Update app.py

app.py

@@ -29,6 +29,7 @@ try:
     else:
         print("AVISO: GEMINI_API_KEY não configurada. Gemini estará desativado para análise.")
 except Exception as e:
+    genai_client = None
     print(f"ERRO ao inicializar o cliente Gemini: {e}. Funcionalidade de IA desativada.")
 
 # 2. Configuração Groq
@@ -39,6 +40,7 @@ try:
     else:
         print("AVISO: GROQ_API_KEY não configurada. Groq estará desativado.")
 except Exception as e:
+    groq_client = None
     print(f"ERRO ao inicializar o cliente Groq: {e}. Funcionalidade de IA desativada.")
 
 
@@ -80,17 +82,19 @@ def tts_proxy():
 
 # --- ROTA 2: TRADUÇÃO RÁPIDA E CONTEXTO (IA) - USANDO GEMINI OU GROQ ---
 
-def get_ai_response(provider, model_name, system_instruction, json_schema=None):
+def get_ai_response(provider, model_name, system_instruction, custom_prompt=None, json_schema=None):
     """Função auxiliar para rotear a requisição LLM para o provedor selecionado."""
     
+    # O prompt base é o system_instruction, a menos que custom_prompt seja fornecido
+    prompt_to_use = custom_prompt if custom_prompt else system_instruction
+    
     if provider == 'gemini':
         if not genai_client:
             raise Exception("Gemini client not initialized. GEMINI_API_KEY is missing.")
 
-        # O Gemini usa um prompt simples com schema
-        contents=[system_instruction]
+        contents=[prompt_to_use]
         
-        # Configuração para resposta JSON estruturada (usada para flashcards)
+        # Configuração para resposta JSON estruturada
         config = types.GenerateContentConfig()
         if json_schema:
              config = types.GenerateContentConfig(
@@ -119,9 +123,9 @@ def get_ai_response(provider, model_name, system_instruction, json_schema=None):
         if not groq_client:
             raise Exception("Groq client not initialized. GROQ_API_KEY is missing.")
 
-        # Para Groq, a instrução do sistema é o conteúdo
         messages = [
-            {"role": "system", "content": system_instruction}
+            {"role": "system", "content": system_instruction},
+            {"role": "user", "content": prompt_to_use}
         ]
         
         # Configuração para resposta JSON
@@ -151,25 +155,50 @@ def get_ai_response(provider, model_name, system_instruction, json_schema=None):
 @app.route('/explain-proxy', methods=['POST'])
 def explain_proxy():
     """
-    Usa o modelo LLM selecionado para fornecer explicação e tradução.
+    Usa o modelo LLM selecionado para fornecer explicação, tradução, ou gerar atividades.
     """
     data = request.get_json()
     word = data.get('word', '').strip()
-    context = data.get('context', '')
+    context = data.get('context', '') # Contexto local da frase
     for_flashcard = data.get('for_flashcard', False)
-    # Novo: Captura o provedor e o modelo selecionados
+    # Novos parâmetros do frontend
     model_provider, model_name = data.get('model', 'gemini:gemini-2.5-flash').split(':', 1)
+    context_focus = data.get('context_focus', 'General/Social') # Novo: contexto profissional/social
+    custom_prompt = data.get('custom_prompt', None) # Novo: prompt para geração de atividades
 
-    if not word:
-        return jsonify({"error": "No word or phrase selected."}), 400
-
+    # 1. Checagem de disponibilidade e chaves
     if model_provider == 'gemini' and not genai_client:
         return jsonify({"error": "GEMINI_API_KEY not configured. Cannot perform AI analysis."}), 503
     if model_provider == 'groq' and not groq_client:
         return jsonify({"error": "GROQ_API_KEY not configured. Cannot perform AI analysis."}), 503
 
