recentemente a openi lançou uma feature que é muito interessante muito importante para qualquer tipo de projeto e que eu vejo que poucas pessoas prestaram atenção nesse lançamento Então nesse vídeo eu quero te dar uma visão geral dessa nova feature que a Open lançou chamado structured outputs Onde você consegue estruturar a forma como a Open vai devolver as respostas das suas requisições tá então eu vou explicar passo a passo como é que funciona vamos entrar um pouquinho na parte teórica ou por eles lançaram isso porque é tão legal E como que você consegue aplicar na prática
nos seus projetos beleza vamos ao vídeo então dia 6 de Agosto e a opi fez esse lançamento a gente tem até aqui um artigo onde ela fala exatamente o que que é esse structured outputs mas em resumo Qual que é a ideia aqui a ideia é que toda vez que você faz uma requisição seja pro chat completion seja pro assistance da openi você recebe uma resposta em texto Tá bom então todas Às vezes você recebe uma resposta em texto e a opna ao longo dos últimos anos ela veio criando formas de devolver essa resposta em
json Jon nada mais é do que uma forma de você estruturar o texto para que você consiga lidar com dados estruturados tá de certa forma então é uma forma de escrever inglês Onde você consegue pegar esse formato e aplicar ele na sua aplicação para você construir fluxos construir eh enfim funcionalidades dentro da sua aplicação você já deve saber o que é J mas se você não sabe também fica tranquilo que nesse vídeo aqui você vai entender perfeitamente tá e como é que isso funcionava lá desde o começo né desde o começo eh quando a gente
começou a trabalhar com esses modelos aí nós descrevi no prompt certo nas instructions como deveria ser a resposta então a gente falava assim olha eu quero que a resposta Venha nesse formato desse Jon aqui e nesse dentro desse formato nós conseguimos esse resultado aqui ó cerca de 35% de sucesso das respostas então era uma resposta muito ruim né dificilmente a gente cons conseguia trabalhar com esse Jason nesse dentro da nossa aplicação de forma confiável isso é bem importante nos último no último ano se eu não me engano eles lançaram novo formato uma nova forma de
fazer chamado json mode né então eh deixa eu até ver aqui não nessa imagem não tem mas é o json mode que é o modo que inclusive nós ensinamos dentro da i Builders onde você escreve dentro do prompt dentro das instructions o formato do Jason que você quer receber Mas você deixa ativado uma nova funcionalidade chamada Jason mode e ele chega numa resposta muito parecida com aquele Jason tá então nos testes aqui olha nos GPT 4 GPT 4 o né não tem o mini aqui mas a gente consegue chegar aqui na faixa de 70 80%
quase 90% das respostas corretas tá então já avançou bastante melhorou muito esse modelo mas ainda assim tinha esse esses 10% que causavam problemas para quem queria utilizar respostas desses modelos para operar sistemas E aí Finalmente eles lançaram esse novo modelo chamado struct outputs Onde você consegue atingir 100% de confiança utilizando aqui o GPT que é um resultado impressionante né Não tem como ser melhor na verdade então com esse resultado você consegue criar formatos de respostas que podem ser muito úteis pra sua aplicação no mundo real tá bom essa aqui é a ideia e agora vou
mostrar exatamente como que isso funciona vamos seguir primeiro a documentação aqui pra gente entender exatamente né do que se trata e como fazer e depois eu vou mostrar dois casos reais que eu tô aplicando aqui na minha vida Beleza então o por que eles estão fazendo isso né Qual é a grande vantagem de você usar o structured outputs são três vantagens que ele coloca aqui pra gente uma delas é segurança perfeito ou seja se você consegue chegar num resultado que é 100% de certeza que vai vir a resposta do jeito que você estruturou Você tem
uma segurança muito grande para que essa resposta consiga operar sistemas que você consiga fazer ações perfeito eles também eles também Colocaram uma segunda funcionalidade chamado explicit refusals né onde o modelo nos avisa que ele não foi capaz por exemplo de chegar no resultado esperado ele não foi capaz de preencher aquele j1 que nós estruturamos e isso pode acontecer tanto por talvez não ter algum tipo de dado ali dentro ou você formatou errado também ou até por estar rompendo ali as diretrizes né da Open a oferecer alguma resposta que tem conteúdo que não seja aceitável então
