app.py

import gradio as gr
import torch
from transformers import AutoModelForCausalLM, AutoTokenizer

# Modelo pequeno, viável em CPU grátis
MODEL_NAME = "microsoft/DialoGPT-small"

tokenizer = AutoTokenizer.from_pretrained(MODEL_NAME)
model = AutoModelForCausalLM.from_pretrained(MODEL_NAME).to("cpu")


def gerar_resposta(messages):
    """
    Novo formato do Gradio (type='messages'):
    messages = [
        {"role": "user" | "assistant", "content": "texto"},
        ...
    ]

    A função deve receber apenas 'messages' e retornar uma string
    com a resposta do bot.
    """

    # Prompt de sistema: define o "personagem" do bot
    system_prefix = (
        "Você é o Professor DL, um professor de Deep Learning. "
        "Responda SEMPRE em português do Brasil, de forma simples, didática e objetiva, "
        "usando exemplos práticos quando possível. "
        "Explique conceitos como redes neurais, CNN, RNN, overfitting, regularização, etc., "
        "sem fórmulas muito pesadas."
    )

    # Monta o texto de conversa
    texto = system_prefix + "\n\n"

    for msg in messages:
        role = msg.get("role", "user")
        content = msg.get("content", "")
        if role == "user":
            texto += f"Aluno: {content}\n"
        else:
            texto += f"Professor DL: {content}\n"

    # Última fala deve ser do professor
    texto += "Professor DL:"

    # Tokenização
    inputs = tokenizer(
        texto,
        return_tensors="pt",
        truncation=True,
        max_length=512,
    )

    # Geração
    with torch.no_grad():
        output_ids = model.generate(
            **inputs,
            max_new_tokens=120,
            do_sample=True,
            top_p=0.9,
            temperature=0.7,
            pad_token_id=tokenizer.eos_token_id,
        )

    saida = tokenizer.decode(output_ids[0], skip_special_tokens=True)

    # Pega apenas o trecho depois do último "Professor DL:"
    if "Professor DL:" in saida:
        resposta = saida.split("Professor DL:")[-1].strip()
    else:
        resposta = saida.strip()

    if not resposta:
        resposta = (
            "Boa pergunta! Tenta reformular ou ser um pouco mais específico "
            "sobre o que você quer saber em Deep Learning."
        )

    return resposta


descricao = """
### 🤖 Professor DL – Chatbot de Deep Learning

Este chatbot foi treinado para atuar como um **professor de Deep Learning**:

- Explica conceitos de redes neurais profundas
- Fala sobre CNN, RNN, overfitting, regularização, etc.
- Responde sempre em **português**, de forma simples e didática

Use este Space em aula para mostrar:
1. Como integrar **Transformers** + **Gradio** em um Hugging Face Space
2. Como adaptar o *prompt* para criar um assistente temático (neste caso, Deep Learning)
"""

iface = gr.ChatInterface(
    fn=gerar_resposta,
    type="messages",  # formato novo do Gradio
    title="Professor DL - Chatbot de Deep Learning",
    description=descricao,
    examples=[
        "O que é Deep Learning?",
        "Qual a diferença entre rede neural e CNN?",
        "O que é overfitting?",
        "Como começo a estudar Deep Learning na prática?",
    ],
)

if __name__ == "__main__":
    iface.launch()