~/questoes/agentes-de-ia
Um OutputParser não descarta respostas inválidas imediatamente. Em vez disso, ele implementa estratégias inteligentes de validação e recuperação, como reformular a instrução do modelo ou pedir que ele corrija sua resposta, garantindo que a aplicação continue funcionando mesmo quando o LLM não acerta à primeira.
A alternativa correta descreve exatamente como os OutputParsers funcionam na prática: eles implementam mecanismos de validação que tentam recuperar a resposta de forma inteligente. Isso inclui reformular prompts, solicitar correções e aplicar heurísticas, em vez de simplesmente descartar ou forçar conversões sem validação real.
Descartar e solicitar nova chamada é uma abordagem muito simples e cara. OutputParsers tentam recuperar a resposta antes de tomar uma medida tão drástica, economizando requisições ao modelo e mantendo a aplicação mais eficiente.
Esta é a resposta correta. Os OutputParsers implementam validação robusta e tentam corrigir problemas através de reformulação de prompts, pedindo ao modelo que reescreva a resposta ou aplicando técnicas inteligentes de recuperação de dados válidos.
Salvar em arquivo para revisão manual não é uma estratégia de recuperação automática. OutputParsers funcionam de forma inteligente e autossuficiente, sem necessidade de intervenção humana constante, especialmente em produção.
Forçar conversão sem validação real é perigoso e viola o princípio dos OutputParsers. Isso pode resultar em dados corrompidos ou incorretos sendo processados sem aviso, causando problemas sérios na aplicação.