ele te avisa quando isso acontece isso aqui é muito legal e só o fato dele te avisar que isso acontece já permite que você faça o tratamento dentro da sua aplicação tá bom E além disso o fato de você conseguir formatar uma resposta do jeito que você quer te permite criar prompts mais simples você não precisa criar um prompts tão complexos o que eu não recomendo tá bom recomendo que você gaste tempo criando prompts muito completos né Não vou falar complexos mas completos mas com a introdução desse dessa nova funcionalidade você não precisa fazer isso
e eu vou mostrar que nos dois casos Que eu apliquei na prática o meu prompt é horroroso e funciona é relativamente bem tá bom se eu sentar ali 10 15 minutos e melhorar o meu prompt o resultado já vai melhorar muito beleza essa aqui é a ideia e aqui a gente começa a falar um pouquinho mais sobre os detalhes né Por enquanto os únicos modelos que são capazes de operar com essa funcionalidade são o GPT 4 o mini beleza e o GPT 4 o Então a gente tem até aqui a a os modelos destacados dentro
dessa dessa documentação vou deixar a documentação aqui na descrição do vídeo mas basicamente são esses novos modelos que a openi tá investindo todas as fichas né que são os modelos os melhores modelos e estão cada vez mais baratos Então são os famosos modelos custo benefício que eu recomendo demais você migrar todas as suas projetos para esses modelos Inclusive a upni vai depreciar e os modelos anteriores então é importante que você faça essa Mig e a opni nos oferece duas formas de utilizar um structured outputs você pode utilizar via function Call ou via response Format que
é a resposta que o modelo vai te dar quando ele executar uma Run tá bom essa aqui é a ideia então eu vou traduzir aqui pra gente só pra gente não se perder porque essa parte é bem importante né mas basicamente é isso tá estruturado dessas duas formas e a function calling ela é útil quando você está criando um aplicativo que conecta os modelos e as funcionalidades do seu aplicativo por exemplo você pode dar ao modelo acesso às funções que consulta banco de dados para que um assistente de a ajude o usuário nos seus pedidos
né Então as funções também podem interagir com o a é uma das ideias que ele traz aqui então o que que é isso aqui se você não conhece function calling é uma forma de você dizer pro seu sistema pra Suá que quando ocorrer alguma coisa ele deve operar uma ação ele deve executar uma ação tá a gente estrutura isso através de um json E aí quando você consegue executar coletar alguns parâmetros ali na verdade ele te avisa que deve ser executado uma ação nesse caso aqui e é no caso que a gente ensina l no
no na e Builders na comunidade você pode capturar parâmetros de uma conversa com seu usuário para fazer buscas no banco de dados e devolver esse resultado pro seu usuário é sensacional funciona super bem Tá bom mas aqui que ele fala ó por outro lado as saídas estruturadas via response Format são mais adequadas quando você deseja indicar um esquema estruturado para o uso quando o modelo responde o usuário né Então em vez de quando chama uma ferramenta Ou seja é super simples de entender mas basicamente o response for Format é a forma que você estrutura a
resposta pro seu usuário entendeu E aí você entende exatamente quando como você quer utilizar aqui só para simplificar as coisas quando a gente tá trabalhando com function calling a gente já tem algo muito parecido tá não vai mudar nada basicamente a sua experiência de criação ali das suas das suas funções a única coisa que a Open diz aqui é que você tem que ligar um parâmetro eu vou mostrar como é que funciona você tem que ligar apenas um parâmetro que você já vai trazer a sua function col para esse novo formato de STR outputs a
grande mudança aqui tá nesse response Format que é onde eu quero focar esse vídeo beleza basicamente é isso e aqui ele faz uma comparação né Quais são os modelos compatíveis qual o tipo de saída que você pode trabalhar e eu quero trabalhar nessa parte aqui de exemplos Tá bom então vamos voltar para inglês só pra gente não perder alguns termos né então o que que acontece a o pna aqui tá mostrando pra gente exemplos de como você pode colocar uma resposta estruturada na requisição aqui no caso é o chat comp né Nós estamos nem falando
sobre assistant mas a estrutura é a mesma tá bom e eu vou mostrar aqui como é que funciona pro assistant mas a estrutura é a mesma Então vale a pena a gente passar passo a passo aqui então ele trouxe quatro casos pra gente a gente fazer um Chain of thoughts né que é encadeamento de pensamento é uma é um uma técnica muito utilizada para você conseguir melhorar as respostas do seu assistant do seu modelo a gente também vai trabalhar com extração estruturado de dados geração de interfaces aqui eu achei muito legal e moderação Então vou
