Upload app.py with huggingface_hub

app.py

@@ -1,103 +1,49 @@
 """
 Prometheus - Academy Builder AI Assistant
 =========================================
-Assistente híbrido de vendas + educacional com sistema RAG
-para a plataforma Academy Builder de academias corporativas gamificadas.
-
-Desenvolvido para Hugging Face Spaces com Gradio.
+Assistente híbrido de vendas + educacional para academias corporativas gamificadas.
 """
 
 import gradio as gr
 import json
-import os
-from typing import List, Tuple, Optional
 from pathlib import Path
 
 # ============================================================================
-# SISTEMA DE CONHECIMENTO (RAG Simplificado)
+# BASE DE CONHECIMENTO
 # ============================================================================
 
 class KnowledgeBase:
-    """Base de conhecimento do Prometheus com busca semântica simplificada."""
-    
     def __init__(self):
         self.chunks = []
-        self.conversations = []
-        self.faqs = []
         self.loaded = False
         self.load_data()
     
     def load_data(self):
-        """Carrega os dados do dataset."""
         try:
-            # Carregar chunks
             chunks_path = Path("data/chunks.json")
             if chunks_path.exists():
                 with open(chunks_path, "r", encoding="utf-8") as f:
                     self.chunks = json.load(f)
+                self.loaded = True
                 print(f"✅ Carregados {len(self.chunks)} chunks")
-            
-            # Carregar conversas sintéticas
-            conv_path = Path("data/conversations.json")
-            if conv_path.exists():
-                with open(conv_path, "r", encoding="utf-8") as f:
-                    data = json.load(f)
-                    self.conversations = data.get("conversations", [])
-                print(f"✅ Carregadas {len(self.conversations)} conversas")
-            
-            # Carregar FAQs
-            faqs_path = Path("data/faqs.json")
-            if faqs_path.exists():
-                with open(faqs_path, "r", encoding="utf-8") as f:
-                    data = json.load(f)
-                    self.faqs = data.get("faqs", [])
-                print(f"✅ Carregadas {len(self.faqs)} FAQs")
-            
-            self.loaded = True
-                
         except Exception as e:
             print(f"⚠️ Erro ao carregar dados: {e}")
             self.loaded = False
     
-    def search(self, query: str, top_k: int = 5) -> List[dict]:
-        """Busca por similaridade simples baseada em palavras-chave."""
+    def search(self, query, top_k=3):
         if not self.chunks:
             return []
-            
         query_lower = query.lower()
         query_words = set(query_lower.split())
-        
-        scored_chunks = []
+        scored = []
         for chunk in self.chunks:
             text_lower = chunk.get("text", "").lower()
-            # Score baseado em palavras encontradas
             score = sum(1 for word in query_words if word in text_lower)
             if score > 0:
-                scored_chunks.append((score, chunk))
-        
-        # Ordenar por score e retornar top_k
-        scored_chunks.sort(key=lambda x: x[0], reverse=True)
-        return [chunk for _, chunk in scored_chunks[:top_k]]
-    
-    def get_relevant_context(self, query: str) -> str:
-        """Retorna contexto relevante para a query."""
-        chunks = self.search(query, top_k=3)
-        if not chunks:
-            return ""
-        
-        context_parts = []
-        for chunk in chunks:
-            text = chunk.get("text", "")
-            section = chunk.get("section_title", "")
-            if section:
-                context_parts.append(f"**{section}**\n{text}")
-            else:
-                context_parts.append(text)
-        
-        return "\n\n---\n\n".join(context_parts)
-
-
-# Instância global da base de conhecimento
+                scored.append((score, chunk))
+        scored.sort(key=lambda x: x[0], reverse=True)
+        return [c for _, c in scored[:top_k]]
+
 kb = KnowledgeBase()
 
 # ============================================================================
@@ -140,13 +86,6 @@ A gamificação é o coração da nossa plataforma! Transformamos treinamentos e
 - **Leaderboards**: Rankings que estimulam competição saudável
 - **Missões Diárias**: Microlearning gamificado para engajamento constante
 
