app.py

import streamlit as st
import pandas as pd
import torch
from transformers import GPT2Tokenizer, GPT2LMHeadModel

# Carregando o modelo e o tokenizador do GPT-2
tokenizer = GPT2Tokenizer.from_pretrained('gpt2')
model = GPT2LMHeadModel.from_pretrained('gpt2')

# Set the padding token to the end-of-sequence token
if tokenizer.pad_token is None:
    tokenizer.pad_token = tokenizer.eos_token

df = pd.read_csv('anomalies.csv')

# Função para gerar resposta
def response(question):
    prompt = f"Considerando os dados: {df.to_string(index=False)}. Pergunta: {question} Resposta:"
    inputs = tokenizer(prompt, return_tensors='pt', padding='max_length', truncation=True, max_length=512)
    attention_mask = inputs['attention_mask']
    input_ids = inputs['input_ids']
    
    generated_ids = model.generate(
        input_ids,
        attention_mask=attention_mask,
        max_length=len(input_ids[0]) + 100,  # Aumentar o limite de geração
        temperature=0.65,  # Ajustar a criatividade
        top_p=0.9,  # Usar nucleus sampling
        no_repeat_ngram_size=2  # Evitar repetições desnecessárias
    )
    
    generated_text = tokenizer.decode(generated_ids[0], skip_special_tokens=True)
    # Processando para extrair apenas a resposta após "Resposta:"
    response_part = generated_text.split("Resposta:")[1] if "Resposta:" in generated_text else "Resposta não encontrada."
    final_response = response_part.split(".")[0] + "."  # Assumindo que a resposta termina na primeira sentença.
    
    return final_response

# Interface Streamlit
st.markdown("""
<div style='display: flex; align-items: center;'>
    <div style='width: 20px; height: 20px; background-color: green; border-radius: 50%; margin-right: 5px;'></div>
    <div style='width: 20px; height: 20px; background-color: red; border-radius: 50%; margin-right: 5px;'></div>
    <div style='width: 20px; height: 20px; background-color: yellow; border-radius: 50%; margin-right: 10px;'></div>
    <span style='font-size: 24px; font-weight: bold;'>Chatbot do Tesouro RS</span>
</div>
""", unsafe_allow_html=True)

# Histórico de conversas
if 'history' not in st.session_state:
    st.session_state['history'] = []

# Caixa de entrada para a pergunta
user_question = st.text_input("Escreva sua questão aqui:", "")

if user_question:
    # Adiciona emoji de pessoa quando a pergunta está sendo digitada
    st.session_state['history'].append(('👤', user_question))
    st.markdown(f"**👤 {user_question}**")
    
    # Gera a resposta
    bot_response = response(user_question)
    
    # Adiciona emoji de robô quando a resposta está sendo gerada e alinha à direita
    st.session_state['history'].append(('🤖', bot_response))
    st.markdown(f"<div style='text-align: right'>**🤖 {bot_response}**</div>", unsafe_allow_html=True)

# Botão para limpar o histórico
if st.button("Limpar"):
    st.session_state['history'] = []

# Exibe o histórico de conversas
for sender, message in st.session_state['history']:
    if sender == '👤':
        st.markdown(f"**👤 {message}**")
    elif sender == '🤖':
        st.markdown(f"<div style='text-align: right'>**🤖 {message}**</div>", unsafe_allow_html=True)