Lição 3 de 3 · 7 minutos

Confira a saída

Os modelos podem parecer seguros e ainda assim estar errados, então baseie as respostas em fontes reais e teste antes de confiar nelas.

Um modelo escreve o texto que tem mais chance de vir em seguida. Na maioria das vezes, isso também está correto. Mas, quando não sabe algo, ele ainda pode escrever uma resposta fluente e confiante que está errada. Isso se chama alucinação. Fatos, citações, links e números inventados são exemplos comuns.

Baseie as respostas em dados reais e confira as fontes. Um modelo é muito mais confiável quando os fatos estão na frente dele. Coloque os seus próprios documentos no prompt e peça que ele responda só com base neles e diga de onde vem cada fato. Para informações atuais, adicione a ferramenta de servidor phaseo:web_search (em Beta): o modelo pesquisa na web e escreve uma resposta a partir dos resultados, que incluem URLs que você pode abrir. Abra-as mesmo, porque um modelo também pode inventar um link que parece real.

Garanta um formato confiável com saídas estruturadas. Se o seu código precisa ler a resposta, envie um JSON Schema com a solicitação. O modelo então retorna JSON nesse formato em vez de texto livre. O seu código ainda deve conferir o resultado antes de usá-lo, porque o formato pode estar certo e o conteúdo, errado.

Diminua a temperatura para ter consistência. temperature controla quanta variação o modelo acrescenta. Valores mais baixos dão respostas mais estáveis e repetíveis. Para extração, classificação e JSON, a documentação sugere de 0.0 a 0.2.

Teste com exemplos reais antes de lançar. Reúna entradas reais, inclusive as bagunçadas e incomuns, e confira as respostas manualmente. Repita isso sempre que mudar o prompt ou o modelo.

Confira o que você aprendeu

O seu app pergunta a um modelo o ano de fundação de uma empresa, e a resposta precisa estar certa. Qual é a melhor abordagem?

Aplique

Você criou uma ferramenta que extrai o total, a data e o fornecedor de faturas. Na demonstração funcionou, mas em produção o seu código às vezes quebra porque o modelo responde com uma frase em vez dos campos. O que você muda?

Mostrar a resposta

Use saídas estruturadas: envie um JSON Schema com os campos de que você precisa, para que o modelo retorne JSON nesse formato. Defina uma temperature baixa, como de 0.0 a 0.2. Valide o JSON no seu código antes de usá-lo e teste com um conjunto de faturas reais, inclusive as bagunçadas, antes de lançar.

Resumo

Trate as respostas dos modelos como rascunhos: baseie-as em fontes reais, peça um formato fixo, mantenha a temperatura baixa para ter consistência e teste com exemplos reais.

Links relacionados

O progresso fica salvo neste navegador.

Verificado em 17 de novembro de 2026