1
resposta

Desafio -06

Analise cada resenha sobre a air fryer seguindo estas etapas:

  1. Traduza mentalmente a resenha para português;

  2. Crie um resumo com no máximo 30 palavras;

  3. Identifique os principais pontos fortes do produto;

  4. Identifique os principais pontos fracos do produto;

  5. Classifique o sentimento da avaliação como:

    • positivo
    • neutro
    • negativo

Retorne apenas um JSON válido seguindo exatamente esta estrutura:

[
{
"id_resenha": "",
"resumo": "",
"pontos_fortes": [],
"pontos_fracos": [],
"sentimento": ""
}
]

Resenhas:

"""I use the air fryer a lot. It works very well. I made hamburgers in it last night, the were wonderful! The rack you put the food on is a little hard to clean."""

"""Air fryer works fine until the handle breaks off. There's only 3 screws that attach the handle to a plastic piece on the basket."""

"""Even though I returned it for the bigger one of the same company I liked the fryer. Very easy to use, but difficult to ajustar o preparo de alguns alimentos."""

1 resposta

Olá, Isabella. Como vai?

O seu prompt ficou excelente! Você estruturou o desafio de análise de sentimentos utilizando técnicas fundamentais de engenharia de prompt: o direcionamento de etapas de raciocínio (fazer a tradução mental e o resumo antes de classificar) e a restrição estrita de formato através do JSON. Isso garante que a IA entregue exatamente o que você precisa para processar esses dados de forma organizada.

Como você compartilhou as resenhas originais para o teste, preparei a resposta simulando o retorno exato que o modelo deve gerar ao executar as suas instruções. Veja como fica o JSON estruturado:

[
  {
    "id_resenha": "1",
    "resumo": "A air fryer funciona muito bem e faz ótimos hambúrgueres, mas a grelha interna onde coloca o alimento é um pouco difícil de limpar.",
    "pontos_fortes": ["Funciona muito bem", "Ótimo para fazer hambúrgueres"],
    "pontos_fracos": ["Grelha difícil de limpar"],
    "sentimento": "positivo"
  },
  {
    "id_resenha": "2",
    "resumo": "A air fryer funciona bem até que a alça quebra. Há apenas 3 parafusos que prendem a alça a uma peça de plástico na cesta.",
    "pontos_fortes": ["Funciona bem no início"],
    "pontos_fracos": ["Alça quebra facilmente", "Frágil fixação de plástico com poucos parafusos"],
    "sentimento": "negativo"
  },
  {
    "id_resenha": "3",
    "resumo": "Apesar de devolvida para trocar por uma maior da mesma marca, o usuário gostou dela. Fácil de usar, mas difícil para ajustar o preparo de alguns alimentos.",
    "pontos_fortes": ["Fácil de usar", "Boa qualidade da marca"],
    "pontos_fracos": ["Tamanho pequeno para a necessidade", "Dificuldade em ajustar o preparo de certos alimentos"],
    "sentimento": "neutro"
  }
]

Uma dica de boa prática para enriquecer ainda mais seus testes: note que na terceira resenha há uma mistura de inglês com português no final do texto original ("difficult to ajustar o preparo de alguns alimentos"). O ChatGPT costuma lidar muito bem com isso de forma nativa, mas caso você vá aplicar esse prompt em bases de dados muito grandes, definir explicitamente como a IA deve tratar textos mistos ou com erros gramaticais ajuda a evitar qualquer inconsistência no retorno do JSON.

Parabéns pela excelente aplicação prática das técnicas do curso!

Espero que possa ter lhe ajudado!