Boas Práticas de Produção
Nesta página
Lição atualizada em 3 de novembro de 2026 com base na documentação da OpenAI:
temperatureetop_psó são aceites com um esforço de raciocínio denone, enquanto os modelos GPT-5.6 raciocinam por predefinição (medium). As chamadas que definem estes parâmetros devem, portanto, especificarreasoning={"effort": "none"}(Responses API) oureasoning_effort="none"(Chat Completions). Fontes: Using GPT-6 · GPT-5.6 Terra.
Boas Práticas de Produção
Esta lição abrange as boas práticas essenciais para implementar uma aplicação baseada na API da OpenAI em produção. Encare isto como a sua lista de verificação pré-lançamento. As lições anteriores forneceram-lhe os blocos de construção — tratamento de erros, limites de taxa, resiliência, observabilidade e custos. Agora é altura de os reunir numa aplicação que um colega possa assumir e executar sem a sua intervenção.
1. Arquitetura do Cliente
Singleton com Configuração Centralizada
Instanciar um cliente OpenAI em cada chamada desperdiça a ligação HTTP subjacente e, mais grave ainda, dispersa a sua configuração. Acaba com um tempo limite de 30 segundos aqui e o valor predefinido ali, sem forma de saber qual se aplica em produção. O decorador lru_cache garante uma única instância, configurada num único local.
from openai import OpenAI
from functools import lru_cache
@lru_cache(maxsize=1)
def get_client() -> OpenAI:
"""Cliente singleton com configuração de produção."""
return OpenAI(
max_retries=3,
timeout=30.0,
)
# Em todo o seu código:
client = get_client()
Variáveis de Ambiente
O mesmo princípio aplica-se às definições que variam entre ambientes. Verifique as variáveis obrigatórias no arranque: é preferível que um serviço se recuse a iniciar com uma mensagem clara do que iniciar e falhar na primeira chamada do utilizador. Isto torna o modelo, o limite de tokens e a temperatura ajustáveis sem necessidade de nova implementação.
import os
# OBRIGATÓRIO: nunca codifique chaves diretamente
REQUIRED_ENV = ["OPENAI_API_KEY"]
for var in REQUIRED_ENV:
if not os.environ.get(var):
raise RuntimeError(f"Missing variable {var}")
# Configuração específica do ambiente
MODEL = os.environ.get("OPENAI_MODEL", "gpt-5.6-terra")
MAX_TOKENS = int(os.environ.get("OPENAI_MAX_TOKENS", "4096"))
TEMPERATURE = float(os.environ.get("OPENAI_TEMPERATURE", "0.7"))
2. Gestão de Prompts
Separar Prompts do Código
Um prompt é um ativo empresarial, tal como uma regra de negócio. Enterrá-lo numa f-string dentro de uma função torna impossível que alguém que conheça o negócio, mas não Python, o reveja. Isole-o como um modelo parametrizado: a função reduz-se então à formatação e à chamada, e uma temperatura de 0.0 torna a classificação reproduzível.
# prompts/classification.txt
PROMPT_CLASSIFICATION = """You are a text classifier.
Classify the following text into one of these categories:
{categories}
Text: {texte}
Reply only with the category name."""
def classifier(texte: str, categories: list[str]) -> str:
prompt = PROMPT_CLASSIFICATION.format(
categories=", ".join(categories),
texte=texte
)
response = get_client().responses.create(
model=MODEL,
reasoning={"effort": "none"}, # temperature requires effort none
input=prompt,
temperature=0.0
)
return response.output_text.strip()
Versionar os Seus Prompts
Alterar um prompt altera o comportamento do sistema com a mesma certeza que alterar o código, mas sem que nenhum teste unitário o detete. Mantenha versões sucessivas e selecione a ativa através da configuração. Isto permite-lhe comparar duas formulações em tráfego real e reverter para a anterior com uma variável de ambiente se a nova degradar os resultados.
PROMPTS = {
"classification_v1": "Classify: {texte}",
"classification_v2": "Analyze and classify precisely: {texte}",
}
# Em produção, utilize uma versão específica
ACTIVE_PROMPT = os.environ.get("PROMPT_VERSION", "classification_v2")
3. Tempos Limite e Limites
Limite qualquer entrada externa antes de esta chegar à API. Um utilizador que cole um PDF de 200 páginas no seu campo de entrada não deve poder desencadear uma chamada de vários dólares ou fazer com que o pedido falhe devido a excesso de contexto. O truncamento preventivo, combinado com o limite de saída e a temperatura da configuração, torna o custo e a latência de cada chamada previsíveis.
def appel_avec_garde_fous(prompt: str) -> str:
"""Chamada API com todas as salvaguardas."""
