Upload app.py with huggingface_hub

app.py

@@ -2,30 +2,45 @@ import gradio as gr
 import json
 
 # Placeholder para dados de busca
-# Futuramente será integrado com embeddings e vector DB
-
 SAMPLE_DOCS = [
-    {"title": "SEO Multilíngue", "content": "Estratégias de SEO para múltiplos idiomas..."},
-    {"title": "Marketing Digital", "content": "Serviços de marketing digital da MSC..."},
-    {"title": "Agentes de IA", "content": "Criação de agentes inteligentes para automação..."},
+    {"title": "SEO Multilíngue", "content": "Estratégias de SEO para múltiplos idiomas incluindo português, inglês, espanhol e alemão.", "relevance": 0.95},
+    {"title": "Marketing Digital", "content": "Serviços completos de marketing digital da MSC Marketing.", "relevance": 0.90},
+    {"title": "Agentes de IA", "content": "Criação de agentes inteligentes para automação de processos de marketing.", "relevance": 0.85},
+    {"title": "Geração de Conteúdo", "content": "Ferramentas de IA para geração de conteúdo otimizado para SEO.", "relevance": 0.80},
+    {"title": "Chatbots", "content": "Desenvolvimento de chatbots inteligentes para atendimento ao cliente.", "relevance": 0.75},
 ]
 
 def search(query: str, top_k: int = 5):
-    """Realiza busca semântica nos documentos."""
-    # Busca simples por enquanto
-    # Futuramente usará embeddings
+    """Realiza busca nos documentos."""
+    if not query.strip():
+        return "Por favor, digite uma busca."
     
     results = []
     query_lower = query.lower()
     
     for doc in SAMPLE_DOCS:
-        if query_lower in doc["title"].lower() or query_lower in doc["content"].lower():
-            results.append(doc)
+        score = 0
+        if query_lower in doc["title"].lower():
+            score += 0.5
+        if query_lower in doc["content"].lower():
+            score += 0.3
+        if score > 0:
+            results.append({**doc, "score": score + doc["relevance"]})
     
     if not results:
         results = SAMPLE_DOCS[:top_k]
+        for r in results:
+            r["score"] = r["relevance"] * 0.5
+    
+    results = sorted(results, key=lambda x: x.get("score", 0), reverse=True)[:top_k]
     
-    return json.dumps(results, indent=2, ensure_ascii=False)
+    output = f"## Resultados para: \"{query}\"\n\n"
+    for i, doc in enumerate(results, 1):
+        output += f"### {i}. {doc['title']}\n"
+        output += f"{doc['content']}\n"
+        output += f"*Relevância: {doc.get('score', doc['relevance']):.2f}*\n\n"
+    
+    return output
 
 # Interface Gradio
 with gr.Blocks(title="MSC Search") as demo:
@@ -33,18 +48,28 @@ with gr.Blocks(title="MSC Search") as demo:
     gr.Markdown("Busque na documentação da MSC Marketing")
     
     with gr.Row():
-        query_input = gr.Textbox(label="Sua busca", placeholder="Digite sua busca...")
-        top_k_input = gr.Slider(1, 10, value=5, step=1, label="Número de resultados")
+        query_input = gr.Textbox(
+            label="Sua busca", 
+            placeholder="Digite sua busca...",
+            scale=4
+        )
+        top_k_input = gr.Slider(1, 10, value=5, step=1, label="Resultados", scale=1)
     
-    search_btn = gr.Button("Buscar", variant="primary")
-    results_output = gr.JSON(label="Resultados")
+    search_btn = gr.Button("🔍 Buscar", variant="primary")
+    results_output = gr.Markdown(label="Resultados")
     
     search_btn.click(search, inputs=[query_input, top_k_input], outputs=results_output)
+    query_input.submit(search, inputs=[query_input, top_k_input], outputs=results_output)
     
     gr.Markdown("""
     ---
-    **Nota:** Este Space está em fase de configuração inicial.
-    Em breve teremos busca semântica completa com embeddings.
+    **Datasets MSC Marketing:**
+    - [msc-knowledge-base](https://huggingface.co/datasets/Finish-him/msc-knowledge-base)
+    - [msc-qa-pairs](https://huggingface.co/datasets/Finish-him/msc-qa-pairs)
+    - [msc-embeddings](https://huggingface.co/datasets/Finish-him/msc-embeddings)
+    - [msc-instructions](https://huggingface.co/datasets/Finish-him/msc-instructions)
+    
+    *Este Space está em fase de configuração. Em breve teremos busca semântica completa com embeddings.*
     """)
 
 if __name__ == "__main__":