Update app.py

app.py

@@ -4,7 +4,7 @@ from langchain_community.document_loaders import PyPDFDirectoryLoader
 from langchain_text_splitters import RecursiveCharacterTextSplitter
 from langchain_community.embeddings import HuggingFaceEmbeddings
 from langchain_community.vectorstores import FAISS
-from langchain.chains import RetrievalQA
+from langchain.chains import RetrievalQA  # Esta linha foi corrigida implicitamente pela estrutura do Langchain
 from langchain_community.llms import HuggingFaceHub
 
 # --- PASSO 1: CARREGAR OS DOCUMENTOS ---
@@ -32,7 +32,7 @@ db = FAISS.from_documents(docs, embeddings)
 repo_id = "mistralai/Mixtral-8x7B-Instruct-v0.1" # Um modelo poderoso
 llm = HuggingFaceHub(
     repo_id=repo_id,
-    model_kwargs={"temperature": 0.1, "max_new_tokens": 512, "max_length": 4096}
+    model_kwargs={"temperature": 0.1, "max_new_tokens": 1024} # Aumentei um pouco para respostas mais completas
 )
 
 # Cria a "cadeia" (chain) de RetrievalQA. É aqui que a mágica acontece.
@@ -41,25 +41,35 @@ qa_chain = RetrievalQA.from_chain_type(
     llm=llm,
     chain_type="stuff",
     retriever=db.as_retriever(search_kwargs={"k": 3}), # Busca os 3 trechos mais relevantes
-    return_source_documents=True
+    return_source_documents=False # Simplificado para retornar apenas o texto final
 )
 
 # --- PASSO 5: CRIAR A INTERFACE COM O GRADIO ---
 # Define a função que será chamada pela interface
 def process_query(query):
-    result = qa_chain({"query": query})
-    # Retorna a resposta e, opcionalmente, as fontes que usou para responder
-    return result['result']
+    # O LangChain pode retornar textos com formatação estranha ou avisos.
+    # Vamos limpar a resposta para mostrar apenas o resultado principal.
+    try:
+        result = qa_chain.invoke(query) # Usando .invoke() que é a forma mais moderna
+        answer = result.get('result', 'Não foi possível encontrar uma resposta.')
+        return answer
+    except Exception as e:
+        print(e) # Imprime o erro nos logs para depuração
+        return "Ocorreu um erro ao processar sua pergunta. Verifique os logs do Space."
 
 # Cria a interface web
-with gr.Blocks() as demo:
-    gr.Markdown("# Assistente de Análise do Contrato DETRAN-RJ")
-    gr.Markdown("Faça uma pergunta sobre os documentos do contrato e o assistente buscará a resposta.")
+with gr.Blocks(theme=gr.themes.Soft()) as demo:
+    gr.Markdown("# 🤖 Assistente de Análise do Contrato DETRAN-RJ")
+    gr.Markdown("Faça uma pergunta sobre os documentos do contrato e o assistente buscará a resposta nos arquivos.")
     
-    inp = gr.Textbox(label="Qual a sua pergunta?", placeholder="Ex: Qual o valor total do contrato?")
-    out = gr.Textbox(label="Resposta")
+    with gr.Row():
+        inp = gr.Textbox(label="Qual a sua pergunta?", placeholder="Ex: Qual o valor total do contrato?", scale=4)
+        btn = gr.Button("Enviar", variant="primary", scale=1)
+        
+    out = gr.Markdown(label="Resposta")
     
-    inp.submit(process_query, inputs=inp, outputs=out)
+    btn.click(process_query, inputs=inp, outputs=out)
+    inp.submit(process_query, inputs=inp, outputs=out) # Permite usar Enter
     
     # Adiciona alguns exemplos de perguntas
     gr.Examples(
@@ -68,8 +78,12 @@ with gr.Blocks() as demo:
             "Qual o valor total do contrato?",
             "Quem é o gestor do contrato?",
             "Qual o prazo de vigência do contrato?",
+            "Qual a empresa contratada?",
         ],
-        inputs=inp
+        inputs=inp,
+        outputs=out,
+        fn=process_query,
+        cache_examples=False # Evita erros de cache com exemplos
     )
 
 # Lança a aplicação