Olá, Brendo. Como vai?
Parabéns pelo excelente resultado! A estrutura do seu JSON ficou impecável, muito bem organizada e fácil de ser consumida por qualquer sistema de backend.
O seu relato sobre o problema que enfrentou com a expressão "idioma XXX" é um verdadeiro aprendizado de Engenharia de Prompts. Esse é um detalhe fantástico para compartilhar com a comunidade.
Quando usamos marcadores abstratos como "idioma XXX" ou "[Idioma]" sem dar um contexto muito explícito de substituição, os modelos de LLM (como o ChatGPT ou o Gemini) podem se confundir. Eles podem tentar procurar literalmente pelo texto "XXX" nas resenhas ou simplesmente ignorar a instrução por acharem que se trata de um exemplo genérico.
Substituir por uma instrução direta e contextualizada — "(no mesmo idioma da resenha)" — foi a solução perfeita! Você deu um comando claro e acionável, permitindo que a IA entendesse que deveria manter o inglês original do texto dos consumidores, mesmo com as chaves estruturadas em português.
Para agregar ainda mais valor ao seu exercício, podemos analisar por que a sua saída em formato JSON é tão poderosa no mercado real:
Por que estruturar dados com JSON na IA?
Em cenários corporativos, analisar resenhas manualmente é inviável devido ao volume de dados. Quando você treina o modelo para responder estritamente em um formato estruturado como o JSON, você cria uma ponte perfeita entre a Inteligência Artificial e a Programação Tradicional:
- Texto Bruto: O cliente digita a opinião dele no site de e-commerce de forma totalmente desorganizada.
- Processamento da IA: O seu prompt entra em ação, extraindo sentimentos e pontos fortes/fracos.
- Saída JSON: Os dados brutos são transformados nessa estrutura limpa que você gerou.
- Automação de Sistemas: Um sistema em Python, Java ou JavaScript pode ler esse JSON automaticamente e alimentar um gráfico de desempenho do produto ou disparar alertas para a equipe de engenharia quando um ponto fraco crítico (como "Fragile handle attachment" da Resenha 2) aparecer repetidamente.
Uma dica de ouro para os seus próximos prompts
Como você está explorando a otimização de resultados, uma boa prática para garantir que o modelo nunca quebre o formato JSON (adicionando textos soltos antes ou depois das chaves, por exemplo) é incluir uma linha de restrição no papel do assistente.
Você pode adicionar isso ao final das suas instruções:
"Responda estritamente com o objeto JSON solicitado, sem incluir introduções, explicações ou blocos de texto adicionais."
Seu prompt ficou excelente, a lógica de contorno para o problema do idioma foi muito sagaz e o resultado final da análise de sentimentos ficou 100% fiel ao texto dos usuários. Continue testando esses limites e otimizando suas instruções!
Espero que possa ter lhe ajudado!
