Update app.py

app.py

@@ -1,11 +1,12 @@
-_#
 import gradio as gr
 import os
 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 create_retrieval_chain
+from langchain.chains.combine_documents import create_stuff_documents_chain
+from langchain_core.prompts import ChatPromptTemplate
 from langchain_community.llms import HuggingFaceHub
 
 # --- PASSO 0: VERIFICAR E CRIAR A PASTA 'data' ---
@@ -25,29 +26,41 @@ model_name = "sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2"
 embeddings = HuggingFaceEmbeddings(model_name=model_name)
 db = FAISS.from_documents(docs, embeddings)
 
-# --- PASSO 4: CONFIGURAR O MODELO DE LINGUAGEM (LLM) E A CADEIA DE BUSCA ---
+# --- PASSO 4: CONFIGURAR O MODELO DE LINGUAGEM (LLM) ---
 repo_id = "mistralai/Mixtral-8x7B-Instruct-v0.1"
 llm = HuggingFaceHub(
     repo_id=repo_id,
     model_kwargs={"temperature": 0.2, "max_new_tokens": 1024}
 )
 
-qa_chain = RetrievalQA.from_chain_type(
-    llm=llm,
-    chain_type="stuff",
-    retriever=db.as_retriever(search_kwargs={"k": 3}),
-    return_source_documents=False
+# --- PASSO 5: CRIAR A CADEIA DE BUSCA (NOVA API) ---
+system_prompt = (
+    "Você é um assistente especializado em análise de contratos do DETRAN-RJ. "
+    "Use o contexto fornecido para responder à pergunta de forma precisa e concisa. "
+    "Se você não souber a resposta, diga que não sabe. "
+    "Contexto: {context}"
 )
 
-# --- PASSO 5: CRIAR A INTERFACE COM O GRADIO ---
+prompt = ChatPromptTemplate.from_messages([
+    ("system", system_prompt),
+    ("human", "{input}"),
+])
+
+question_answer_chain = create_stuff_documents_chain(llm, prompt)
+qa_chain = create_retrieval_chain(
+    db.as_retriever(search_kwargs={"k": 3}),
+    question_answer_chain
+)
+
+# --- PASSO 6: CRIAR A INTERFACE COM O GRADIO ---
 def process_query(query):
     try:
-        result = qa_chain.invoke(query)
-        answer = result.get('result', 'Não foi possível encontrar uma resposta.')
+        result = qa_chain.invoke({"input": query})
+        answer = result.get('answer', 'Não foi possível encontrar uma resposta.')
         return answer
     except Exception as e:
-        print(e)
-        return "Ocorreu um erro ao processar sua pergunta. Verifique os logs do Space."
+        print(f"Erro: {e}")
+        return f"Ocorreu um erro ao processar sua pergunta: {str(e)}"
 
 with gr.Blocks(theme=gr.themes.Soft()) as demo:
     gr.Markdown("# 🤖 Assistente de Análise do Contrato DETRAN-RJ")
@@ -74,4 +87,4 @@ with gr.Blocks(theme=gr.themes.Soft()) as demo:
     )
 
 demo.launch()
-_#
+