Update app.py

app.py

@@ -3,18 +3,75 @@ from llama_index.llms.openai import OpenAI
 from huggingface_hub import snapshot_download
 import gradio as gr
 import os
+import yaml
+import json
+
 
 # 🔑 Configure sua API da OpenAI (adicione no Hugging Face em Settings > Secrets)
 os.environ["OPENAI_API_KEY"] = os.getenv("OPENAI_API_KEY")
 
+
+# 🔥 Função para extrair conteúdo de YAML, JSON, TXT e MD
+def extrair_conteudo_dos_arquivos(pasta):
+    texto_final = ""
+
+    for root, dirs, files in os.walk(pasta):
+        for file in files:
+            caminho_arquivo = os.path.join(root, file)
+
+            try:
+                if file.endswith(('.yml', '.yaml')):
+                    with open(caminho_arquivo, 'r', encoding='utf-8') as f:
+                        data = yaml.safe_load(f)
+                        texto = yaml.dump(data, allow_unicode=True)
+                        texto_final += f"\n\n### Arquivo: {file}\n{texto}"
+
+                elif file.endswith('.json'):
+                    with open(caminho_arquivo, 'r', encoding='utf-8') as f:
+                        data = json.load(f)
+                        texto = json.dumps(data, indent=2, ensure_ascii=False)
+                        texto_final += f"\n\n### Arquivo: {file}\n{texto}"
+
+                elif file.endswith(('.md', '.txt')):
+                    with open(caminho_arquivo, 'r', encoding='utf-8') as f:
+                        texto = f.read()
+                        texto_final += f"\n\n### Arquivo: {file}\n{texto}"
+
+                else:
+                    continue
+
+            except Exception as e:
+                print(f"Erro ao ler {file}: {e}")
+
+    return texto_final
+
+
+# 🔧 Função para gerar o arquivo documentacao.txt
+def gerar_arquivo_documentacao(pasta_origem, arquivo_destino="documentacao.txt"):
+    texto = extrair_conteudo_dos_arquivos(pasta_origem)
+
+    if texto.strip() == "":
+        print("⚠️ Nenhum conteúdo encontrado nos arquivos!")
+    else:
+        with open(arquivo_destino, 'w', encoding='utf-8') as f:
+            f.write(texto)
+        print(f"✅ Arquivo {arquivo_destino} gerado com sucesso.")
+
+
 # 📥 Baixar a documentação do Hugging Face Dataset
 docs_dir = snapshot_download(
     repo_id="Jeice/n8n-docs-v2",
     repo_type="dataset"
 )
 
-# 📚 Carregar os documentos
-documents = SimpleDirectoryReader(docs_dir).load_data()
+
+# 🔨 Gerar o arquivo de documentação consolidado
+gerar_arquivo_documentacao(docs_dir)
+
+
+# 📚 Carregar o documento gerado
+documents = SimpleDirectoryReader(input_files=["documentacao.txt"]).load_data()
+
 
 # 🔎 Criar o índice vetorial
 service_context = ServiceContext.from_defaults(
@@ -22,21 +79,24 @@ service_context = ServiceContext.from_defaults(
 )
 index = VectorStoreIndex.from_documents(documents, service_context=service_context)
 
+
 # 🚀 Criar engine de consulta
 query_engine = index.as_query_engine()
 
+
 # 💬 Função do chatbot
 def chatbot(input_text):
     response = query_engine.query(input_text)
     return str(response)
 
+
 # 🎨 Interface Gradio — Bonita e Funcional
 interface = gr.Interface(
     fn=chatbot,
     inputs=gr.Textbox(lines=2, placeholder="Digite sua pergunta sobre o n8n..."),
     outputs="text",
     title="🤖 Bot de Dúvidas sobre o n8n",
-    description="Este agente responde dúvidas sobre o n8n, baseado na documentação oficial.",
+    description="Este agente responde dúvidas sobre o n8n, baseado na documentação oficial que você subiu.",
     examples=[
         ["Como criar um workflow no n8n?"],
         ["Para que serve o node HTTP Request?"],
@@ -46,5 +106,6 @@ interface = gr.Interface(
     allow_flagging="never"
 )
 
+
 # 🚀 Executar
 interface.launch()