BLACK FRIDAY 50% em todos os cursos com o cupom BLACK50, até 30/11 →GRÁTIS Curso gratuito de ChatGPT: lançamento 17/11, garanta sua vagaCurso gratuito de ChatGPT no ar, receba o acesso por e-mail →

Projeto didático · OpenAI para Devs

Respostas com documentos e evidências

Construa uma aplicação com busca local autorizada, Responses API, saída estruturada e conferência das citações.

Responses APIFunction callingStructured OutputsRecuperação de documentosAvaliaçãoEstimativa de custo

O problema que você vai resolver.

Uma aplicação deve responder a perguntas usando apenas documentos de uma organização fictícia. O trabalho é separar recuperação, geração, validação do formato e revisão do significado.

O kit inclui três documentos sintéticos, busca local autorizada, chamadas REST à Responses API e uma demonstração fixa para executar sem chave. A etapa online é opcional e usa a configuração da sua conta.

Os testes e a demonstração foram executados offline. A integração real com a API ainda exige execução com credenciais próprias. A demonstração fixa não é uma resposta produzida por um modelo.

Comece pelos arquivos.

Requisito local: Python 3.10 ou posterior. Os exemplos usam a biblioteca padrão e não exigem instalar pacotes externos.

python -m unittest discover -s tests -v
python app.py --demo
python avaliar.py

Os comandos verificam o comportamento local, uma integração simulada, uma resposta fixa e a recuperação lexical. O README explica como configurar a execução online e seus custos.

Roteiro de trabalho

  1. Execute os testes e a demonstração sem chave.
  2. Inspecione os três documentos sintéticos e o conjunto de avaliação.
  3. Entenda o que a conferência literal valida e o que exige revisão humana.
  4. Opcionalmente configure modelo e chave no seu ambiente para executar a API.
  5. Revise respostas por dimensão e estime custo com os preços aplicáveis à sua conta.

Critérios de aceite.

  • Somente a busca nos documentos autorizados pode ser executada pelo modelo.
  • A aplicação rejeita evidência inventada ou documento não recuperado.
  • A demonstração fixa não é apresentada como resultado de IA.
  • A resposta real é revisada quanto ao significado, além de formato e citação.
  • Custos são estimados com tokens observados e preços informados, sem tabela inventada.

O que foi verificado.

Código local, validação, recuperação lexical, custo e contrato de integração com transporte simulado.

  • 25 testes offline passaram.
  • Integração simulada verificou duas requisições, ferramenta autorizada, preservação de estado e saída estruturada.
  • Recuperação lexical: 9 de 10 critérios passaram. E10 recuperou um documento sem suporte ao assunto por uma palavra genérica.
  • Demonstração fixa validada: 1 citação literal conferida, sem API.
Uma distinção essencial: 9 de 10 critérios se referem ao recuperador lexical deste conjunto. Isso não é taxa de acerto de um modelo. Conferir a existência literal de uma citação também não comprova que ela sustenta a afirmação.

Limites do exercício

  • Integração online não executada, pois não foram disponibilizadas credenciais.
  • Nenhuma precisão ou resistência de modelo foi medida. 9/10 refere-se apenas ao recuperador lexical deste conjunto.
  • Citações literais não comprovam apoio semântico; revisão humana continua necessária.
  • Custos reais não medidos. O estimador exige uso retornado e preços informados pelo operador.

Arquivos para baixar.

Fontes e referências

Consulte a documentação original para disponibilidade e condições atuais. Fontes consultadas em 21 de outubro de 2026.

Continue aprendendo

OpenAI para Devs

Construa soluções com a API da OpenAI, ferramentas, RAG e MCP. Aprenda a medir qualidade, controlar custos e operar agentes que entregam resultados verificáveis.

Conhecer a formação