Recapitulare: planul unei aplicații AI
Ai terminat primul modul: știi cum generează un model text, ce sunt tokenii, cum funcționează contextul, ce controlezi cu effort, de unde vin halucinațiile și cât costă un apel. În această lecție legi totul într-un plan pe care îl poți aplica oricărei idei de aplicație AI și construiești primul tău mini-proiect: un asistent care rezumă emailuri și îți spune cât a costat.
Ce ai învățat în modulul 1
| Concept | Ce reții | În cod |
|---|---|---|
| Generarea | modelul prezice următorul token, pas cu pas | stop_reason: end_turn sau max_tokens |
| Tokenii | unitatea de cost și de limită; româna consumă mai mulți | count_tokens(...).input_tokens, usage |
| Contextul | API-ul nu ține minte; retrimiți istoricul | lista messages, alternând user / assistant |
| Variația | temperature nu mai e acceptat la Claude | instrucțiuni + output_config={"effort": "low"} |
| Halucinațiile | date în prompt, voie la „Nu știu”, verificări | documentul între <document> și </document> |
| Costul | tokeni × preț / 1.000.000, intrare și ieșire separat | cost_apel(usage, model) |
Planul unei aplicații, în 5 întrebări
Înainte să scrii cod, răspunde la cinci întrebări. Îți iau zece minute și te scutesc de săptămâni de muncă în direcția greșită.
| Întrebarea | Pentru asistentul de rezumate |
|---|---|
| Ce problemă rezolv și pentru cine? | Contabilii primesc zeci de emailuri pe zi; vor să vadă dintr-o privire ce cere fiecare client. |
| Ce date trebuie să vadă modelul? | Doar textul emailului. Nimic din baza de date a firmei. |
| Ce model folosesc? | Claude Haiku 5.5 cu efort low: rezumatul e o sarcină simplă. |
| Cât costă pe utilizator? | ~100 de tokeni intrare + ~30 ieșire pe email; sub un cent pe zi pentru 100 de emailuri. |
| Ce riscuri am? | Rezumat greșit (contabilul vede și emailul original), text tăiat (verific stop_reason), date personale (modulul 8). |
Scheletul de cod: o funcție pentru o sarcină
Într-o aplicație reală, fiecare sarcină AI stă într-o funcție mică: primește datele, construiește promptul, apelează API-ul și întoarce rezultatul împreună cu usage, ca restul programului să poată urmări costul.
import anthropic
MODEL = "claude-haiku-5-5"
client = anthropic.Anthropic()
def rezuma(text):
"""Întoarce (rezumatul, usage) pentru un email."""
raspuns = client.messages.create(
model=MODEL,
max_tokens=150, # o frază ajunge; limitează costul
output_config={"effort": "low"}, # sarcină simplă (lecția 5)
messages=[{"role": "user", "content": f"Rezumă într-o singură frază, în română, emailul de mai jos.\n\n<email>\n{text}\n</email>"}],
)
if raspuns.stop_reason == "max_tokens": # răspuns tăiat: îl marcăm
return raspuns.content[0].text + " [tăiat]", raspuns.usage
return raspuns.content[0].text, raspuns.usage
rezumat, usage = rezuma("Bună ziua, comanda de toner pentru imprimantă nu a ajuns încă, deși trebuia livrată ieri. Vă rog să verificați la curier. Radu")
print(rezumat)
print("Tokeni:", usage.input_tokens, "+", usage.output_tokens)
Radu anunță că tonerul comandat nu a fost livrat ieri, cum era stabilit, și cere verificarea la curier. Tokeni: 78 + 29
Riscurile și cum le acoperi
| Risc | Ce faci |
|---|---|
| Răspuns inventat | Dai modelului datele, permiți „Nu știu”, verifici în cod cifrele importante (lecția 6). |
| Cost scăpat de sub control | Model mic, max_tokens potrivit, istoric scurtat, costul calculat la fiecare apel (lecțiile 4 și 7). |
| Răspuns tăiat | Verifici stop_reason == "max_tokens" și reacționezi (lecția 2). |
| Răspunsuri diferite la aceeași cerere | Instrucțiuni precise, format fix, teste pe conținut (lecția 5). |
| Cod vechi copiat de pe internet | Fără temperature / top_p / top_k la Claude (lecția 5). |
În modulul 2 înveți să scrii prompturi care dau rezultate bune din prima: system prompt, exemple, structură cu tag-uri, răspunsuri JSON și prompturi testate automat, ca pe cod.
Idei de aplicații pentru care ai deja tot ce trebuie
Exact proiectul din exercițiu: o frază pe email și costul zilei.
Din caracteristicile tehnice, o descriere de 2 fraze pentru fiecare produs din catalog.
Un comentariu scurt și încurajator pentru fiecare temă, verificat de profesor înainte de trimitere.
Trei rânduri despre experiența fiecărui candidat, cu datele personale eliminate înainte de trimitere.
Construiește asistentul de rezumate pentru biroul de contabilitate. Scrie funcția rezuma(text) care cere modelului un rezumat de o frază (emailul între <email> și </email>, max_tokens=150, efort low) și întoarce textul și usage. Pentru fiecare email din EMAILURI afișează Email N: <rezumat> (N de la 1), adună costul fiecărui apel, iar la final afișează Cost total: <dolari> $ (aprox. <lei> lei), ambele cu 6 zecimale.
- În rezuma, apelează client.messages.create cu max_tokens=150, output_config={"effort": "low"} și promptul cu emailul între tag-uri.
- Întoarce raspuns.content[0].text, raspuns.usage.
- Parcurge EMAILURI cu for i, email in enumerate(EMAILURI, start=1) și afișează Email N: <rezumat>.
- Adună în cost_total costul fiecărui apel: (input_tokens * PRET_INTRARE + output_tokens * PRET_IESIRE) / 1_000_000.
- Afișează Cost total: ... $ (aprox. ... lei), cu :.6f pentru ambele valori.
Soluția exercițiului
import anthropic
MODEL = "claude-haiku-5-5"
PRET_INTRARE, PRET_IESIRE = 0.10, 0.50 # $ per 1M tokeni, Claude Haiku 5.5
CURS_LEU = 4.50 # aproximativ
EMAILURI = [
"Bună ziua, vă trimit atașat factura pentru luna octombrie. Vă rog să-mi confirmați că ați primit-o și dacă mai aveți nevoie de extrasele de cont. Mulțumesc, Ioana Marin",
"Salut, putem muta întâlnirea de joi la ora 14 în loc de 10? Am o urgență dimineață. Andrei",
"Bună, am observat o diferență de 250 de lei între balanța din septembrie și extrasul băncii. Puteți verifica până vineri? Mulțumesc, Elena, SC Florărie SRL",
]
client = anthropic.Anthropic()
def rezuma(text):
raspuns = client.messages.create(
model=MODEL,
max_tokens=150,
output_config={"effort": "low"},
messages=[{"role": "user", "content": f"Rezumă într-o singură frază, în română, emailul de mai jos.\n\n<email>\n{text}\n</email>"}],
)
return raspuns.content[0].text, raspuns.usage
cost_total = 0
for i, email in enumerate(EMAILURI, start=1):
rezumat, usage = rezuma(email)
print(f"Email {i}: {rezumat}")
cost_total += (usage.input_tokens * PRET_INTRARE + usage.output_tokens * PRET_IESIRE) / 1_000_000
print(f"Cost total: {cost_total:.6f} $ (aprox. {cost_total * CURS_LEU:.6f} lei)") 