Ir para o conteúdo principal
Português— Escolher um idioma
Menu

Porquê saídas estruturadas?

Aula 1 de 12 Atualizada a 3 de novembro de 2026 Programador
Nesta página
  1. O problema das saídas em texto livre
  2. JSON: o formato universal para pipelines
  3. Onde surge a necessidade
  4. O custo de saídas malformadas
  5. Pontos-chave

Atualização do modelo, 2 de novembro de 2026. O Mistral Large 3 (mistral-large-2512) e o Mistral Medium 3.5 foram descontinuados a 31 de outubro de 2026 e serão retirados de serviço a 30 de abril de 2027. O seu sucessor designado, Mistral Large 4 (mistral-large-4), encontra-se em antevisão pública desde 6 de outubro. Os exemplos deste curso utilizam o alias mistral-large-latest, que ainda aponta para o Mistral Large 3 de acordo com a sua especificação oficial (verificado a 3 de novembro de 2026). Da mesma forma, mistral-medium-latest aponta para o Mistral Medium 3.5. Estes aliases permanecerão válidos até 30 de abril de 2027. Para novos projetos, teste o mistral-large-4, o seu sucessor designado.

O problema das saídas em texto livre

Quando coloca um modelo de linguagem no meio de um pipeline automatizado, depara-se rapidamente com um problema que raramente surge no primeiro dia: a sua resposta em texto livre é imprevisível. A mesma informação pode ser formulada de dezenas de maneiras diferentes, e cada variação obriga o seu código a jusante a analisá-la de forma distinta. O que funciona numa demonstração falha em produção, muitas vezes silenciosamente.

Considere uma tarefa banal. Pede ao Mistral para extrair o nome e o preço de um produto a partir de uma descrição comercial. Sem restrições, o modelo pode responder:

The product is called "Widget Pro" and costs €49.99.

Ou, para a mesma entrada apenas algumas horas depois:

Name: Widget Pro
Price: 49.99 EUR

Ambas as respostas estão corretas para um leitor humano. Para o seu código, quase nada têm em comum: o separador decimal mudou de vírgula para ponto, o símbolo da moeda tornou-se um código ISO e a estrutura da frase desapareceu. Cada variação exige uma lógica de análise diferente. Em produção, isto leva a erros silenciosos, pipelines quebrados e horas de depuração.

JSON: o formato universal para pipelines

O JSON resolve este problema ao impor uma estrutura legível por máquina. A mesma extração torna-se inequívoca:

{
  "name": "Widget Pro",
  "price": 49.99,
  "currency": "EUR"
}

O código que consome esta resposta torna-se novamente simples e fiável. Em vez de escrever uma expressão regular frágil, escreve duas linhas estáveis:

import json

data = json.loads(response)
product_name = data["name"]
price = data["price"]

Adeus expressões regulares arriscadas, adeus análise heurística. O JSON é o padrão de facto para comunicação entre sistemas, tornando-o a escolha natural para saídas de LLM em contextos profissionais.

Onde surge a necessidade

As saídas estruturadas tornam-se essenciais assim que a resposta do modelo alimenta algo que não seja um ecrã. A extração de informação é o exemplo mais direto: retirar entidades — nomes, datas, valores — de documentos não estruturados só é útil se o resultado cair diretamente num sistema. A classificação segue a mesma lógica: categorizar tickets de suporte, e-mails ou avaliações de clientes exige que o rótulo e a sua pontuação de confiança cheguem em campos previsíveis, e não enterrados numa frase.

A transformação de dados leva isto mais longe, convertendo texto livre em registos estruturados destinados a uma base de dados. Os agentes e cadeias de chamadas dependem igualmente disto: um agente só pode orquestrar um fluxo de trabalho se devolver uma ação estruturada, com o nome da ferramenta e os seus parâmetros em chaves estáveis. Por fim, um LLM atua por vezes como uma camada intermédia à frente de uma API REST que espera uma carga útil específica; neste caso, o formato não é uma conveniência, é um contrato.

O custo de saídas malformadas

Em produção, a fiabilidade não é opcional, e uma saída malformada custa-lhe de três formas. Um JSON sintaticamente inválido faz colapsar a sua aplicação durante a análise, o que é o cenário mais visível, mas paradoxalmente o menos perigoso. Campos em falta corrompem silenciosamente os seus dados: o registo passa, mas está incompleto, e o problema só surge semanas depois. Tipos incompatíveis — uma cadeia "42" onde esperava o número 42 — causam comportamentos inesperados nos cálculos a jusante sem jamais levantar uma exceção.

As saídas estruturadas da Mistral abordam estes três desafios com dois mecanismos complementares. O Modo JSON garante uma saída JSON válida sem impor um esquema: ativa-o com um parâmetro e guia o formato através do prompt. As Saídas Estruturadas Personalizadas vão mais longe, impondo um esquema preciso, descrito usando Pydantic em Python ou Zod em TypeScript.

Este curso guia-o através de ambas as abordagens. Aprenderá a escolher a mais adequada ao seu caso de uso, a escrever o código correspondente em ambas as linguagens e a lidar com casos de erro utilizando padrões que resistem em produção.

Pontos-chave

  • As saídas em texto livre são imprevisíveis e inadequadas para pipelines automatizados
  • O JSON é o formato padrão para comunicação máquina-a-máquina
  • A Mistral oferece dois mecanismos para saídas estruturadas: Modo JSON e Saídas Estruturadas Personalizadas
  • A fiabilidade da saída é crítica em produção — as saídas estruturadas são um investimento, não um luxo