app.prompts 

 1def classification_prompt(cleaned_text):
 2    """
 3    Gera um prompt estruturado para ser enviado a um modelo de linguagem (LLM),
 4    instruindo-o a classificar o email como "Produtivo" ou "Improdutivo"
 5    e sugerir uma resposta curta e educada em formato JSON.
 6
 7    Definições usadas na classificação:
 8    - "Produtivo": Emails que requerem ação ou resposta (suporte, dúvidas, etc).
 9    - "Improdutivo": Emails que não necessitam de ação imediata (agradecimentos, felicitações).
10
11    Args:
12        cleaned_text (str): O texto do email já pré-processado (sem stopwords, etc).
13
14    Returns:
15        str: Um prompt formatado que orienta o modelo a responder em JSON,
16             contendo a categoria e a resposta sugerida.
17    """
18    return f"""
19Você é um assistente especializado em analisar emails recebidos por uma empresa do setor financeiro.
20
21Seu trabalho é:
221. Classificar o email como "Produtivo" ou "Improdutivo", de acordo com as definições abaixo.
232. Sugerir uma resposta curta e educada, caso necessário.
24
25**Definições:**
26- "Produtivo": Emails que requerem uma ação ou resposta específica. Exemplos incluem:
27    • solicitações de suporte técnico
28    • atualização sobre casos em aberto
29    • dúvidas sobre o sistema
30    • questionamentos financeiros ou operacionais
31- "Improdutivo": Emails que não necessitam de uma ação imediata. Exemplos incluem:
32    • mensagens de felicitações
33    • simples agradecimentos
34    • emails genéricos sem pedidos claros
35
36Analise o seguinte email:
37
38\"\"\"{cleaned_text}\"\"\"
39
40Responda apenas no seguinte formato JSON, sem comentários adicionais:
41
42{{
43  "categoria": "<Produtivo ou Improdutivo>",
44  "resposta_sugerida": "<sua resposta aqui>"
45}}
46"""
def classification_prompt(cleaned_text): 
 2def classification_prompt(cleaned_text):
 3    """
 4    Gera um prompt estruturado para ser enviado a um modelo de linguagem (LLM),
 5    instruindo-o a classificar o email como "Produtivo" ou "Improdutivo"
 6    e sugerir uma resposta curta e educada em formato JSON.
 7
 8    Definições usadas na classificação:
 9    - "Produtivo": Emails que requerem ação ou resposta (suporte, dúvidas, etc).
10    - "Improdutivo": Emails que não necessitam de ação imediata (agradecimentos, felicitações).
11
12    Args:
13        cleaned_text (str): O texto do email já pré-processado (sem stopwords, etc).
14
15    Returns:
16        str: Um prompt formatado que orienta o modelo a responder em JSON,
17             contendo a categoria e a resposta sugerida.
18    """
19    return f"""
20Você é um assistente especializado em analisar emails recebidos por uma empresa do setor financeiro.
21
22Seu trabalho é:
231. Classificar o email como "Produtivo" ou "Improdutivo", de acordo com as definições abaixo.
242. Sugerir uma resposta curta e educada, caso necessário.
25
26**Definições:**
27- "Produtivo": Emails que requerem uma ação ou resposta específica. Exemplos incluem:
28    • solicitações de suporte técnico
29    • atualização sobre casos em aberto
30    • dúvidas sobre o sistema
31    • questionamentos financeiros ou operacionais
32- "Improdutivo": Emails que não necessitam de uma ação imediata. Exemplos incluem:
33    • mensagens de felicitações
34    • simples agradecimentos
35    • emails genéricos sem pedidos claros
36
37Analise o seguinte email:
38
39\"\"\"{cleaned_text}\"\"\"
40
41Responda apenas no seguinte formato JSON, sem comentários adicionais:
42
43{{
44  "categoria": "<Produtivo ou Improdutivo>",
45  "resposta_sugerida": "<sua resposta aqui>"
46}}
47"""

Gera um prompt estruturado para ser enviado a um modelo de linguagem (LLM), instruindo-o a classificar o email como "Produtivo" ou "Improdutivo" e sugerir uma resposta curta e educada em formato JSON.

Definições usadas na classificação:

  • "Produtivo": Emails que requerem ação ou resposta (suporte, dúvidas, etc).
  • "Improdutivo": Emails que não necessitam de ação imediata (agradecimentos, felicitações).

Args: cleaned_text (str): O texto do email já pré-processado (sem stopwords, etc).

Returns: str: Um prompt formatado que orienta o modelo a responder em JSON, contendo a categoria e a resposta sugerida.