Ir para o conteúdo principal
Português— Escolher um idioma
Menu

Implementar Saídas Previstas em Python

Aula 7 de 16 Atualizada a 2 de novembro de 2026 Avancado
Nesta página
  1. Do Conceito ao Código de Produção
  2. Implementação Básica
  3. Classe de Utilidade para Produção
  4. Benchmark: Com vs. Sem Previsão
  5. Tratamento de Erros
  6. Restrições a Conhecer
  7. Pontos-chave

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 prediction simplesmente adiciona-se à chamada chat.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