Implementar Saídas Previstas em Python
Nesta página
Do Conceito ao Código de Produção
Compreende o princípio das Saídas Previstas (Predicted Outputs) e os seus casos de uso. Esta lição fornece código Python completo, pronto para integração nas suas aplicações, incluindo tratamento de erros e medição de desempenho.
Implementação Básica
O padrão mínimo requer apenas um parâmetro: prediction, para onde passa o conteúdo esperado. Todo o resto da chamada permanece inalterado — o mesmo modelo, as mesmas mensagens, o mesmo tratamento da resposta. Isto torna a funcionalidade fácil de adotar e igualmente fácil de remover se as métricas não confirmarem o ganho:
from mistralai.client import Mistral
client = Mistral(api_key="your-api-key")
source_code = """
import pandas as pd
def load_data(filepath):
df = pd.read_csv(filepath)
df['date'] = pd.to_datetime(df['date'])
df = df.dropna(subset=['value'])
return df
def compute_stats(df):
return {
'mean': df['value'].mean(),
'median': df['value'].median(),
'std': df['value'].std()
}
"""
prompt = (
"Add a 'separator' parameter to the load_data function "
"(default ',') and use it in read_csv. "
"Respond only with the complete modified code."
)
response = client.chat.complete(
model="codestral-latest",
messages=[
{"role": "user", "content": prompt},
{"role": "user", "content": source_code}
],
prediction={"type": "content", "content": source_code}
)
modified_code = response.choices[0].message.content
print(modified_code)
Classe de Utilidade para Produção
A encapsulação aqui oferece benefícios que vão além de um código limpo: centraliza a decisão de ativar ou desativar a previsão. Este é exatamente o tipo de configuração que deseja poder alternar instantaneamente. Se uma implementação revelar previsões consistentemente incorretas, pode desativá-las num único ponto, em vez de procurar o parâmetro por toda a sua base de código:
from mistralai.client import Mistral
import time
from dataclasses import dataclass
@dataclass
class PredictionResult:
content: str
latency_ms: float
tokens_input: int
tokens_output: int
model: str
class PredictedEditor:
"""Editor de conteúdo utilizando Saídas Previstas."""
def __init__(self, api_key: str, model: str = "mistral-large-latest"):
self.client = Mistral(api_key=api_key)
self.model = model
def edit(
self,
original: str,
instruction: str,
system_prompt: str | None = None
) -> PredictionResult:
"""Edita conteúdo com previsão de saída."""
messages = []
if system_prompt:
messages.append({"role": "system", "content": system_prompt})
messages.extend([
{"role": "user", "content": instruction},
{"role": "user", "content": original}
])
start = time.perf_counter()
response = self.client.chat.complete(
model=self.model,
messages=messages,
prediction={"type": "content", "content": original}
)
latency = (time.perf_counter() - start) * 1000
choice = response.choices[0]
return PredictionResult(
content=choice.message.content,
latency_ms=round(latency, 1),
tokens_input=response.usage.prompt_tokens,
tokens_output=response.usage.completion_tokens,
model=self.model
)
def edit_code(self, code: str, instruction: str) -> PredictionResult:
"""Atalho para edição de código."""
return self.edit(
original=code,
instruction=instruction,
system_prompt=(
"You are a programming assistant. "
"Respond only with the modified code, "
"without explanation or markdown."
)
)
def edit_text(self, text: str, instruction: str) -> PredictionResult:
"""Atalho para edição de texto."""
return self.edit(
original=text,
instruction=instruction,
system_prompt=(
"You are a professional text editor. "
"Apply the requested modification while preserving "
"the style and structure of the original text. "
"Respond only with the modified text."
)
)
Utilizar a Classe
editor = PredictedEditor(api_key="your-api-key", model="codestral-latest")
# Editar código
result = editor.edit_code(
code=my_python_file,
instruction="Replace all print() calls with logging.info() calls"
)
print(f"Latency: {result.latency_ms} ms")
print(f"Tokens: {result.tokens_input} in / {result.tokens_output} out")
print(result.content)
Benchmark: Com vs. Sem Previsão
Não salte este passo. O ganho das Saídas Previstas depende inteiramente da precisão das suas previsões, que por sua vez depende dos seus dados. Nenhum valor da documentação substitui a medição nos seus próprios exemplos. Este script compara ambos os modos nas mesmas entradas, dando-lhe a resposta em segundos:
import statistics
def benchmark_prediction(
client, model, messages, prediction_content, runs=5
):
"""Compara a latência com e sem Saída Prevista."""
times_normal = []
times_predicted = []
for _ in range(runs):
# Sem previsão
start = time.perf_counter()
client.chat.complete(model=model, messages=messages)
times_normal.append((time.perf_counter() - start) * 1000)
# Com previsão
start = time.perf_counter()
client.chat.complete(
model=model,
messages=messages,
prediction={"type": "content", "content": prediction_content}
)
times_predicted.append((time.perf_counter() - start) * 1000)
avg_normal = statistics.mean(times_normal)
avg_predicted = statistics.mean(times_predicted)
gain_pct = (1 - avg_predicted / avg_normal) * 100
return {
"without_prediction_ms": round(avg_normal, 1),
"with_prediction_ms": round(avg_predicted, 1),
"gain_percentage": round(gain_pct, 1),
"runs": runs
}
Tratamento de Erros
O tratamento de erros é direto aqui por uma razão estrutural: uma previsão incorreta não é um erro. O modelo ignora-a e gera normalmente — perde o ganho de latência, nunca a qualidade. Os verdadeiros casos limite situam-se noutro lugar:
def safe_edit(editor, original, instruction):
"""Edição com tratamento robusto de erros."""
try:
result = editor.edit(original, instruction)
# Verificar se a resposta não está vazia
if not result.content or len(result.content.strip()) < 10:
raise ValueError("Response too short or empty")
return result
except Exception as e:
# Fallback: tentar novamente sem previsão
print(f"Predicted Output failed ({e}), falling back to standard...")
response = editor.client.chat.complete(
model=editor.model,
messages=[
{"role": "user", "content": instruction},
{"role": "user", "content": original}
]
)
return PredictionResult(
content=response.choices[0].message.content,
latency_ms=0,
tokens_input=response.usage.prompt_tokens,
tokens_output=response.usage.completion_tokens,
model=editor.model
)
Restrições a Conhecer
Antes de implementar, integre três pontos na sua revisão de código. Primeiro, o parâmetro n (múltiplas gerações) é incompatível com prediction. Se o seu pipeline solicitar múltiplas conclusões, terá de escolher. Segundo, a correspondência entre a previsão e a saída é gerida pelo modelo, independentemente da posição do conteúdo na resposta — não precisa de preparar nenhum alinhamento. Finalmente, e é isto que torna a funcionalidade segura de implementar: uma má previsão nunca degrada a qualidade da resposta; custa-lhe apenas o ganho de latência. O pior cenário é simplesmente um retorno à velocidade normal nos dois modelos compatíveis (mistral-large-latest e codestral-latest).
Pontos-chave
- O parâmetro
predictionsimplesmente adiciona-se à chamadachat.complete() - Encapsule a lógica numa classe reutilizável para produção
- Meça sistematicamente o ganho com um benchmark antes de implementar
- Planee um fallback sem previsão em caso de erros
- Uma má previsão não degrada a qualidade, apenas a latência