Prompt Engineering — MBA Engenharia de Software com IA

Aplicação web interativa que demonstra como diferentes técnicas de prompt engineering produzem resultados drasticamente diferentes usando o mesmo modelo (GPT-4o-mini).

O que faz

A aplicação compara lado a lado 3 técnicas de prompt em dois cenários:

Cenário 1: Code Review

Analisa uma função Python (aplicar_desconto) com problemas sutis usando:

• Prompt Simples — instrução direta sem estrutura (zero-shot)
• Chain of Thought (CoT) — força o modelo a raciocinar passo a passo
• ReAct — combina raciocínio com execução real de código Python para validar hipóteses

Cenário 2: Pegadinha Lógica (Strawberry)

Testa a pergunta clássica "Quantas vezes a letra 'r' aparece em 'strawberry'?" com as mesmas técnicas, mostrando como LLMs erram contagem sem técnicas adequadas.

Arquitetura

main.py           → FastAPI app + serve do frontend
llm.py            → Client OpenAI e helper call_llm()
prompts.py        → Todos os prompts organizados por técnica
techniques.py     → Engines genéricos: Tree of Thought, ReAct loop, execução de código
routes/review.py  → Endpoints /api/review/{simple,cot,tot,react}
routes/logic.py   → Endpoints /api/logic/{simple,cot,tot,react}
frontend.html     → Interface single-page com grid comparativo

Pré-requisitos

• Python 3.10+
• Chave de API da OpenAI

Como executar

1. Clone e entre no diretório:

   cd prompts

2. Crie e ative o ambiente virtual:

   python -m venv venv
   source venv/bin/activate  # Linux/macOS
   # venv\Scripts\activate   # Windows

3. Instale as dependências:

   pip install -r requirements.txt

4. Configure a chave da OpenAI:

   echo "OPENAI_API_KEY=sk-..." > .env

5. Inicie o servidor:

   uvicorn main:app --reload

6. Acesse no navegador:

   http://localhost:8000
   

Clique em "EXECUTAR CODE REVIEW" ou "EXECUTAR CONTAGEM" para rodar todas as técnicas em paralelo e comparar os resultados.

Licença

Este projeto é parte do material educacional da Full Cycle.