+    # Define a instrução do sistema base para todas as tarefas de IA
+    system_instruction_base = f"You are a professional English tutor and linguist focused on the context '{context_focus}'. All responses must be highly accurate and relevant to language learning."
+
+    # Se for uma requisição de Geração de Atividade (custom_prompt), use a instrução direta
+    if custom_prompt:
+        try:
+            # O get_ai_response usa o custom_prompt como conteúdo principal
+            text_response = get_ai_response(
+                model_provider, 
+                model_name, 
+                system_instruction=system_instruction_base, 
+                custom_prompt=custom_prompt,
+                json_schema=None
+            )
+            # Para atividades, retornamos a resposta simples no campo 'explanation'
+            return jsonify({
+                "explanation": text_response,
+                "translation": "Activity Generated." # Marcador para o frontend
+            })
+        except Exception as e:
+            print(f"Erro na geração de atividade: {e}")
+            return jsonify({"error": f"AI activity generation failed: {e}"}), 500
+
 
-    system_instruction_base = f"You are a professional English tutor and linguist. Your task is to analyze the user-provided English word or phrase: '{word}' in its context: '{context}'. All responses must be highly accurate and relevant to language learning."
+    # 2. Requisições de Contextualização (Clique Duplo/Flashcard)
+    if not word:
+        return jsonify({"error": "No word or phrase selected."}), 400
 
     # Define o schema JSON para Flashcards
     flashcard_schema = {
@@ -178,15 +207,15 @@ def explain_proxy():
             "term": {"type": "STRING", "description": "The selected word or phrase."},
             "explanation": {"type": "STRING", "description": "A clear English definition or explanation."},
             "translation": {"type": "STRING", "description": "The accurate Portuguese translation of the term/phrase."},
-            "example": {"type": "STRING", "description": "A new, helpful example sentence using the term/phrase."},
+            "example": {"type": "STRING", "description": "A new, helpful example sentence using the term/phrase, specifically tailored to the context of the user."},
         },
         "required": ["term", "explanation", "translation", "example"]
     }
 
     try:
         if for_flashcard:
-            # 1. Requisição para Flashcard (JSON Estruturado)
-            system_instruction = system_instruction_base + " You must generate a single, highly relevant example sentence using the word/phrase, and provide a clear, simple English definition. Translate the word/phrase accurately to Portuguese. The output MUST be a JSON object conforming to the provided schema."
+            # 2a. Requisição para Flashcard (JSON Estruturado)
+            system_instruction = system_instruction_base + f" Analyze the term '{word}' in context: '{context}'. You must generate a single, highly relevant example sentence, and provide a clear, simple English definition. Translate the term/phrase accurately to Portuguese. The output MUST be a JSON object conforming to the provided schema."
             
             # Para Groq, adicionamos a descrição do schema no prompt
             if model_provider == 'groq':
@@ -196,18 +225,18 @@ def explain_proxy():
                 model_provider, 
                 model_name, 
                 system_instruction, 
-                json_schema=flashcard_schema if model_provider == 'gemini' else flashcard_schema # Schema passado para Gemini, ou estrutura para Groq
+                json_schema=flashcard_schema # Usa o schema definido
             )
             
-            # Verifica se os campos essenciais estão presentes no retorno do LLM
+            # Verifica e retorna o JSON
             if card_data and card_data.get('term') and card_data.get('translation') and card_data.get('example'):
                 return jsonify(card_data)
             else:
                 raise Exception("AI returned empty or invalid structured data.")
                 
         else:
-            # 2. Requisição para Modal (Explicação e Tradução Simples)
-            prompt = system_instruction_base + f" Provide a clear, one-sentence English explanation/definition, followed by an exact Portuguese translation, separated by a distinct marker like '---'.\nExample Format:\nDefinition in English.\n---\nTradução em Português."
+            # 2b. Requisição para Modal (Explicação e Tradução Simples - Clique Duplo)
+            prompt = system_instruction_base + f" Analyze the term '{word}' in context: '{context}'. Provide a clear, one-sentence English explanation/definition, followed by an exact Portuguese translation, separated by a distinct marker like '---'.\nExample Format:\nDefinition in English.\n---\nTradução em Português."
             
             text_response = get_ai_response(
                 model_provider, 
@@ -255,4 +284,4 @@ def serve_index():
 if __name__ == '__main__':
     # Define o static_folder como o diretório atual para que o send_static_file funcione
     app.static_folder = os.path.dirname(os.path.abspath(__file__))
-    app.run(host='0.0.0.0', port=7860)
+    app.run(host='0.0.0.0', port=7860)