app.py

import os
from dotenv import load_dotenv
from langchain_openai import ChatOpenAI
import gradio as gr

# Carrega a chave do .env
load_dotenv()
api_key = os.getenv("OPENROUTER_API_KEY")

# Verifica se a chave está disponível
if not api_key:
    raise ValueError("❌ Variável OPENROUTER_API_KEY não encontrada.")

# Define as variáveis que o LangChain espera
os.environ["OPENAI_API_KEY"] = api_key
os.environ["OPENAI_API_BASE"] = "https://openrouter.ai/api/v1"

# Instancia o modelo
llm = ChatOpenAI(
    model="deepseek/deepseek-r1:free",
    temperature=0.9
)

# Função com prompt de contexto
def responder(mensagem):
    try:
        prompt_inicial = (
            "Você é um assistente de professor altamente qualificado, especializado em ensinar programação em Python para iniciantes e estudantes de nível intermediário. "
            "Seu papel é atuar como tutor, respondendo dúvidas de forma didática, com explicações passo a passo, exemplos práticos e sugestões de exercícios. "
            "Sempre que possível, utilize analogias simples, linguagem acessível e boas práticas de programação. "
            "Evite respostas muito técnicas sem explicação. Sua missão é ensinar, não apenas responder.\n\n"
            "Estudante: " + mensagem + "\n"
            "Tutor:"
        )
        resposta = llm.invoke(prompt_inicial)
        return resposta.content
    except Exception as e:
        import traceback
        return f"❌ Erro:\n{traceback.format_exc()}"


# Interface Gradio adaptada
app = gr.Interface(
    fn=responder,
    inputs=gr.Textbox(placeholder="Ex: Gosto de thrillers psicológicos como os de Gillian Flynn.", label="Preferência do Cliente"),
    outputs=gr.Textbox(label="Sugestão de Livros"),
    title="Tutor Especialista em Python",
    description="Um assistente de IA especializado em sugerir livros com base nos seus gostos literários.",
)

app.launch(share=True)