Ficha 02 · LLMs, APIs, RAG · Ficha de trabalho

Aluno(a)

Turma

Nº

Data

Exercício 1 · Setup OpenAI API

Cria conta OpenAI, obtém API key (em platform.openai.com), e faz primeira chamada GPT-4o-mini que pergunta "Capital de Portugal?".

Resposta:

Exercício 2 · System prompt + persona

Cria função pergunta_a_chef(texto) que usa um system prompt para responder como um chef cozinheiro profissional, dando dicas culinárias.

Resposta:

Exercício 3 · Few-shot classifier

Usa few-shot prompting para classificar sentimento (POSITIVO/NEGATIVO/NEUTRO) de 5 frases de teste. Sem ML, só prompt.

Resposta:

Exercício 4 · Output JSON estruturado

Cria função que extrai dados de um texto e retorna JSON com nome, idade, email. Usa response_format={"type": "json_object"}.

Resposta:

Exercício 5 · Anthropic Claude API

Faz o equivalente do exercício 1 mas com Claude. Compara qualidade de resposta para uma pergunta complexa (ex: "Explica o que é big-O e por que importa").

Resposta:

Exercício 6 · Streaming

Faz chamada streaming a Claude e imprime tokens à medida que chegam (efeito ChatGPT-style).

Resposta:

Exercício 7 · RAG simples com Chroma

Cria mini-RAG sobre 3 documentos curtos. Indexa em Chroma (local), faz uma pergunta, e o LLM responde só com base nos docs.

Resposta:

Exercício 8 · Mini-agent com tools

Cria agent simples com 2 tools: - get_weather(city): devolve string fake (ex: "20°C"). - calculate(a, b, op): faz operação aritmética.

Demonstra que o LLM escolhe a tool certa.

Resposta: