O ponto "quando eu era genérico, o resultado era genérico" resume bem a experiência de quem usa IA a sério — vale para código e para qualquer outra tarefa.

Uma coisa que funcionou comigo em projetos parecidos: transformar as decisões que você listou (regras de negócio, fluxo, restrições de produto) num arquivo de contexto fixo do projeto, que vai junto em toda sessão. Isso reduz muito o retrabalho de "explicar de novo" que você citou da experiência de 2025 — o modelo erra menos em mudanças multi-arquivo quando as regras estão escritas num lugar só, e não espalhadas pela conversa.

Outro detalhe que percebi: pedir variações pequenas dentro da MESMA conversa (como você fez nas iterações de interface) rende mais do que reescrever o prompt do zero, porque o modelo mantém o histórico do que já foi rejeitado.

Fiquei curioso: de 2025 pra 2026, o que mais pesou na sua percepção de melhora — o modelo em si ou o tooling em volta (agentes, CLIs, contexto maior)?