mostrar esses quatro casos para vocês como é que funciona esse Chain of thoughts né então vamos vamos entender essa chamadinha aqui ó nós estamos fazendo uma chamada pro chat completion tá estamos utilizando o modelo GPT 4oo 2024 tal tal tal estamos passando essas mensagens aqui então esse aqui é o nosso histórico ó Qual que é o prompt desse sistema você é um tutor de matemática você deve guiar o usuário pela solução passo a passo Super Simples né e qual que é a mensagem que o usuário mandou para esse para esse para esse modelo aqui como
eu posso resolver essa equação x + 7 = -23 tá então ele passou uma equação e agora esse modelo vai nos trazer uma resposta se fosse no modo convencional provavelmente ele traria uma resposta super simples aqui mas utilizando o response Format eu vou mostrar a resposta tá mas como que ele estruturou aqui ó se você não tá acostumado Pode ser que você se confunda um pouco agora mas fica tranquilo que é super fácil de entender tá basicamente o que a gente tá falando paraa Nossa requisição ó cara eu quero que o que a o o
response Format venha do tipo Jason schema que é o modelo do structured outputs beleza e aqui embaixo você vai criar um objeto que é esse json esema que você quer que essa resposta siga então tô criando um json schema chamado matth reasoning né tipo é reflexão pensamento matemático aqui qual que é o esquema Qual que é a estrutura dessa resposta aqui então vamos lá vamos descendo a gente vai entender não ele tipo objeto e ele tem essas propriedades eu tenho uma primeira propriedade que são os passos Então são os passos de pensamento que o meu
modelo deve seguir tá então como ele é mais do que um passo né Ele é um Array ele é uma lista então a gente tá falando aqui ó então os passos são uma lista e eu quero que dentro de cada um desses Passos eu tenha uma explicação do que ele tá pensando e eu quero uma saída então explanation e output tá bom bas basicamente essa a ideia e eu quero que para você me trazer essa resposta eu preciso que seja obrigatório que você sempre traga dentro dos Passos uma explanation e um output é basicamente isso
que eu tô dizendo aqui tá bom então esse aqui são os passos mas depois que você ter todos os passos eu quero que você traga uma final answer uma resposta final pro meu usuário porque eu vou enviar essa resposta para esse usuário tá bom aqui só para fechar o nosso objeto Jon eu tô falando que sempre precisa ter os passos e sempre precisa ter o final answer additional properties são se eu quero que você adicione mais propriedades dentro dessa resposta aqui então a própria a poderia decidir colocar mais propriedades mas no nosso caso a gente
não quer fazer isso tá a gente quer ter controle absoluto da resposta então a gente colocou como false e esse essa é a variável que liga o structured output então a gente sempre precisa passar um strict igual a true tá porque dizendo isso aqui nós estamos falando para você S terma noi para usar esse modelo do structured outputs E lembra que eu falei que tem uma variável lá no function Call que você precisa Acionar e basta acionar isso daqui que já vai funcionar utilizando esse modelo novo é essa então se você for fazer um function
Call basta pastar struct igual a true que vai funcionar dentro desse novo modelo aqui tá bom então o que acontece essa requisição aqui me trouxe uma resposta formatada nesse Jon aqui que é uma coisa fantástica então o que que tá vindo aqui para mim ó tá vindo um Array chamado steps e dentro de cada um desses objetos que estão dentro desse Array eu venho uma explicação e um output explicação output explicação output exatamente da forma como nós tíos solicitados Então qual que é o pensamento que a ia tá tendo isso aqui é muito legal ó
então a primeiro pensamento que ele teve foi o seguinte ó comece com a equação tal tal tal e aí ele começou aqui qual que é a saída agora subtraia a sete dos dois lados para isolar os termos da variável acho que é isso né então ele fez essa operação aqui ó a agora simplifique aí ele fez uma operação divida os dois lados Agora fez essa operação então o que que acontece ao invés de Ele simplesmente trazer uma resposta de forma mais aleatória Ele montou uma um encadeamento de pensamentos onde a própria ia instruiu a ia
como deveria ser a resposta entendeu Então ele foi executando o passo a passo e fazendo as operações matemáticas em ordem para que no final ele conseguisse produzir Essa final S essa resposta final que é uma resposta correta entendeu então Você pode enviar pro seu usuário se você quiser apenas essa última resposta Mas você fez de uma forma que toda a estrutura de pensamento que a ia teve foi muito mais correta muito mais precisa e aumentou muito a chance de trazer uma resposta correta essa aqui que é a ideia tá essa a estrutura aqui do Chain
