> ## Documentation Index
> Fetch the complete documentation index at: https://docs.tokenlab.sh/llms.txt
> Use this file to discover all available pages before exploring further.

# Boas Práticas

> Otimize o uso da sua API TokenLab para custo, performance e confiabilidade

## Seleção de Modelo

Escolher o modelo certo pode impactar significativamente o custo e a qualidade.

### Recomendações Baseadas em Tarefas

| Tarefa                            | Modelos Recomendados                              | Justificativa                |
| --------------------------------- | ------------------------------------------------- | ---------------------------- |
| **Perguntas e respostas simples** | `gpt-5-mini`, `gemini-3.5-flash`                  | Rápido, barato, suficiente   |
| **Raciocínio complexo**           | `gpt-5.4`, `claude-opus-4-6`, `deepseek-r1`       | Melhor lógica e planejamento |
| **Programação**                   | `claude-sonnet-4-6`, `gpt-4o`, `deepseek-v3-2`    | Otimizado para código        |
| **Escrita criativa**              | `claude-sonnet-4-6`, `gpt-4o`                     | Melhor qualidade de prosa    |
| **Visão/Imagens**                 | `gpt-4o`, `claude-sonnet-4-6`, `gemini-3.5-flash` | Suporte nativo a visão       |
| **Contexto longo**                | `gemini-2.5-pro`, `claude-sonnet-4-6`             | Janelas de 1M+ token         |
| **Sensível a custo**              | `gpt-5-mini`, `gemini-3.5-flash`, `deepseek-v3-2` | Melhor custo-benefício       |

### Faixas de Custo

```
$$$$ Premium: gpt-5.4, claude-opus-4-6
$$$  Standard: claude-sonnet-4-6, gpt-4o
$$   Budget:   gpt-5-mini, gemini-3.5-flash
$    Economy:  deepseek-v3-2, deepseek-r1
```

## Otimização de Custos

### 1. Use Modelos Menores Primeiro

```python theme={null}
def smart_query(question: str, complexity: str = "auto"):
    """Use cheaper models for simple tasks."""

    if complexity == "simple":
        model = "gpt-5-mini"
    elif complexity == "complex":
        model = "gpt-4o"
    else:
        # Start cheap, escalate if needed
        model = "gpt-5-mini"

    response = client.chat.completions.create(
        model=model,
        messages=[{"role": "user", "content": question}]
    )
    return response
```

### 2. Defina `max_tokens`

Sempre defina um limite razoável de `max_tokens`:

```python theme={null}
# ❌ Bad: No limit, could generate thousands of tokens
response = client.chat.completions.create(
    model="gpt-4o",
    messages=[{"role": "user", "content": "Summarize this article"}]
)

# ✅ Good: Limit response length
response = client.chat.completions.create(
    model="gpt-4o",
    messages=[{"role": "user", "content": "Summarize this article"}],
    max_tokens=500  # Reasonable limit for a summary
)
```

### 3. Otimize os Prompts

```python theme={null}
# ❌ Verbose prompt (more input tokens)
prompt = """
I would like you to please help me by analyzing the following text
and providing a comprehensive summary of the main points. Please be
thorough but also concise in your response. The text is as follows:
{text}
"""

# ✅ Concise prompt (fewer tokens)
prompt = "Summarize the key points:\n{text}"
```

### 4. Faça Batch de Requisições Semelhantes

```python theme={null}
# ❌ Many small requests
for question in questions:
    response = client.chat.completions.create(
        model="gpt-4o",
        messages=[{"role": "user", "content": question}]
    )

# ✅ Fewer larger requests
combined_prompt = "\n".join([f"{i+1}. {q}" for i, q in enumerate(questions)])
response = client.chat.completions.create(
    model="gpt-4o",
    messages=[{"role": "user", "content": f"Answer each question:\n{combined_prompt}"}]
)
```

## Otimização de Performance

### 5. Use Streaming para UX

Streaming melhora a performance percebida:

```python theme={null}
stream = client.chat.completions.create(
    model="gpt-4o",
    messages=[{"role": "user", "content": "Write a long essay"}],
    stream=True
)

for chunk in stream:
    if chunk.choices[0].delta.content:
        print(chunk.choices[0].delta.content, end="", flush=True)
```

