Testes de Unidade Semânticos com LLMs: Apresentando a biblioteca `suite`

2025-05-05

Este artigo apresenta `suite`, uma biblioteca Python que utiliza modelos de linguagem grandes (LLMs) para testes de unidade semânticos. Ao contrário dos testes de unidade tradicionais, `suite` avalia a correção semântica das funções comparando sua implementação com suas docstrings. O autor detalha o funcionamento do `suite`, incluindo a construção de prompts, o tratamento de dependências de funções e a integração com o pytest. Embora enfatize que `suite` não deve substituir os testes de unidade tradicionais, ele serve como um complemento valioso, ajudando os desenvolvedores a detectar bugs precocemente e melhorar a cobertura de testes. `suite` suporta testes assíncronos e permite o uso de modelos locais, reduzindo custos e preocupações com privacidade.

Leia mais
Desenvolvimento testes de unidade

Notebooks Jupyter e LLMs: Uma otimização de custos inesperada

2025-01-21

O autor usou LLMs para assistência de codificação, inicialmente com uma configuração ContinueDev + OpenRouter. Os custos aumentaram inesperadamente. A investigação revelou que arquivos Jupyter Notebook (.ipynb) contêm conteúdo oculto significativo (saídas de código, metadados, imagens codificadas em base64), levando a uma grande contagem de tokens e aumento dos custos de chamada do LLM. A solução foi converter arquivos .ipynb em arquivos .py e remover imagens codificadas em base64. Isso reduziu os custos em 94% e também a latência. A postagem destaca a importância de uma entrada consciente ao usar LLMs e recomenda verificar os custos regularmente.

Leia mais
Desenvolvimento Otimização de Custos