of thoughts Beleza então eu vou mostrar depois um caso real disso aqui funcionando na prática Mas vamos pro nosso segundo caso tá que é basicamente você extrair dados e estruturá-los Então imagina que você tem um texto e você quer analisar esse texto e estruturar algumas informações isso aqui é muito interessante muito útil para muitas empresas para qualquer tipo de aplicação precisa analisar dados isso aqui é muito legal mesmo e Aqui nós temos uma outra estrutura de resposta que Segue o mesmo padrão né então qual que nós estamos chamando essa estrutura de research paper extraction e
aqui a gente começa a ver as propriedades Olha a primeira propriedade que eu quero que você extraia é o título mas eu também quero que você extraia uma lista de autores né que podem estar relacionados dentro desse desse paper aqui desse artigo né ã eu também quero que você extraia um abstract que é basicamente um resuminho do texto eu quero que você me traga keywords palavras-chaves que estão aqui dentro desse texto e eu quero que você sempre sempre que você for executar precisa ser necessário que você me traga todos esses parâmetros títulos autores autores abstract
e keywords Tá bom então simplesmente fazendo isso A partir de agora você pode enviar dados de um artigo de um paper e ele vai conseguir estruturar alguns dados desse paper nesse caso aqui olha trouxe para adiante Qual o título application off quanto um algoritmo aqui ferrou meu inglês né aqui já foi para foi embora trouxe uma lista de autores trouxe um abstrate um resumo e trouxe keywords então interstellar navigation Space time anomalias aqui a gente tá falando sobre física avançada né não é o objetivo aqui do canal galera basicamente é isso então a gente passou
um artigo conseguiu extrair informações de uma maneira que a gente consegue utilizar essa parte é sensacional e eu pirei que isso aqui tô louco para testar na vida real tá basicamente O que que a gente tá falando aqui ó você é um gerador de ui você é um gerador de interfaces né converte esse input em uma interface e aqui o usuário pede ó me faça um formulário pro perfil do usuário el simplesmente de essa requisição e agora estruturando essa resposta nós vamos ter um Jon que vai ser possível transformar em HTML Então vamos mostrar tá
então a gente tá falando aqui por exemplo ai eu quero deixa eu ver aqui certinho quais são as propriedades Type é uma propriedade Label é uma propriedade Children é uma propriedade que são propriedades de ag então a gente consegue colocar isso aqui no nosso Jon o resultado final essa requisição aqui nós tivemos esse exemplo de resposta tá isso aqui não nos é muito útil dessa forma mas dentro do nosso sistema nós faríamos algo como assim ó então transforme esse json nemhum HTML vamos pedir pro nosso querido chat PT para nos ajudar e ele pegou todos
esses parâmetros que estavam nesse Jon e transformou em um HTML vamos ver se isso aqui tá funcionando certinho olha que legal tá vendo Então aquele Jon nos tornou possível eh extrair dados para que nós transformássemos ele em um HTML e aqui ó temos aqui um input muito rígel muito feio mas de certa forma própria ia nos criou uma interface isso aqui é Fantástico acho que é uma das coisas que mais tem possibilidades de mercado aí se você tá querendo criar um micras é investir nessa área Tá bom mas aí fica as ideias para vocês e
aqui por último que as pessoas menos se interessam aqui mas é importantíssimo é fazer moderação né então você consegue determinar por exemplo se um usuário violou Cert regras certas regras e aqui olha a pergunta do Nossa ário né como eu me preparo para uma entrevista de emprego e aqui a gente consegue estruturar o formato de resposta que ele vai falar pra gente se tá violando ou não E aqui veio pra gente ó tá violando não é false não veio nenhuma categoria de violação e iria aqui uma explicação de como ele violou né se ele tivesse
violado mas no caso não rolou isso entendeu então são quatro aplicações super simples que a gente consegue e inserir no nosso projetos e que mudam completamente a forma como você trabalha a resposta dos nossos assistant então eu vou mostrar dois casos para vocês agora que eu apliquei aqui na forma prática um Chain of thoughts e um instructor data exra beleza vamos começar pelo structor data stration Então deixa eu entrar aqui no meu n8n eu vou mostrar uma aplicação que eu já mostrei num outro vídeo aqui mas basicamente é uma automação que consegue fazer enriquecimento de
