Source: https://aiprimetech.io/pt/docs/guides/best-practices/

[Início](/pt/) / [Documentação](/pt/docs/) / Boas práticas para produção 

# Boas práticas para produção 

O que precisa estar correto antes de uma integração receber tráfego real. 

 Copiar página [ Ver como Markdown](/pt/docs/guides/best-practices.md) [ Perguntar ao ChatGPT](https://chatgpt.com/?q=Read%20https%3A//aiprimetech.io/docs/guides/best-practices.md%20and%20answer%20questions%20about%20it.%20Start%20with%20a%20short%20summary.) [ Perguntar no Claude](https://claude.ai/new?q=Read%20https%3A//aiprimetech.io/docs/guides/best-practices.md%20and%20answer%20questions%20about%20it.%20Start%20with%20a%20short%20summary.)   

## Confiabilidade 
- Repita as requisições para os códigos certos. 429, 500, 502, 503, 529 com espera exponencial e variação aleatória. Nunca repita cegamente 400, 401, 402 ou 403.
- Defina tempos limite. Uma geração longa pode legitimamente levar minutos; um socket travado não deve travar também seu processo de trabalho. 120s é um limite razoável para chamadas sem streaming.
- Limite a concorrência com um semáforo, em vez de disparar tudo e repetir as requisições rejeitadas.
- Tenha um modelo de contingência. Se o modelo principal estiver sobrecarregado, recorrer a um modelo menor é melhor do que retornar um erro. 

## Custo 
- Defina max_tokens em cada chamada. É um limite de gastos, não uma sugestão.
- Direcione por tarefa — consulte [Controle de custos](/pt/docs/guides/cost-control/).
- Ative [o cache de prompts](/pt/docs/guides/prompt-caching/) para obter prefixos estáveis.
- Registre usage por requisição, com um rótulo de tarefa, para poder atribuir os gastos depois. 

## Segurança 
- As chaves ficam em variáveis de ambiente ou em um gerenciador de segredos — nunca no repositório, nunca em um pacote do cliente.
- Uma chave por serviço, para que a revogação seja pontual.
- Nunca construa prompts concatenando entradas não confiáveis do usuário com instruções; mantenha o conteúdo do usuário em uma mensagem user e as instruções em system.
- Trate a saída do modelo como não confiável. Não execute eval nem execute SQL gerado com uma função que tenha permissão de escrita. 

## Observabilidade 
- Registre o modelo, a latência, usage, stop_reason e seu próprio tipo de tarefa em cada chamada.
- Configure um alerta para a taxa de stop_reason: max_tokens — um aumento significa que as respostas estão sendo truncadas.
- Acompanhe o custo por tipo de tarefa, não apenas o total. Os totais ocultam qual carga de trabalho piorou. 

O alerta mais valioso é o de truncamento, não o de erros. Uma resposta truncada retorna HTTP 200 e parece normal no monitoramento, embora esteja errada para o usuário. 

[ErrosSemântica de novas tentativas](/pt/docs/api-reference/errors/)[Limites de requisiçõesConcorrência](/pt/docs/api-reference/rate-limits/)[Controle de custosGestão de gastos](/pt/docs/guides/cost-control/) 

[AnteriorMigração da API da OpenAI](/pt/docs/guides/migration-from-openai/)[PróximoSolução de problemas](/pt/docs/guides/troubleshooting/)