Upload 3 files

.env

@@ -0,0 +1,3 @@
+OPENROUTER_API_KEY=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
+
+GROQ_API_KEY=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

app.py

@@ -0,0 +1,185 @@
+import os
+import sqlite3
+import tempfile
+import pandas as pd
+from bs4 import BeautifulSoup
+import requests
+from langchain_community.document_loaders import PyPDFLoader, WebBaseLoader
+from langchain.text_splitter import RecursiveCharacterTextSplitter
+from langchain_community.vectorstores import FAISS
+from langchain_community.embeddings import HuggingFaceEmbeddings
+from langchain_openai import ChatOpenAI
+from langchain.chains import ConversationalRetrievalChain
+from langchain.memory import ConversationBufferMemory
+import gradio as gr
+from langchain_community.document_loaders import PyPDFLoader
+
+# Configurações
+embeddings = HuggingFaceEmbeddings(model_name="sentence-transformers/all-MiniLM-L6-v2")
+text_splitter = RecursiveCharacterTextSplitter(chunk_size=500, chunk_overlap=100)
+
+# Variáveis globais para armazenamento em memória
+pdf_documents = []
+vectordb_pdf = None
+qa_chain_pdf = None
+
+# Mapeamento de temas para links sobre a prova
+temas_para_links = {
+    "estruturas de prova": "https://www.florence.edu.br/blog/como-e-dividida-a-prova-do-enem/",
+    "linguagens, códigos e suas tecnologias": "https://www.todamateria.com.br/linguagens-codigos-e-suas-tecnologias/",
+    "Ciências Humanas e suas Tecnologias": "https://www.todamateria.com.br/ciencias-humanas-e-suas-tecnologias/",
+    "Ciências da Natureza e suas Tecnologias": "https://www.todamateria.com.br/ciencias-da-natureza-e-suas-tecnologias/",
+    "Matemática e suas Tecnologias": "https://fia.com.br/blog/matematica-e-suas-tecnologias/",
+    "redação": "https://vestibular.brasilescola.uol.com.br/enem/saiba-tudo-sobre-a-redacao-do-enem.htm"
+}
+
+# Inicializa o LLM e a memória
+llm = ChatOpenAI(
+    model="deepseek/deepseek-r1:free", 
+    temperature=0.4,
+    openai_api_key=os.environ.get("OPENROUTER_API_KEY"),
+    openai_api_base="https://openrouter.ai/api/v1"
+)
+memoria = ConversationBufferMemory(memory_key="chat_history", return_messages=True, output_key="answer")
+
+# Cria banco de dados SQLite em memória
+conn = sqlite3.connect(":memory:")
+cursor = conn.cursor()
+cursor.execute('''
+CREATE TABLE IF NOT EXISTS conversas (
+    id INTEGER PRIMARY KEY AUTOINCREMENT,
+    aluno TEXT,
+    pergunta TEXT,
+    resposta TEXT,
+    timestamp DATETIME DEFAULT CURRENT_TIMESTAMP
+)
+''')
+conn.commit()
+
+# Funções auxiliares
+def processar_pdfs(files):
+    global pdf_documents, vectordb_pdf, qa_chain_pdf
+
+    pdf_documents = []
+    if not files:
+        return "⚠️ Nenhum arquivo foi enviado."
+
+    for file in files:
+        try:
+            # Se for NamedString
+            if isinstance(file, gr.FileData) or hasattr(file, "path"):
+                tmp_path = file.path
+                file_name = getattr(file, 'name', 'Arquivo desconhecido')
+            elif isinstance(file, str):
+                tmp_path = file  # Assume que o 'file' é um caminho direto
+                file_name = os.path.basename(file)
+            else:
+                return f"❌ Formato de arquivo não suportado: {str(type(file))}"
+
+            if not tmp_path or not os.path.exists(tmp_path):
+                return f"❌ Arquivo {file_name} não encontrado no caminho {tmp_path}"
+
+            # Processa o arquivo PDF
+            loader = PyPDFLoader(tmp_path)
+            docs = loader.load_and_split(text_splitter)
+            pdf_documents.extend(docs)
+
+        except Exception as e:
+            return f"❌ Erro ao processar {file_name if 'file_name' in locals() else 'PDF'}: {str(e)}"
+
+    if pdf_documents:
+        try:
+            vectordb_pdf = FAISS.from_documents(pdf_documents, embeddings)
+            qa_chain_pdf = ConversationalRetrievalChain.from_llm(
+                llm=llm,
+                retriever=vectordb_pdf.as_retriever(),
+                memory=memoria,
+                return_source_documents=True,
+                output_key="answer"