dados pra gente tá então só para explicar como é que isso aqui funciona novamente rapidinho eu tenho um formulário no Tali onde o meu usuário preenche uma série de informações ali dentro e quando ele aperta para confirmar o formulário eu recebo todos os dados aqui dentro do meu n ao esse usuário no meu banco de dados E aí eu faço três ações tá primeiro eu pego o site a empresa desse usuário e faço um scrapper na internet então vou no site baixo todos os dados resumo esses dados né já vou mostrar como segundo passo é
pegar o Linkedin dessa pessoa eu vou lá no Linkedin extraio todos os dados e também faço um resumo o terceiro passo é basicamente pegar aquele formulário limpar um pouquinho os dados preparar pro Futuro aqui no final eu vou juntando tudo isso então agora tem os dados do site tem os dados do LinkedIn e tem os dados do formulário aí eu pego tudo todos esses dados que não estão estruturados tá eles estão soltos eu faço uma chamada para Open eu vou mostrar exatamente como dentro dessa chamada eu falo para ele aqui ó vou mostrar para você
aqui ó eu falo para ele que o formato da resposta deve extrair alguns dados dessa resposta aqui então eu vou mostrar para vocês ó então eu quero por exemplo eu quero extrair um objeto chamado Lead tá bom tá aqui ó então no lead eu quero extrair por exemplo o nome do Lead Qual o cargo que ele ocupa Qual o resumo da carreira dele depois eu também quero extrair sobre a empresa né quero o nome da empresa o tamanho da empresa a posição que esse Lead ocupa dentro dessa empresa depois eu quero que a ia me
traga ides então aqui eu já tô mostrando para ela que ela deve gerar conteúdo para mim tá então o que que ela pode falar para mim qual a probabilidade de interesse que esse Lead tem no meu produto qual eh qual é a posição dele dentro da empresa ele é um tomador de decisão sim ou não né Qual o script de venda que agora eu devo construir para atender esse Lead Então olha que legal a própria a me traz insights de como eu consigo vender meu produto para esse Lead Qual que é a urgência de atendimento
né aqui na verdade deveria ser temperatura desse Lead né se é baixa média ou alta né o quanto eu devo colocar esse Lead na frente da minha lista para atender ele né para tentar fechar o produto e para que tenha maior chance de fechamento essa aqui que é a ideia então eu estruturei essa resposta dessa forma e aqui ó vou mostrar para você sei como é que isso veio tá então veio uma resposta aqui dentro dentro da própria openi apesar de estar estruturado como Jon ela vem como string como texto mas aqui no ntn é
a coisa mais simples do mundo tratar esse dado então eu pego essa string e Transformo em Jon E aí fica totalmente estruturado Então olha que legal a resposta que veio para mim tá então ó o nome do Lead Felipe raitano Qual que é o cargo dele qual fundador da e Builders Qual que é o resumo da carreira a gente traiu esses dados lá do LinkedIn Qual que é o nome da empresa que que ele trabalha qual que é o tamanho da empresa a posição desse Lead Qual que é a probabilidade de interesse dele dentro desse
produto é alta considerando que o seu papel n breeders tem foco em desenvolvimento de a e automação então isso aqui era só um teste né mas eu tô mostrando para vocês como que a partir de agora com esses dados eu consigo executar qualquer tipo de ação e eu vou mostrar para você aqui como é que eu faço isso né Então a primeira etapa que eu faço é salvar no banco de dados mas olha eu poderia fazer várias ações aqui mas no meu caso específico a única coisa que eu quero fazer é o seguinte quando chegar
um lead que ele for classificado como temperatura alta eu quero mandar um e-mail pro meu comercial dizendo ó pessoal vamos atender esse cara aqui agora tá então é isso que eu tô fazendo aqui ó então por exemplo eu tô fazendo um Switch Onde eu consigo analisar a temperatura aqui ó se for baixa for média e se for alta a gente consegue dar tratamentos diferentes para esse Lead no caso se for alta eu mando esse e-mail e eu consigo fazer o atendimento Beleza então olha que exemplo legal né Eu peguei dado desestruturados consegui estruturá-los de forma
correta consegui extrair insights desses dados e de sequência aqui na minha aplicação tudo isso Quem fez foi um aia não foi uma pessoa que fez né E então é sensacional essa aqui é um grande tipo de aplicação existe um segundo tipo de aplicação que é mais recente que eu tô querendo mostrar vou ter que executar de novo para funcionar só um segundo melhor eu vou mostrar essa aplicação em um outro lugar para você entender exatamente como funciona vou mostrar aqui dentro do playground para você ver como que é simples trabalhar com o response Format você
