c.name

Lógica de Negócio - MRR Padronizado:

• Criar função centralizada calculateMRR() usada por todos
• Regra: assinaturas ativas + pró-rata de mudanças no mês
• Documentar fórmula no código e wiki técnica
• Adicionar testes unitários para cada cenário

Cache - Estratégia Híbrida:

• Dados em tempo real (sem cache): MRR, Active Users, Critical Metrics
• Dados com cache curto (5min): Dashboard counts, Statistics
• Dados com cache longo (1h): Historical data, Completed reports
• Implementar cache invalidation automática via eventos

Exportação - Background Jobs:

• Usar job queue (Sidekiq, Bull, ou similar)
• Streaming de CSV (não carregar tudo na memória)
• Limite: 1000 linhas por chunk
• Notificação por email ou webhook quando concluir
• Timeout: 30 minutos para qualquer exportação

=== CONTEXTO DO BUG ===

Severidade: CRÍTICA (Impacto financeiro e reputacional)

Impacto Business:

• 15 clientes enterprise em risco de churn
• CEO sem confiança nos números para board
• 40h/semana de CS explicando discrepâncias

Problemas Técnicos:

1. N+1 query problem (300 queries vs 3 necessárias)
2. MRR calculado diferente em 3 lugares
3. Cache de 24h muito longo + invalidação quebrada
4. Export síncrono mata servidor

SLA Atual vs Esperado:

• Dashboard: 45s atual → 3s esperado
• MRR consistency: 3 valores diferentes → 1 valor único
• Cache staleness: até 24h → máx 5min para dados críticos
• Export impact: trava servidor → zero impacto

=== TASKS TÉCNICAS SUGERIDAS ===

Sprint 1 - Quick Wins (1 semana):

1. ⟨PERF⟩ Adicionar índices nas FKs company_id
2. ⟨CACHE⟩ Reduzir TTL de 24h para 5min em métricas críticas
3. ⟨LOGIC⟩ Documentar fórmula MRR acordada

Sprint 2 - Core Fixes (2 semanas): 4. ⟨PERF⟩ Refatorar queries para eliminar N+1 5. ⟨LOGIC⟩ Centralizar cálculo MRR em função única 6. ⟨CACHE⟩ Implementar invalidação automática via eventos 7. ⟨EXPORT⟩ Migrar exports para background jobs

Sprint 3 - Scale & Monitor (1 semana): 8. ⟨PERF⟩ Criar materialized views para dashboards 9. ⟨MONITOR⟩ Adicionar APM para detectar slow queries 10. ⟨TESTS⟩ Testes de carga para 10k users por empresa 11. ⟨DOCS⟩ Documentar arquitetura de cache e jobs

{bug_report}