-### Por que funciona?
-A gamificação melhora a retenção através de:
-1. **Dopamina**: Recompensas liberam dopamina, criando associações positivas
-2. **Repetição Espaçada**: Desafios diários reforçam o aprendizado
-3. **Recall Ativo**: Quizzes e desafios fortalecem conexões neurais
-4. **Aprendizado Social**: Leaderboards e equipes motivam através de pares
-
 ### Resultados Comprovados
 - **60%** aumento nas taxas de conclusão
 - **40%** redução no tempo de treinamento
@@ -163,10 +102,6 @@ O ROI típico de uma academia corporativa gamificada varia de **200% a 500%**.
 - 👥 **34%** menor turnover de colaboradores
 - 📉 **40%** menos erros de compliance
 
-### Ganhos de Produtividade
-- 🚀 Novos colaboradores produtivos **50% mais rápido**
-- 📊 **23%** maior produtividade pós-treinamento
-
 ### Exemplo (500 colaboradores)
 | Item | Valor |
 |------|-------|
@@ -182,31 +117,23 @@ Quer uma análise de ROI personalizada para sua empresa?""",
 ### SSO/Identidade
 - SAML 2.0 e OAuth 2.0
 - Azure AD, Okta, OneLogin, Google Workspace
-- LDAP customizado
 
 ### HRIS
 - Workday, SAP SuccessFactors, BambooHR
 - ADP, Paylocity, UKG
-- REST API para integrações customizadas
 
 ### LMS/LXP
 - SCORM 1.2 e 2004
 - xAPI (Tin Can)
 - LTI para embedding
 
-### Sincronização de Dados
-- Provisionamento automático de usuários
-- Sync de roles e departamentos
-- Exportação de dados de conclusão
-
 Implementação típica: **2-4 semanas**. Qual sistema você utiliza atualmente?""",
 
     "andragogia": """## 📚 Andragogia - A Ciência de Ensinar Adultos
 
-**Andragogia** (do grego 'andros' = adulto), conceito desenvolvido por Malcolm Knowles, reconhece que adultos aprendem diferentemente de crianças.
+**Andragogia** reconhece que adultos aprendem diferentemente de crianças.
 
 ### Os 6 Princípios da Andragogia
-
 1. **Autodirigidos**: Adultos querem controle sobre seu aprendizado
 2. **Experiência como recurso**: Trazem bagagem que deve ser valorizada
 3. **Orientação para problemas**: Preferem aprender resolvendo problemas reais
@@ -214,15 +141,6 @@ Implementação típica: **2-4 semanas**. Qual sistema você utiliza atualmente?
 5. **Necessidade de saber 'por quê'**: Precisam entender a relevância
 6. **Prontos para aprender**: Quando percebem necessidade imediata
 
-### Diferença entre Pedagogia e Andragogia
-
-| Aspecto | Pedagogia (Crianças) | Andragogia (Adultos) |
-|---------|---------------------|---------------------|
-| Motivação | Externa (notas) | Interna (crescimento) |
-| Experiência | Pouca | Rica e valorizada |
-| Orientação | Conteúdo | Problemas reais |
-| Papel do instrutor | Diretor | Facilitador |
-
 Na Academy Builder, aplicamos esses princípios em cada módulo!""",
 
     "sobre": """## 🏢 Sobre a Academy Builder
@@ -238,18 +156,6 @@ Transformar treinamento corporativo em experiências envolventes e mensuráveis
 - **CRM Integrado**: Lead scoring automático
 - **Integrações Enterprise**: SSO, HRIS, SCORM/xAPI
 
-### Público-Alvo
-Empresas de médio e grande porte nos setores de:
-- Tecnologia
-- Finanças
-- Saúde
-- Educação
-
-### Resultados
-- **60%** aumento em taxas de conclusão
-- **40%** redução no tempo de treinamento
-- **34%** maior retenção de colaboradores
-
 Quer saber mais sobre como podemos ajudar sua empresa?""",
 
