labels.suggest_word_configuration=Palavra sugerida
labels.suggest_word_title_details=Palavra sugerida
labels.suggest_word_type=Tipo de palavra
labels.suggest_word_number=Número de palavras
labels.suggest_word_type_all=Tudo
labels.suggest_word_type_document=Documento
labels.suggest_word_type_query=Termo de pesquisa
labels.elevate_word_configuration=Palavra adicional
labels.elevate_word_title_details=Palavra adicional

## Máquina Servidora e Programa Servidor

Existe um pequeno detalhe sobre estes nomes para se manter em mente. 💡

A palavra "**servidor**" é comumente usada para se referir tanto ao computador remoto/nuvem (a máquina física ou virtual) quanto ao programa que está sendo executado nessa máquina (por exemplo, Uvicorn).

## Programa e Processo

Falaremos muito sobre o "**processo**" em execução, então é útil ter clareza sobre o que ele significa e qual é a diferença com a palavra "**programa**".

### O que é um Programa

A palavra **programa** é comumente usada para descrever muitas coisas:

* O **código** que você escreve, os **arquivos Python**.

Então, obtemos um modelo Pydantic a partir dos dados em outro modelo Pydantic.

#### Desembrulhando um `dict` e palavras-chave extras

E, então, adicionando o argumento de palavra-chave extra `hashed_password=hashed_password`, como em:

```Python
UserInDB(**user_in.dict(), hashed_password=hashed_password)
```

...acaba sendo como:

```Python

Eu penso que `Union[SomeType, None]` é mais explícito sobre o que ele significa.

Isso é apenas sobre palavras e nomes. Mas estas palavras podem afetar como os seus colegas de trabalho pensam sobre o código.

### Pré-processar a Especificação OpenAPI para o Gerador de Clientes

O código gerado ainda tem algumas **informações duplicadas**.

Nós já sabemos que esse método está relacionado aos **items** porque essa palavra está no `ItemsService` (retirada da tag), mas ainda temos o nome da tag prefixado no nome do método também. 😕

Provavelmente ainda queremos mantê-lo para o OpenAPI em geral, pois isso garantirá que os IDs de operação sejam **únicos**.

labels.suggest_word_configuration=Palabra sugerida
labels.suggest_word_title_details=Palabra sugerida
labels.suggest_word_type=Tipo de palabra
labels.suggest_word_number=Número de palabras
labels.suggest_word_type_all=Todo
labels.suggest_word_type_document=Documento
labels.suggest_word_type_query=Término de búsqueda
labels.elevate_word_configuration=Palabra adicional
labels.elevate_word_title_details=Palabra adicional

Así, obtenemos un modelo Pydantic a partir de los datos en otro modelo Pydantic.

#### Desempaquetando un `dict` y palabras clave adicionales

Y luego agregando el argumento de palabra clave adicional `hashed_password=hashed_password`, como en:

```Python
UserInDB(**user_in.dict(), hashed_password=hashed_password)
```

...termina siendo como:

///

```Python hl_lines="1"
async def needy_dependency(fresh_value: str = Depends(get_value, use_cache=False)):
    return {"fresh_value": fresh_value}
```

////

## Resumen

Aparte de todas las palabras rimbombantes usadas aquí, el sistema de **Inyección de Dependencias** es bastante simple.

Solo son funciones que se ven igual que las *path operation functions*.

errors.failed_to_download_elevate_file = Não foi possível baixar o arquivo de palavras elevadas.
errors.failed_to_upload_elevate_file = Não foi possível carregar o arquivo de palavras elevadas.
errors.failed_to_download_badword_file = Não foi possível baixar o arquivo de palavras ruins.
errors.failed_to_upload_badword_file = Não foi possível carregar o arquivo de palavras ruins.