bianca-ai 1.0.0

Biblioteca de Inteligência Artificial para Novos Componentes e Aplicações

BIANCA - Biblioteca de Inteligência Artificial para Novos Componentes e Aplicações

BIANCA é uma biblioteca Python que facilita o trabalho com modelos de IA da OpenAI, oferecendo funcionalidades para cálculo de tokens, comparação de custos e configurações centralizadas.

🚀 Características Principais

• Cálculo Preciso de Tokens: Contagem de tokens para diferentes modelos usando tiktoken
• Comparação de Custos: Análise detalhada de custos entre modelos
• Configurações Centralizadas: Gerenciamento unificado de parâmetros de IA
• Modelos Atualizados: Suporte aos modelos mais recentes da OpenAI
• Fácil Integração: API simples e intuitiva

📦 Instalação

Instalação via pip (recomendado)

pip install bianca-ai

Instalação do código fonte

git clone https://github.com/your-username/bianca-ai.git
cd bianca-ai
pip install -e .

Instalação com dependências extras

# Para desenvolvimento
pip install bianca-ai[dev]

# Para funcionalidades de áudio
pip install bianca-ai[audio]

# Todas as dependências
pip install bianca-ai[all]

🎯 Uso Rápido

Exemplo Básico

from bianca import CalculadoraTokens, obter_parametros

# Criar calculadora
calc = CalculadoraTokens()

# Calcular custo de um texto
texto = "Analise este produto e categorize-o"
custo_info = calc.calcular_custo_completo(texto, 'gpt-4o', 100)
print(f"Custo total: ${custo_info['custo_total']:.6f}")

# Comparar modelos
modelo_barato, custo = calc.encontrar_modelo_mais_economico(
    texto, ['gpt-4o', 'gpt-4o-mini', 'gpt-3.5-turbo'], 100
)
print(f"Modelo mais econômico: {modelo_barato}")

Comparação de Modelos

from bianca import CalculadoraTokens

calc = CalculadoraTokens()

# Comparar custos entre modelos
texto = "Você é um assistente de IA especializado em análise de dados."
calc.mostrar_comparacao_detalhada(texto, ['gpt-4o', 'gpt-4o-mini'])

Configurações

from bianca import obter_parametros

# Obter configurações
params = obter_parametros()
modelos = params.listar_modelos_disponiveis()
print(f"Modelos disponíveis: {modelos}")

# Obter configuração específica
config = params.obter_modelo('gpt-4o')
print(f"Preço GPT-4o: ${config.preco_entrada_por_1k_tokens}/1k tokens")

📚 Modelos Suportados

Modelos GPT-4

• gpt-4: Modelo original GPT-4
• gpt-4-turbo: Versão turbo com contexto expandido
• gpt-4o: Modelo otimizado mais recente
• gpt-4o-mini: Versão mini extremamente econômica

Modelos o1 (Raciocínio)

• o1-preview: Para raciocínio complexo
• o1-mini: Versão mais econômica para raciocínio

Modelos GPT-3.5

• gpt-3.5-turbo: Modelo econômico geral
• gpt-3.5-turbo-1106: Versão com melhorias
• gpt-3.5-turbo-0125: Versão mais recente

Modelos Especializados

• text-embedding-3-small: Embeddings pequenos
• text-embedding-3-large: Embeddings grandes
• text-moderation-latest: Moderação de conteúdo

🔧 Configuração

Variáveis de Ambiente

Crie um arquivo .env na raiz do seu projeto:

OPENAI_API_KEY=sk-your-api-key-here

Configuração Programática

from bianca import ParametrosIA

# Criar instância personalizada
params = ParametrosIA()
params.definir_temperatura_padrao(0.5)
params.definir_max_tokens_padrao(2000)

📖 API Reference

CalculadoraTokens

calcular_custo(modelo, tokens_entrada, tokens_saida=0)

Calcula o custo total para um modelo específico.

contar_tokens(texto, modelo)

Conta o número de tokens em um texto.

verificar_limite_tokens(modelo, tokens_entrada, tokens_saida=0)

Verifica se o número de tokens está dentro do limite do modelo.

comparar_modelos(texto, modelos, tokens_resposta=100)

Compara custos entre múltiplos modelos.

encontrar_modelo_mais_economico(texto, modelos, tokens_resposta=100)

Encontra o modelo mais econômico para um texto específico.

ParametrosIA

listar_modelos_disponiveis()

Retorna lista de todos os modelos disponíveis.

obter_modelo(nome_modelo)

Retorna configuração de um modelo específico.

obter_configuracao_completa(nome_modelo)

Retorna configuração completa incluindo metadados.

🧪 Testes

# Executar testes
pytest

# Com cobertura
pytest --cov=bianca

# Testes específicos
pytest tests/test_calcular_tokens.py

🛠️ Desenvolvimento

Configurar Ambiente de Desenvolvimento

# Clonar repositório
git clone https://github.com/your-username/bianca-ai.git
cd bianca-ai

# Criar ambiente virtual
python -m venv venv
source venv/bin/activate  # Linux/Mac
# ou
venv\Scripts\activate     # Windows

# Instalar dependências de desenvolvimento
pip install -e .[dev]

Estrutura do Projeto

bianca-ai/
├── bianca/                 # Módulo principal
│   ├── __init__.py        # Inicialização do módulo
│   ├── parametros.py      # Configurações e parâmetros
│   ├── calcular_tokens.py # Cálculo de tokens e custos
│   ├── modelo.py          # Classes de modelos
│   └── converter_audio_texto.py  # Conversão de áudio
├── tests/                 # Testes
├── docs/                  # Documentação
├── examples/              # Exemplos de uso
├── setup.py               # Configuração de instalação
├── pyproject.toml         # Configuração moderna
├── requirements.txt       # Dependências
└── README.md             # Este arquivo

Contribuindo

1. Fork o projeto
2. Crie uma branch para sua feature (git checkout -b feature/AmazingFeature)
3. Commit suas mudanças (git commit -m 'Add some AmazingFeature')
4. Push para a branch (git push origin feature/AmazingFeature)
5. Abra um Pull Request

📄 Licença

Este projeto está licenciado sob a Licença MIT - veja o arquivo LICENSE para detalhes.

🤝 Suporte

• Issues: GitHub Issues
• Documentação: Wiki
• Email: [e-mail]

🙏 Agradecimentos

• OpenAI pela API e modelos
• Comunidade Python pelos recursos e bibliotecas
• Contribuidores do projeto

📊 Estatísticas

• Versão Atual: 1.0.0
• Python: 3.8+
• Modelos Suportados: 12
• Dependências: 3 principais

---

BIANCA - Simplificando o trabalho com IA! 🚀