     "default": """Obrigado pela sua pergunta! 
@@ -262,172 +168,89 @@ Sou o **Prometheus**, assistente da Academy Builder. Posso ajudar com:
 - 🔧 Integrações técnicas
 - 📈 ROI e métricas de sucesso
 
-Poderia reformular sua pergunta ou me dizer especificamente como posso ajudar?
-
 **Sugestões:**
 - "Quais são os preços?"
 - "Como funciona a gamificação?"
 - "Qual o ROI esperado?"
-- "Quais integrações estão disponíveis?"
 """
 }
 
 # ============================================================================
-# SISTEMA DE RESPOSTA
+# DETECÇÃO DE INTENÇÃO
 # ============================================================================
 
-def detect_intent(message: str) -> str:
-    """Detecta a intenção da mensagem do usuário."""
-    message_lower = message.lower()
+def detect_intent(message):
+    msg = message.lower()
     
-    # Saudações
-    if any(word in message_lower for word in ["olá", "oi", "hello", "hi", "bom dia", "boa tarde", "boa noite", "hey"]):
+    if any(w in msg for w in ["olá", "oi", "hello", "hi", "bom dia", "boa tarde", "boa noite", "hey"]):
         return "saudacao"
-    
-    # Preços
-    if any(word in message_lower for word in ["preço", "custo", "valor", "price", "pricing", "quanto custa", "plano", "planos"]):
+    if any(w in msg for w in ["preço", "custo", "valor", "price", "quanto custa", "plano"]):
         return "precos"
-    
-    # Gamificação
-    if any(word in message_lower for word in ["gamificação", "gamification", "xp", "badge", "leaderboard", "pontos", "ranking", "jogo"]):
+    if any(w in msg for w in ["gamificação", "gamification", "xp", "badge", "leaderboard", "pontos"]):
         return "gamificacao"
-    
-    # ROI
-    if any(word in message_lower for word in ["roi", "retorno", "investimento", "return", "resultado", "benefício", "economia"]):
+    if any(w in msg for w in ["roi", "retorno", "investimento", "return", "resultado"]):
         return "roi"
-    
-    # Integração
-    if any(word in message_lower for word in ["integração", "integration", "sso", "api", "hris", "scorm", "xapi", "conectar"]):
+    if any(w in msg for w in ["integração", "integration", "sso", "api", "hris", "scorm"]):
         return "integracao"
-    
-    # Andragogia/Educação
-    if any(word in message_lower for word in ["andragogia", "pedagogia", "aprendizagem", "adulto", "ensino", "educação", "metodologia"]):
+    if any(w in msg for w in ["andragogia", "pedagogia", "aprendizagem", "adulto", "ensino"]):
         return "andragogia"
-    
-    # Sobre a empresa
-    if any(word in message_lower for word in ["sobre", "about", "empresa", "company", "quem", "vocês", "academy builder"]):
+    if any(w in msg for w in ["sobre", "about", "empresa", "academy builder", "quem"]):
         return "sobre"
     
     return "default"
 
+# ============================================================================
+# FUNÇÃO DE RESPOSTA
+# ============================================================================
 
-def generate_response(message: str, history: List[List[str]]) -> str:
-    """Gera resposta baseada na intenção detectada."""
-    
+def respond(message, history):
+    """Gera resposta para o chatbot."""
     if not message or not message.strip():
         return "Por favor, digite uma mensagem para que eu possa ajudá-lo."
     
-    # Detectar intenção
     intent = detect_intent(message)
-    
-    # Buscar resposta pré-definida
     response = RESPONSES.get(intent, RESPONSES["default"])
     
-    # Se tiver contexto relevante da base de conhecimento, adicionar
+    # Se for default, tentar buscar na base de conhecimento
     if intent == "default" and kb.loaded:
-        context = kb.get_relevant_context(message)
-        if context:
-            response = f"""Com base na sua pergunta, encontrei informações relevantes:
+        chunks = kb.search(message)
+        if chunks:
+            context = "\n\n".join([c.get("text", "")[:500] for c in chunks[:2]])
+            if context:
+                response = f"""Com base na sua pergunta, encontrei informações relevantes:
 