não necessariamente precisa passar o response Format lá no n8n aqui dentro da PR do próprio Playground do Open você consegue fazer isso tá bom então vamos lá ó eu tenho uma ia aqui que é um SDR nosso chamado Yasmin que ela está atendendo os nossos clientes né então tem um prompt super simples aqui eu falo um pouquinho sobre tudo não tô descrevendo nada como deve ser o formato aqui da resposta mas aqui embaixo ó aqui embaixo eu tenho essa possibilidade de response Format Tá bom então eu posso ter um texto como a gente já tá
acostumado um json Object como é que era o modelo anterior eu posso até mostrar como é que era esse modelo anterior mas eu tenho o que interessa agora que é o Jason esquema então colocando esse json esima te abre a possibilidade de estruturar forma como você quer essa resposta Então nesse caso aqui I SDR tá então todas as vezes todas as vezes que um usuário interagir com ela ela vai me trazer uma resposta dessa forma o que que ela vai trazer reflexão sobre a mensagem recebida depois uma estratégia que ela deve adotar a partir de
agora e a ação que ela deve tomar nesse exato momento tá então a partir de uma reflexão ela vai estabelecer uma estratégia e depois ela vai estabelecer uma ação com essa ação em mente Aí sim ela vai produzir uma resposta final no meu caso aqui a resposta final é um Array porque eu quero que a resposta venha em vários pedacinhos assim né para ficar mais bonito e eu consigo enviar essa resposta pro usuário como se fosse um humano digitando vários pequenos textinhos ali né por último eu quero também que ele avalie para mim a temperatura
desse Lead se ele é frio mno ou quente tá se for quente eu quero tomar um certo tipo de ação né então só para mostrar para vocês aqui como é que funcionaria um caso real eu vou mandar um Olá dentro da nossa nossa agora a ia trouxe para mim a resposta toda estruturada tá então qual foi a reflexão que ele teve né o cliente cumprimentou de forma amigável que indica um tom Positivo na conversa qual a estratégia manter um tom acolhedor amigável notificando-se para ajudar o cliente com suas dúvidas qual que é ação cumprimentar o
cliente e perguntar se ele tem alguma dúvida sobre a comunidade Builders Qual que é a resposta final duas Strings aqui pra gente Olá tudo bem com você Estou aqui para ajudar com qualquer dúvida que você tenha sobre a comunidade a builder sinta-se à vontade para perguntar qual a temperatura desse Lead Mor vamos fazer mais um teste vamos fazer assim ó quero comprar o acesso à comunidade Builders vamos lá trse pra minha resposta ó o cliente demonstrou interesse em adquirir assinatura O que é um bom sinal de intenção de compra a estratégia confirmar no interesse do
cliente qual que é ação explicar os benefícios Qual que é a resposta final ótimo fico feliz em saber que você deseja se juntar a comunidade vai estruturando aqui tudo passa o meu número do comercial para atender essa pessoa diretamente fechar a compra né e qual que é a temperatura desse cliente quente Olha que legal então ele já classificou que esse é um lead que tem muita chance de conversão e aqui dentro do n8n e eu faço esse tratamento né eu faço o tratamento desse usuário quando ele é cliente mas basicamente o que eu tô fazendo
aqui quando ele for crente jogo ele pro closer pro comercial já entrar em contato na hora ver se a gente consegue fechar esse cara porque vai caar não dá conta de fechar né Então essa aqui é uma das estratégias que eu tô adotando isso aqui é muito legal para quem quer fazer SDR para quem quer fazer qualquer tipo de aplicação estruturada né antes você precisava por exemplo fazer uma Tool e avaliava temperatura nosso usuário mas não era da forma adequada de fazer isso agora com esse response Format né utilizando o structor outputs a gente consegue
fazer isso todas as vezes o usuário mandar uma mensagem e além disso nós conseguimos conectar operações a partir de uma resposta da ia o que é algo Fantástico acho que é isso que eu tinha que cobrir nesse vídeo Espero que você tenha gostado Espero que tenha sido útil para você peço aquele like nesse vídeo porque isso me ajuda demais me ajuda a fazer o canal crescer peço que você se inscreva no canal também se você tá chegando hoje eu falo sobre automações sobre inteligência artificial e sobre negócios e aqui junto com vocês quero construir possibilidades
dentro desse Novo Universo que tá surgindo o universo meio de oportunidades para todo mundo que quer aproveitá-lo tá bom obrigado e até o próximo vídeo