# Limitar o tamanho do prompt
MAX_PROMPT_CHARS = 50000
if len(prompt) > MAX_PROMPT_CHARS:
prompt = prompt[:MAX_PROMPT_CHARS]
print(f"Prompt truncated to {MAX_PROMPT_CHARS} characters")
response = get_client().responses.create(
model=MODEL,
reasoning={"effort": "none"}, # temperature requires effort none
input=prompt,
max_output_tokens=MAX_TOKENS,
temperature=TEMPERATURE,
)
return response.output_text
4. Fallback de Modelo
Quando um modelo está saturado ou temporariamente indisponível, devolver um erro não é a sua única opção. Mudar para um modelo secundário degrada a qualidade, mas preserva o serviço — uma compensação muitas vezes preferível para um assistente de suporte, menos para análise de contratos. O ciclo itera pelos modelos por ordem de preferência e levanta uma exceção apenas se todos falharem.
from openai import RateLimitError, InternalServerError
def appel_avec_fallback(prompt: str) -> str:
"""Tenta o Terra e recorre ao Luna em caso de erro."""
modeles = ["gpt-5.6-terra", "gpt-5.6-luna"]
for modele in modeles:
try:
response = get_client().responses.create(
model=modele,
input=prompt
)
return response.output_text
except (RateLimitError, InternalServerError) as e:
print(f"{modele} unavailable: {e}")
continue
raise RuntimeError("All models are unavailable")
5. Processamento em Lote
Para processar mil documentos, as chamadas sequenciais são demasiado lentas e as chamadas simultâneas explodem os seus limites de taxa. Um semáforo encontra o equilíbrio certo. Dois detalhes tornam esta implementação robusta: return_exceptions=True impede que uma única falha cancele todo o lote, e a ordenação por índice restaura a ordem original, que o asyncio.gather não garante no tempo de execução.
import asyncio
from openai import AsyncOpenAI
async def traiter_batch(prompts: list[str], max_concurrent: int = 5) -> list:
"""Processa um lote de prompts com concorrência limitada."""
client = AsyncOpenAI()
semaphore = asyncio.Semaphore(max_concurrent)
resultats = []
async def traiter_un(index: int, prompt: str):
async with semaphore:
response = await client.responses.create(
model="gpt-5.6-terra",
input=prompt
)
return index, response.output_text
tasks = [traiter_un(i, p) for i, p in enumerate(prompts)]
results = await asyncio.gather(*tasks, return_exceptions=True)
# Ordenar por índice para manter a ordem
sorted_results = sorted(
[(idx, res) for idx, res in results if not isinstance(res, Exception)],
key=lambda x: x[0]
)
return [res for _, res in sorted_results]
# prompts = ["Question 1", "Question 2", "Question 3"]
# résultats = asyncio.run(traiter_batch(prompts))
6. Testes e Validação
Precisa de dois tipos diferentes de testes. O primeiro verifica a infraestrutura — a chave funciona, a rede passa, o modelo responde — e encaixa bem numa verificação de saúde no arranque. O segundo, mais original, testa a qualidade do próprio prompt: submete um caso onde conhece a resposta correta e verifica se esta aparece. Estas asserções são a sua rede de segurança contra regressões quando reformula um modelo.
def test_api_disponible():
"""Verifica se a API está acessível."""
try:
response = get_client().responses.create(
model="gpt-5.6-terra",
input="test",
max_output_tokens=5
)
assert response.output_text is not None
print("API OK")
return True
except Exception as e:
print(f"API KO: {e}")
return False
def test_prompt_quality(prompt: str, attendu: str) -> bool:
"""Verifica se um prompt devolve um resultado consistente."""
response = get_client().responses.create(
model="gpt-5.6-terra",
reasoning={"effort": "none"}, # temperature requires effort none
input=prompt,
temperature=0.0
)
resultat = response.output_text.lower()
return attendu.lower() in resultat
# Testes de regressão de prompts
assert test_prompt_quality(
"Classify 'excellent product': positive or negative?",
"positive"
)
Construa uma dúzia de casos de teste como este, representativos dos seus casos de uso reais, e execute-os sempre que modificar um prompt. Uma suíte de testes de dez minutos poupar-lhe-á semanas de dúvidas sobre a qualidade percebida.
7. Lista de Verificação de Implementação em Produção
Antes de implementar, verifique cada ponto:
Infraestrutura
- Variáveis de ambiente configuradas (OPENAI_API_KEY, etc.)
- Tempos limite e max_retries configurados
- Registo estruturado implementado
- Monitorização de custos ativada
Resiliência
- Tratamento de erros completo (todos os códigos HTTP)
- Backoff exponencial para novas tentativas
- Disjuntor para indisponibilidades prolongadas
- Fallback para um modelo alternativo
Segurança
- Chave API nunca exposta no código ou registos
- Validação de entrada do utilizador
- Limitação de taxa no lado do cliente
- Sem dados sensíveis nos prompts
Desempenho
- Streaming ativado para interfaces de utilizador
- Processamento em lote para tarefas de alto volume
- Cache para pedidos repetitivos
- Escolha do modelo adaptada a cada tarefa
Custos
- Orçamento diário definido
- Alertas configurados
- max_output_tokens definido sempre que possível
- Modelo mais económico selecionado por tarefa
Pontos-chave
- Centralize a configuração do cliente com um singleton
- Separe e versionar os seus prompts fora do código
- Implemente fallback de modelo para alta disponibilidade
- Utilize processamento em lote com concorrência limitada para volume
- Teste os seus prompts com asserções de qualidade
- Siga a lista de verificação completa antes de cada implementação em produção