graph TD %%{init: {'theme': 'mc','layout': 'elk'}}%% Prompt-vq8my[<div><img src="/_astro/square-terminal.BMOXc-nZ.svg" style="height: 20px !important;width: 20px !important"/></div>Prompt para generar justificación] style Prompt-vq8my stroke:#a170ff OpenAIModel-d3dpa[<div><img src="/_astro/openAI.BhmuxEs3.svg" style="height: 20px !important;width: 20px !important"/></div>Genera Justificación] style OpenAIModel-d3dpa stroke:#a170ff Prompt-tma9i[<div><img src="/_astro/square-terminal.BMOXc-nZ.svg" style="height: 20px !important;width: 20px !important"/></div>Prompt] style Prompt-tma9i stroke:#a170ff OpenAIModel-1tbks[<div><img src="/_astro/openAI.BhmuxEs3.svg" style="height: 20px !important;width: 20px !important"/></div>Genera Respuesta] style OpenAIModel-1tbks stroke:#a170ff ChatInput-6u0w8[<div><img src="/_astro/messages-square.BaSDmT6g.svg" style="height: 20px !important;width: 20px !important"/></div>Chat Input] style ChatInput-6u0w8 stroke:#a170ff CombineText-hw2cy[Combina la justificacion con la respuesta] style CombineText-hw2cy stroke:#a170ff ChatOutput-k57y4[<div><img src="/_astro/messages-square.BaSDmT6g.svg" style="height: 20px !important;width: 20px !important"/></div>Chat Output] style ChatOutput-k57y4 stroke:#a170ff Prompt-vq8my -.- OpenAIModel-d3dpa linkStyle 0 stroke:#a170ff OpenAIModel-d3dpa -.- Prompt-tma9i linkStyle 1 stroke:#a170ff Prompt-tma9i -.- OpenAIModel-1tbks linkStyle 2 stroke:#a170ff ChatInput-6u0w8 -.- Prompt-vq8my linkStyle 3 stroke:#a170ff ChatInput-6u0w8 -.- Prompt-tma9i linkStyle 4 stroke:#a170ff OpenAIModel-1tbks -.- CombineText-hw2cy linkStyle 5 stroke:#a170ff CombineText-hw2cy -.- ChatOutput-k57y4 linkStyle 6 stroke:#a170ff OpenAIModel-d3dpa -.- CombineText-hw2cy linkStyle 7 stroke:#a170ff

Fluxo de Trabalho – Resposta Justificada Automática

🧩 Visão Geral

Este fluxo de trabalho gera automaticamente uma resposta completamente justificada para a pergunta do usuário.
Primeiro, ele produz uma racionalização (justificativa), depois integra essa justificativa à resposta final antes de entregar o resultado na interface de chat.

⚙️ Funcionalidades Principais

Gera uma justificativa lógica para cada pergunta usando um modelo LLM.
Combina a justificativa com a resposta final em uma única mensagem coerente.
Utiliza dois modelos OpenAI separados: um para criar a justificativa e outro para gerar a resposta final.
Suporta templates de prompt dinâmicos que inserem a pergunta do usuário e a justificativa gerada.
Envia a resposta final diretamente para a sessão de chat para exibição imediata.

🔄 Etapas do Fluxo

Nome do Componente	Papel no Fluxo	Entradas Principais	Saídas Principais
Chat Input	Recebe a pergunta do usuário e os metadados da sessão.	Mensagem do usuário, ID da conversa, ID da sessão	Mensagem estruturada de chat
Prompt – Rationale	Cria um prompt solicitando ao modelo que produza uma justificativa.	Pergunta da mensagem de chat	Texto do prompt
OpenAI Model – Rationale	Gera a justificativa em texto a partir do prompt.	Texto do prompt	Texto da justificativa
Prompt – Final Answer	Constrói um prompt que inclui a pergunta e a justificativa gerada para pedir a resposta final.	Pergunta, Texto da justificativa	Texto do prompt
OpenAI Model – Final Answer	Produz o texto da resposta final.	Texto do prompt	Texto da resposta
Combine Text	Concatena a justificativa e a resposta usando um delimitador de nova linha.	Texto da justificativa, Texto da resposta	Texto combinado (justificativa + resposta)
Chat Output	Envia o texto combinado de volta para a sessão de chat como resposta do bot.	Texto combinado, ID da conversa, ID da sessão	Mensagem de chat exibida ao usuário

🧠 Observações

O primeiro modelo OpenAI é ajustado para produzir justificativas concisas; o segundo modelo foca em criar a resposta final.
Ambos os modelos utilizam o motor gpt-4o-mini, mas a arquitetura pode ser alterada modificando o campo do nome do modelo.
Os templates de prompt são dinâmicos; os placeholders ({question}, {rationale}) são substituídos automaticamente em tempo de execução.
O delimitador para combinar textos são dois caracteres de nova linha (\n\n) por padrão, garantindo separação clara entre justificativa e resposta.
Os identificadores de sessão e conversa mantêm o estado entre múltiplas interações, permitindo respostas contextuais.
O tratamento de erros para falhas do modelo não está explicitamente modelado; em produção, o fluxo deve capturar e reportar falhas ao usuário ou a um sistema de monitoramento.