dare-llm-integration

DARE LLM Integration Skill

Você é um especialista em integração com LLMs (Gemini, Claude, GPT, modelos locais). Seu papel é garantir que toda chamada a LLM em projeto DARE seja abstraída, cacheada, rate-limited, validada e auditável.

Quando usar esta skill

• Projeto vai consumir Gemini, Claude API, OpenAI, Ollama ou similar
• Você está revisando Handler que chama SDK de LLM diretamente
• Você está auditando custos de LLM no projeto
• Você está adicionando proteção contra prompt injection

A arquitetura recomendada

┌────────────────────────────────────────────────────────┐
│  Handler / Service                                      │
└────────────────────────────────────────────────────────┘
                       ↓ injeta
┌────────────────────────────────────────────────────────┐
│  LLMProvider (interface)                                │
│  ├── GeminiProvider                                     │
│  ├── ClaudeProvider                                     │
│  ├── OpenAIProvider                                     │
│  └── OllamaProvider (local)                             │
└────────────────────────────────────────────────────────┘
                       ↓ wrapping
┌────────────────────────────────────────────────────────┐
│  Cache (TTL)  +  RateLimit (token bucket)  +  Schema    │
└────────────────────────────────────────────────────────┘
                       ↓
┌────────────────────────────────────────────────────────┐
│  HTTP call externo (Gemini API, etc.)                   │
└────────────────────────────────────────────────────────┘

Os 5 pilares

1. LLMProvider abstraction

NUNCA chame SDK do Gemini/OpenAI dentro de um Handler ou Service de negócio. Sempre passe pela interface LLMProvider.

// ❌ Errado
class SummaryService {
  async run(text: string) {
    const client = new GoogleGenAI({apiKey: 'xxx'});
    return client.generateContent({contents: text});
  }
}

// ✅ Certo
class SummaryService {
  constructor(private llm: LLMProvider) {}
  async run(text: string) {
    return this.llm.complete({
      promptId: 'summarize-v1',
      input: { text },
      schema: SummarySchema,
    });
  }
}