refactor(llm): elevate prompt engineering with context grounding and contrastive taxonomy

tests/test_llm_fallback.py

@@ -69,7 +69,7 @@ def test_llm_adapter_build_prompt_structure():
     )
 
     prompt = adapter.build_prompt(ecp, "# Título do Artigo\n\nConteúdo sobre o jogo.", initial_res)
-    assert "Target Entity: River Plate" in prompt
+    assert "River Plate" in prompt
     assert "Futebol" in prompt
     assert "TANGENTIAL" in prompt
     assert "Título do Artigo" in prompt
@@ -148,9 +148,11 @@ def test_llm_adapter_parsing_json_wrapped_in_markdown_codeblock():
 
 def test_llm_adapter_handling_invalid_and_corrupt_responses():
     """Valida que respostas corrompidas ou JSONs sem campos obrigatórios retornem None com segurança."""
+
     def make_bad_provider(resp_str: str):
         def _prov(prompt: str) -> str:
             return resp_str
+
         return _prov
 
     for bad_response in [