Update app.py

app.py

@@ -9,23 +9,22 @@ def demo():
         collection_name = gr.State()
         
         gr.Markdown(
-        """<center><h2>Chatbot baseado em PDF</center></h2>
-        <h3>Faça qualquer pergunta sobre seus documentos PDF</h3>""")
+        """<center><h2>Assistente de Análise de Relatórios de Metrologia</center></h2>
+        <h3>Faça qualquer pergunta sobre seus relatórios de metrologia</h3>""")
         gr.Markdown(
-        """<b>Nota:</b> Este assistente de IA, utilizando Langchain e LLMs de código aberto, realiza geração aumentada por recuperação (RAG) a partir de seus documentos PDF. \
-        A interface do usuário mostra explicitamente várias etapas para ajudar a entender o fluxo de trabalho do RAG. 
-        Este chatbot leva em consideração perguntas anteriores ao gerar respostas (via memória conversacional), e inclui referências documentais para maior clareza.<br>
+        """<b>Nota:</b> Este assistente de IA, utilizando Langchain e LLMs de código aberto, realiza geração aumentada por recuperação (RAG) a partir de seus relatórios de metrologia em formato PDF. \
+        A interface do usuário está organizada para facilitar o entendimento do fluxo de trabalho do RAG. Este chatbot leva em consideração perguntas anteriores ao gerar respostas, e inclui referências documentais para maior clareza.<br>
         <br><b>Aviso:</b> Este espaço usa a CPU básica gratuita do Hugging Face. Algumas etapas e modelos LLM utilizados abaixo (pontos finais de inferência gratuitos) podem levar algum tempo para gerar uma resposta.
         """)
         
-        with gr.Tab("Etapa 1 - Carregar PDF"):
+        with gr.Tab("Etapa 1 - Carregar Relatórios"):
             with gr.Row():
-                document = gr.Files(height=100, file_count="multiple", file_types=["pdf"], interactive=True, label="Carregue seus documentos PDF (único ou múltiplos)")
+                document = gr.Files(height=100, file_count="multiple", file_types=["pdf"], interactive=True, label="Carregue seus relatórios de metrologia (único ou múltiplos)")
         
-        with gr.Tab("Etapa 2 - Processar documento"):
+        with gr.Tab("Etapa 2 - Processar Relatórios"):
             with gr.Row():
                 db_btn = gr.Radio(["ChromaDB"], label="Tipo de banco de dados vetorial", value = "ChromaDB", type="index", info="Escolha o banco de dados vetorial")
-            with gr.Accordion("Opções avançadas - Divisor de texto do documento", open=False):
+            with gr.Accordion("Opções avançadas - Divisor de texto do relatório", open=False):
                 with gr.Row():
                     slider_chunk_size = gr.Slider(minimum = 100, maximum = 1000, value=600, step=20, label="Tamanho do bloco", info="Tamanho do bloco", interactive=True)
                 with gr.Row():
@@ -53,7 +52,7 @@ def demo():
 
         with gr.Tab("Etapa 4 - Chatbot"):
             chatbot = gr.Chatbot(height=300)
-            with gr.Accordion("Avançado - Referências do documento", open=False):
+            with gr.Accordion("Avançado - Referências do Relatório", open=False):
                 with gr.Row():
                     doc_source1 = gr.Textbox(label="Referência 1", lines=2, container=True, scale=20)
                     source1_page = gr.Number(label="Página", scale=1)
@@ -64,7 +63,7 @@ def demo():
                     doc_source3 = gr.Textbox(label="Referência 3", lines=2, container=True, scale=20)
                     source3_page = gr.Number(label="Página", scale=1)
             with gr.Row():
-                msg = gr.Textbox(placeholder="Digite a mensagem (exemplo: 'Sobre o que é este documento?')", container=True)
+                msg = gr.Textbox(placeholder="Digite a mensagem (exemplo: 'Qual a precisão dos instrumentos utilizados?')", container=True)
             with gr.Row():
                 submit_btn = gr.Button("Enviar mensagem")
                 clear_btn = gr.ClearButton([msg, chatbot], value="Limpar conversa")
@@ -97,4 +96,4 @@ def demo():
 
 
 if __name__ == "__main__":
-    demo()
+    demo()