+            )
+            return f"✅ {len(files)} PDF(s) processado(s) - {len(pdf_documents)} trechos!"
+        except Exception as e:
+            return f"❌ Erro ao criar vetores: {str(e)}"
+    return "⚠️ Nenhum dado válido para processar."
+
+def responder(pergunta, nome):
+    try:
+        # Primeiro tenta encontrar na documentação web
+        link = identificar_tema(pergunta)
+        if link:
+            loader = WebBaseLoader(link)
+            docs = loader.load()
+            if docs:
+                documents = text_splitter.split_documents(docs)
+                vectordb = FAISS.from_documents(documents, embeddings)
+                retriever = vectordb.as_retriever()
+                resultado = ConversationalRetrievalChain.from_llm(
+                    llm=llm,
+                    retriever=retriever,
+                    memory=memoria,
+                    return_source_documents=True,
+                    output_key="answer"
+                ).invoke({"question": pergunta})
+                resposta = resultado["answer"].content if hasattr(resultado["answer"], "content") else str(resultado["answer"])
+                salvar_conversa(nome, pergunta, resposta)
+                return resposta
+        
+        # Se não encontrou na web, tenta nos PDFs locais
+        if pdf_documents:
+            resultado = qa_chain_pdf.invoke({"question": pergunta})
+            resposta = resultado["answer"]
+            salvar_conversa(nome, pergunta, resposta)
+            return resposta
+        
+        # Fallback para o LLM puro
+        resposta = llm.invoke(pergunta).content
+        salvar_conversa(nome, pergunta, resposta)
+        return resposta
+
+    except Exception as e:
+        return f"❌ Erro ao processar sua pergunta: {str(e)}"
+
+def resetar_memoria():
+    memoria.clear()
+    return "✅ Memória da conversa foi resetada!"
+
+def exportar_conversas():
+    df = pd.read_sql_query("SELECT * FROM conversas ORDER BY timestamp DESC", conn)
+    
+    # Cria arquivos temporários
+    with tempfile.NamedTemporaryFile(delete=False, suffix=".csv") as tmp_csv:
+        df.to_csv(tmp_csv.name, index=False)
+    
+    with tempfile.NamedTemporaryFile(delete=False, suffix=".xlsx") as tmp_xlsx:
+        df.to_excel(tmp_xlsx.name, index=False, engine="openpyxl")
+    
+    return [tmp_csv.name, tmp_xlsx.name]
+
+# Interface Gradio
+with gr.Blocks(title="Tutor de ENEM - Hugging Face") as app:
+    gr.Markdown("## 🤖 Tutor de ENEM - Busca em Múltiplos PDFs")
+    
+    with gr.Tab("📚 Upload de PDFs"):
+        file_input = gr.File(label="Selecione os PDFs", file_count="multiple", file_types=[".pdf"])
+        upload_button = gr.Button("Processar PDFs")
+        upload_status = gr.Textbox(label="Status")
+        upload_button.click(processar_pdfs, inputs=file_input, outputs=upload_status)
+    
+    with gr.Tab("💬 Conversar"):
+        with gr.Row():
+            nome = gr.Textbox(label="Seu nome (opcional)", placeholder="Ex: João")
+            pergunta = gr.Textbox(label="Sua dúvida sobre o ENEM", placeholder="Ex: Como se preparar para o ENEM?")
+        resposta = gr.Markdown(value="ℹ️ Aguardando sua pergunta...")
+        
+        with gr.Row():
+            botao_enviar = gr.Button("Enviar", variant="primary")
+            botao_resetar = gr.Button("🔁 Resetar Memória")
+            botao_exportar = gr.Button("📤 Exportar Histórico")
+
+        botao_enviar.click(fn=responder, inputs=[pergunta, nome], outputs=resposta)
+        botao_resetar.click(fn=resetar_memoria, outputs=resposta)
+        
+        export_files = gr.Files(label="Arquivos exportados")
+        botao_exportar.click(fn=exportar_conversas, outputs=export_files)
+
+app.launch()

requirements.txt

@@ -0,0 +1,16 @@
+langchain==0.1.13
+langchain-community==0.0.29
+langchain-openai==0.1.1
+sentence-transformers==2.7.0
+faiss-cpu==1.7.4
+python-dotenv==1.0.1
+gradio==4.24.0
+pandas==2.2.1
+openpyxl==3.1.2
+requests==2.31.0
+pypdf==4.1.0
+beautifulsoup4==4.12.3
+html2text==2020.1.16
+huggingface-hub==0.22.2
+tiktoken==0.6.0
+unstructured==0.13.4