API AI (OpenAI/Anthropic)

Il tuo codice → Richiesta HTTP → Server AI → Risposta JSON → Il tuo codice la elabora

from openai import OpenAI

# Inizializza il client con la tua API key
client = OpenAI(api_key="sk-la-tua-chiave")

# System prompt specializzato per lo studio legale
system_prompt = """Sei un assistente legale per lo studio dell'Avv. Marco Rossi.
Analizza contratti commerciali italiani.
Rispondi sempre in italiano, citando gli articoli di legge pertinenti.
Segnala clausole vessatorie con il prefisso [ATTENZIONE]."""

# Invio della richiesta
risposta = client.chat.completions.create(
    model="gpt-4o",
    messages=[
        {"role": "system", "content": system_prompt},
        {"role": "user", "content": "Analizza questo contratto: ..."}
    ],
    temperature=0.2  # Bassa: risposte precise e coerenti
)

# Estrai il testo della risposta
testo = risposta.choices[0].message.content
print(testo)

import anthropic

# Inizializza il client Anthropic
client = anthropic.Anthropic(api_key="sk-ant-la-tua-chiave")

# Chiamata API con Claude
risposta = client.messages.create(
    model="claude-sonnet-4-20250514",
    max_tokens=2048,  # Obbligatorio con Anthropic
    system="""Sei un assistente legale per lo studio dell'Avv. Rossi.
Analizza contratti italiani, cita articoli di legge, segnala rischi.""",
    messages=[
        {"role": "user", "content": "Analizza questo contratto: ..."}
    ]
)

# La risposta è una lista di blocchi di contenuto
testo = risposta.content[0].text
print(testo)

AVVOCATO:
Sei l'assistente legale dello studio Rossi. Analizzi contratti commerciali
italiani. Citi sempre gli articoli del codice civile pertinenti. Segnali
clausole vessatorie e rischi con [ATTENZIONE]. Rispondi in italiano formale.

MEDICO:
Sei l'assistente clinico della Dott.ssa Bianchi. Riassumi letteratura
medica, prepari schede informative per pazienti e analizzi linee guida.
Usi un linguaggio accessibile ma scientificamente accurato. Specifichi
sempre che le informazioni non sostituiscono il parere medico.

CONSULENTE FISCALE:
Sei l'assistente dello studio Conti. Analizzi normativa fiscale italiana,
circolari AdE e scadenze tributarie. Rispondi citando riferimenti
normativi precisi. Segnali variazioni rispetto alla normativa precedente.

import json
from openai import OpenAI

client = OpenAI(api_key="sk-la-tua-chiave")

risposta = client.chat.completions.create(
    model="gpt-4o",
    messages=[
        {"role": "system", "content": """Analizza il contratto e restituisci
SOLO un JSON valido con questa struttura:
{
  "parti": ["nome parte 1", "nome parte 2"],
  "oggetto": "descrizione sintetica",
  "durata_mesi": 12,
  "valore_euro": 50000,
  "clausole_critiche": [
    {"articolo": "Art. 8", "rischio": "alto", "motivo": "..."}
  ],
  "penali": true,
  "recesso_anticipato": true
}"""},
        {"role": "user", "content": testo_contratto}
    ],
    temperature=0.1  # Minima: output deterministico
)

# Parsing del JSON dalla risposta
dati_contratto = json.loads(risposta.choices[0].message.content)

# Ora puoi salvare nel gestionale
print(f"Contratto tra: {dati_contratto['parti']}")
print(f"Clausole critiche: {len(dati_contratto['clausole_critiche'])}")

# Stima costo per analisi contratto
# GPT-4o: ~$2.50 / 1M token input, ~$10 / 1M token output
# Claude Sonnet: ~$3 / 1M token input, ~$15 / 1M token output

token_input = 8000   # Contratto di 30 pagine circa
token_output = 2000  # Analisi dettagliata

# Calcolo costo GPT-4o
costo_input = (token_input / 1_000_000) * 2.50
costo_output = (token_output / 1_000_000) * 10.00
costo_totale = costo_input + costo_output

print(f"Costo per contratto: ${costo_totale:.4f}")
print(f"Costo per 20 contratti/giorno: ${costo_totale * 20:.2f}")
print(f"Costo mensile stimato (20 gg): ${costo_totale * 20 * 20:.2f}")

# Risultato tipico: ~0.04 euro per contratto
# 20 contratti/giorno = ~0.80 euro/giorno
# Costo mensile: ~16 euro vs ore di lavoro risparmiate