-{context[:2000]}
+{context}
 
 ---
 
-Posso detalhar algum ponto específico ou ajudar com outra questão?"""
+Posso detalhar algum ponto específico?"""
     
     return response
 
-
 # ============================================================================
 # INTERFACE GRADIO
 # ============================================================================
 
-def respond(message: str, history: List[List[str]]) -> Tuple[str, List[List[str]]]:
-    """Handler para o chatbot."""
-    if not message.strip():
-        return "", history
-    
-    response = generate_response(message, history)
-    history.append([message, response])
-    return "", history
-
-
-def clear_chat() -> Tuple[List, str]:
-    """Limpa o histórico do chat."""
-    return [], ""
-
-
-# Criar interface
-with gr.Blocks(
-    title="Prometheus - Academy Builder Assistant",
+demo = gr.ChatInterface(
+    fn=respond,
+    title="🎓 Prometheus - Academy Builder AI Assistant",
+    description="Assistente híbrido de **vendas + educacional** para academias corporativas gamificadas.\n\nPosso ajudar com informações sobre produtos, preços, conceitos de gamificação, design instrucional e muito mais!",
+    examples=[
+        "Olá!",
+        "Quais são os preços?",
+        "Como funciona a gamificação?",
+        "Qual o ROI esperado?",
+        "Quais integrações estão disponíveis?",
+        "O que é andragogia?",
+        "Fale sobre a Academy Builder"
+    ],
     theme=gr.themes.Soft(
         primary_hue="blue",
         secondary_hue="yellow",
-    )
-) as demo:
-    
-    gr.Markdown("""
-    # 🎓 Prometheus - Academy Builder AI Assistant
-    
-    Assistente híbrido de **vendas + educacional** para academias corporativas gamificadas.
-    
-    Posso ajudar com informações sobre produtos, preços, conceitos de gamificação, 
-    design instrucional e muito mais!
-    """)
-    
-    chatbot = gr.Chatbot(
-        label="Conversa",
-        height=450,
-        show_copy_button=True,
-    )
-    
-    with gr.Row():
-        msg = gr.Textbox(
-            label="Sua mensagem",
-            placeholder="Digite sua pergunta aqui... (Ex: Como funciona a gamificação?)",
-            scale=4,
-            show_label=False,
-        )
-        submit = gr.Button("Enviar", variant="primary", scale=1)
-    
-    clear = gr.Button("🗑️ Limpar conversa")
-        
-    with gr.Accordion("💡 Sugestões de perguntas", open=False):
-        gr.Markdown("""
-        **Vendas:**
-        - Quais são os planos e preços da Academy Builder?
-        - Qual o ROI típico de uma academia corporativa?
-        
-        **Educacional:**
-        - Como a gamificação melhora a retenção de aprendizado?
-        - Qual a diferença entre pedagogia e andragogia?
-        
-        **Técnico:**
-        - Quais integrações estão disponíveis?
-        - A plataforma suporta SSO?
-        
-        **Geral:**
-        - O que é a Academy Builder?
-        - Como posso começar?
-        """)
-    
-    with gr.Accordion("ℹ️ Sobre o Prometheus", open=False):
-        status = "✅ Carregada" if kb.loaded else "⚠️ Modo offline"
-        gr.Markdown(f"""
-        **Prometheus** é o assistente de IA da Academy Builder.
-        
-        **Status da Base de Conhecimento:** {status}
-        - 📚 **{len(kb.chunks)}** chunks de conhecimento
-        - 💬 **{len(kb.conversations)}** conversas de exemplo
-        - ❓ **{len(kb.faqs)}** FAQs estruturadas
-        
-        **Desenvolvido por:** Academy Builder / MSC Academy
-        """)
-    
-    # Event handlers
-    msg.submit(respond, [msg, chatbot], [msg, chatbot])
-    submit.click(respond, [msg, chatbot], [msg, chatbot])
-    clear.click(clear_chat, outputs=[chatbot, msg])
+    ),
+    retry_btn=None,
+    undo_btn=None,
+)
 
-# Launch
-demo.launch()
+if __name__ == "__main__":
+    demo.launch()