Regex resolve e-mails, CEPs e outras strings bonitinhas. Mas desmonta na hora em que alguém pede: “garanta que essa bio soe profissional” ou “confira se o anúncio realmente descreve um carro”. Dá para empilhar mais padrões, só que você continua julgando sintaxe, não significado.

Django AI Validator preenche esse vazio semântico. É um pacote novinho no PyPI que conecta seus campos Django a LLMs modernos (OpenAI, Anthropic, Gemini ou até um Ollama local) para validar e limpar o texto durante o fluxo normal do formulário.

Por Que Mais Um Validador?

Porque qualidade de conteúdo já não se resume a caracteres permitidos. Precisamos detectar tom, intenção e violações de política sem construir uma esteira de moderação do zero. Em vez de brincar de caça-palavras, você descreve em linguagem natural o que é “bom” e o validador faz o resto.

O Que o Pacote Entrega

  • Validação semântica: AISemanticValidator lê seu prompt (“Esse texto é respeitoso e relevante?”) e avalia o conteúdo nessa linha.
  • Limpeza automática: AICleanedField reescreve o input antes de persistir, remove PII, ajusta gramática e normaliza gírias.
  • Mimos no Django Admin: Dados suspeitos aparecem com indicadores visuais e ações em massa para limpeza.
  • Suporte a async: Chamadas demoradas ao LLM podem ir para tasks Celery, mantendo o request-response ágil.

Documentação: mazafard.github.io/Django-AI-Validator

Código aberto: github.com/Mazafard/Django-AI-Validator

Tour de Arquitetura (a.k.a. o Cantinho Nerd)

Para ficar agnóstico de provedor e pronto para produção, o núcleo usa padrões clássicos de design:

  1. Adapter Pattern: LLMAdapter define validate/clean. Implementações como OpenAIAdapter, AnthropicAdapter, GeminiAdapter e OllamaAdapter traduzem tudo para cada API.
  2. Abstract Factory: AIProviderFactory entrega o bundle certo (adapter + config) quando você pede “openai” ou “ollama”, sem ifs espalhados.
  3. Singleton Cache: LLMCacheManager mantém um cache compartilhado de prompt+payload para evitar custos duplicados ao repetir a mesma validação.
  4. Proxy Pattern: CachingLLMProxy envolve qualquer adapter, verifica o cache primeiro e só chama o real em caso de miss, salvando o resultado automaticamente.
  5. Facade Pattern: AICleaningFacade esconde toda a tubulação; os validators apenas chamam facade.validate() ou facade.clean().
  6. Template Method: AISemanticValidator descreve o fluxo prepare_input → call_llm → parse_response → raise_validation_error. Quem precisa pode sobrescrever etapas sem quebrar o algoritmo.

Usando em um Model

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18

from django.db import models
from django_ai_validator.validators import AISemanticValidator
from django_ai_validator.fields import AICleanedField

class Product(models.Model):
    name = models.CharField(
        max_length=100,
        validators=[
            AISemanticValidator(
                prompt_template="Check if this name is catchy and marketing-friendly. Return VALID if yes."
            )
        ],
    )

    description = AICleanedField(
        cleaning_prompt="Fix grammar, remove profanity, and keep it professional.",
        use_async=True,
    )

Nos bastidores, a facade escolhe o adapter adequado, o proxy passa pelo cache e o validator ou levanta ValidationError ou retorna o texto limpo.

Guia Rápido

  1. pip install django-ai-validator
  2. Configure as credenciais OpenAI/Anthropic/Gemini/Ollama no settings
  3. Adicione AISemanticValidator ou AICleanedField nos campos importantes

Pronto. Em vez de escrever 100 linhas de regex para adivinhar se um review é respeitoso, você descreve o comportamento esperado e deixa a decisão para o LLM. Me conta depois o que você resolveu validar!