Engenharia de Prompts

SYSTEM = """Você é um revisor de código Python.
- Sinalize bugs, problemas de segurança e problemas de estilo.
- Responda em marcadores.
- Se o código estiver bom, diga "LGTM"."""
 
messages = [
    {"role": "system", "content": SYSTEM},
    {"role": "user", "content": f"Revise este código:\n```python\n{code}\n```"},
]

"""prompt_engineering.py - prompts de sistema, few-shot, chain-of-thought e estruturados."""
from __future__ import annotations
 
from openai import OpenAI
 
client = OpenAI()
 
# Chain-of-thought para raciocínio
cot_messages = [
    {"role": "system", "content": "Resolva problemas de matemática passo a passo. Mostre seu trabalho e, em seguida, dê a resposta final na última linha como RESPOSTA: <número>."},
    {"role": "user", "content": "Uma loja tem 24 maçãs. Elas vendem 3/8 delas. Quantas restam?"},
]
cot = client.chat.completions.create(model="gpt-4o-mini", messages=cot_messages, temperature=0)
print(cot.choices[0].message.content)
 
# Classificação Few-shot
few_shot = [
    {"role": "system", "content": "Classifique tickets de suporte como faturamento, técnico ou conta. Responda com apenas uma palavra."},
    {"role": "user", "content": "Fui cobrado duas vezes este mês"},
    {"role": "assistant", "content": "faturamento"},
    {"role": "user", "content": "A API retorna erros 500 em POST /users"},
    {"role": "assistant", "content": "técnico"},
    {"role": "user", "content": "Preciso mudar meu endereço de e-mail"},
]
result = client.chat.completions.create(model="gpt-4o-mini", messages=few_shot, temperature=0)
print("classificação:", result.choices[0].message.content)
 
# QA com Grounding - use apenas o contexto fornecido
context = "Nosso limite de taxa da API é de 1000 requisições/minuto para planos Pro e 100/minuto para planos Gratuitos."
grounded = client.chat.completions.create(
    model="gpt-4o-mini",
    messages=[
        {"role": "system", "content": "Responda APENAS usando o contexto fornecido. Se a resposta não estiver no contexto, diga 'Não tenho essa informação.'"},
        {"role": "user", "content": f"Contexto:\n{context}\n\nPergunta: Qual é o limite de taxa do plano Pro?"},
    ],
    temperature=0,
)
print(grounded.choices[0].message.content)

# Prompts de template com variáveis
def build_review_prompt(code: str, focus: str) -> list[dict]:
    return [
        {"role": "system", "content": f"Você é um revisor de código focado em {focus}."},
        {"role": "user", "content": f"```python\n{code}\n```"},
    ]
 
# Armazene prompts em arquivos versionados
from pathlib import Path
SYSTEM_PROMPT = Path("prompts/reviewer.txt").read_text()