"""
Módulo para integração com modelos OpenAI em séries temporais.
"""
from .base import Model
from openai import OpenAI as Client
import time
[documentos]
class OpenAI(Model):
"""
Classe para integração com modelos OpenAI para previsão de séries temporais.
Attributes:
model (str): Nome do modelo OpenAI.
api_key (str): Chave de API para autenticação.
base_url (str): URL base do endpoint OpenAI.
"""
[documentos]
def __init__(
self,
model: str,
api_key: str,
base_url: str
) -> None:
"""
Inicializa a classe OpenAI com configurações de conexão.
Args:
model (str): Nome do modelo OpenAI.
api_key (str): Chave de API para autenticação.
base_url (str): URL base do endpoint OpenAI.
"""
self.model = model
self.api_key = api_key
self.base_url = base_url
[documentos]
def predict(
self,
content: str,
temperature: float = 0.7,
**kwargs
) -> tuple[str, int, int, float]:
"""
Envia uma requisição de chat para um modelo OpenAI e retorna a resposta com métricas.
Args:
content (str): Conteúdo da mensagem do usuário a ser enviada.
temperature (float, optional): Grau de aleatoriedade da resposta.
Padrão: 0.7.
**kwargs: Argumentos adicionais passados para `client.chat.completions.create`.
Returns:
tuple[str, int, int, float]: Tupla contendo:
- response: Resposta do modelo.
- prompt_tokens: Número de tokens usados no prompt.
- response_tokens: Número de tokens usados na resposta.
- response_time: Tempo total da requisição em segundos.
Examples:
>>> response, prompt_tokens, response_tokens, time_sec = model.predict(
... content="Série temporal: [199.99, 190.10, 180.01, 178.45, 160.33]. Preveja próximos 3 valores.",
... temperature=0.5
... )
>>> print(response)
'[149.25, 140.10, 128.50]'
"""
client = Client(api_key=self.api_key, base_url=self.base_url)
params = {
"model": self.model,
"messages": [{"role": "user", "content": content}],
"temperature": temperature
}
params.update(kwargs)
start_time = time.time()
response = client.chat.completions.create(**params)
end_time = time.time()
response_text = response.choices[0].message.content
response_text = self._clean_response(response_text)
usage = response.usage
total_tokens_prompt = usage.prompt_tokens
total_tokens_response = usage.completion_tokens
response_time = end_time - start_time
return response_text, total_tokens_prompt, total_tokens_response, response_time