### 6. Escolha Modelos Rápidos para Uso Interativo

| Caso de Uso                    | Recomendado                      | Latência                      |
| ------------------------------ | -------------------------------- | ----------------------------- |
| UI de chat                     | `gpt-5-mini`, `gemini-3.5-flash` | \~200ms para o primeiro token |
| Completar com Tab              | `claude-haiku-4-5`               | \~150ms para o primeiro token |
| Processamento em segundo plano | `gpt-4o`, `claude-sonnet-4-6`    | \~500ms para o primeiro token |

### 7. Defina Timeouts

```python theme={null}
client = OpenAI(
    api_key="sk-your-key",
    base_url="https://api.tokenlab.sh/v1",
    timeout=60.0  # 60 second timeout
)
```

## Confiabilidade

### 8. Implemente Retries

```python theme={null}
import time
from openai import RateLimitError, APIError

def chat_with_retry(messages, max_retries=3):
    for attempt in range(max_retries):
        try:
            return client.chat.completions.create(
                model="gpt-4o",
                messages=messages
            )
        except RateLimitError:
            wait = 2 ** attempt
            print(f"Rate limited, waiting {wait}s...")
            time.sleep(wait)
        except APIError as e:
            if attempt == max_retries - 1:
                raise
            time.sleep(1)
    raise Exception("Max retries exceeded")
```

### 9. Trate Erros de Forma Elegante

```python theme={null}
from openai import APIError, AuthenticationError, RateLimitError

try:
    response = client.chat.completions.create(...)
except AuthenticationError:
    # Check API key
    notify_admin("Invalid API key")
except RateLimitError:
    # Queue for later or use backup
    add_to_queue(request)
except APIError as e:
    if e.status_code == 402:
        notify_admin("Balance low")
    elif e.status_code >= 500:
        # Server error, retry later
        schedule_retry(request)
```

### 10. Use Modelos de Fallback

```python theme={null}
FALLBACK_CHAIN = ["gpt-4o", "claude-sonnet-4-6", "gemini-3.5-flash"]

def chat_with_fallback(messages):
    for model in FALLBACK_CHAIN:
        try:
            return client.chat.completions.create(
                model=model,
                messages=messages
            )
        except APIError:
            continue
    raise Exception("All models failed")
```

## Segurança

### 11. Proteja as API Keys

```python theme={null}
# ❌ Never hardcode keys
client = OpenAI(api_key="sk-abc123...")

# ✅ Use environment variables
import os
client = OpenAI(api_key=os.environ["TOKENLAB_API_KEY"])
```

### 12. Valide a Entrada do Usuário

```python theme={null}
def validate_message(content: str) -> bool:
    """Validate user input before sending to API."""
    if len(content) > 100000:
        raise ValueError("Message too long")
    # Add other validation as needed
    return True
```

### 13. Defina Limites para API Keys

Crie API keys separadas com limites de gastos para:

* Desenvolvimento/testes
* Produção
* Diferentes aplicações

## Monitoramento

### 14. Acompanhe o Uso

Verifique seu dashboard regularmente para:

* Uso de token por modelo
* Detalhamento de custos
* Taxas de acerto do cache
* Taxas de erro

### 15. Registre Métricas Importantes

```python theme={null}
import logging

response = client.chat.completions.create(...)

logging.info({
    "model": response.model,
    "prompt_tokens": response.usage.prompt_tokens,
    "completion_tokens": response.usage.completion_tokens,
    "total_tokens": response.usage.total_tokens,
})
```

### 16. Configure Alertas

Configure alertas de saldo baixo no seu dashboard para evitar interrupção do serviço.

## Checklist

<AccordionGroup>
  <Accordion title="Otimização de custos">
    * [ ] Usando o modelo apropriado para cada tarefa
    * [ ] Definindo limites de max\_tokens
    * [ ] Prompts concisos
    * [ ] Cache habilitado onde apropriado
    * [ ] Batch de requisições semelhantes
  </Accordion>

  <Accordion title="Performance">
    * [ ] Streaming para UX interativa
    * [ ] Modelos rápidos para uso em tempo real
    * [ ] Timeouts configurados
  </Accordion>

  <Accordion title="Confiabilidade">
    * [ ] Lógica de retry implementada
    * [ ] Tratamento de erros implementado
    * [ ] Modelos de fallback configurados
  </Accordion>

  <Accordion title="Segurança">
    * [ ] API keys em variáveis de ambiente
    * [ ] Validação de entrada
    * [ ] Chaves separadas para dev/prod
    * [ ] Limites de gastos definidos
  </Accordion>
</AccordionGroup>