Update app.py

app.py

@@ -2,50 +2,43 @@ import gradio as gr
 import torch
 from transformers import AutoModelForCausalLM, AutoTokenizer
 
-# Modelo pequeno, viável em CPU grátis
+# Modelo pequeno, viável em CPU grátis do Hugging Face
 MODEL_NAME = "microsoft/DialoGPT-small"
 
 tokenizer = AutoTokenizer.from_pretrained(MODEL_NAME)
 model = AutoModelForCausalLM.from_pretrained(MODEL_NAME).to("cpu")
 
 
-def gerar_resposta(messages, history=None):
+def responder(pergunta: str) -> str:
     """
-    Gradio (type='messages') chama a função com:
-    - messages: lista de mensagens no formato [{"role": ..., "content": ...}, ...]
-    - history: (segundo argumento, que não vamos usar)
-
-    Por isso deixamos history=None para evitar o TypeError.
-    A função deve retornar APENAS uma string com a resposta.
+    Bot de Perguntas e Respostas sobre Deep Learning.
+    Recebe uma pergunta em texto e devolve uma resposta em português,
+    com tom de professor explicando de forma simples.
     """
 
-    # Prompt de sistema: define o "personagem" do bot
+    pergunta = (pergunta or "").strip()
+    if not pergunta:
+        return "Me manda uma pergunta sobre Deep Learning 🙂"
+
+    # Prompt de sistema: define o "personagem"
     system_prefix = (
         "Você é o Professor DL, um professor de Deep Learning. "
         "Responda SEMPRE em português do Brasil, de forma simples, didática e objetiva, "
-        'chamando a outra pessoa de "você" e usando exemplos práticos quando possível. '
-        "Explique conceitos como redes neurais, CNN, RNN, overfitting, regularização, etc., "
-        "sem fórmulas muito pesadas."
+        "usando exemplos práticos quando possível. "
+        "Explique conceitos como redes neurais, camadas, CNN, RNN, overfitting, "
+        "regularização, dropout, etc., sem fórmulas muito pesadas."
     )
 
-    # Monta o texto de conversa
-    texto = system_prefix + "\n\n"
-
-    if messages:
-        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:"
+    prompt = (
+        system_prefix
+        + "\n\n"
+        + f"Aluno: {pergunta}\n"
+        + "Professor DL:"
+    )
 
     # Tokenização
     inputs = tokenizer(
-        texto,
+        prompt,
         return_tensors="pt",
         truncation=True,
         max_length=512,
@@ -55,7 +48,7 @@ def gerar_resposta(messages, history=None):
     with torch.no_grad():
         output_ids = model.generate(
             **inputs,
-            max_new_tokens=120,
+            max_new_tokens=160,
             do_sample=True,
             top_p=0.9,
             temperature=0.7,
@@ -64,7 +57,7 @@ def gerar_resposta(messages, history=None):
 
     saida = tokenizer.decode(output_ids[0], skip_special_tokens=True)
 
-    # Pega apenas o trecho depois do último "Professor DL:"
+    # Extrai só a parte depois de "Professor DL:"
     if "Professor DL:" in saida:
         resposta = saida.split("Professor DL:")[-1].strip()
     else:
@@ -79,33 +72,17 @@ def gerar_resposta(messages, history=None):
     return resposta
 
 
-descricao = """
-### 🤖 Professor DL – Chatbot de Deep Learning
-
-Este chatbot atua 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?",
-    ],
-    cache_examples=False,  # evita rodar exemplos no startup e quebrar o app
+demo = gr.Interface(
+    fn=responder,
+    inputs=gr.Textbox(lines=2, label="Sua pergunta sobre Deep Learning"),
+    outputs=gr.Textbox(lines=8, label="Resposta do Professor DL"),
+    title="Professor DL - Bot de Deep Learning",
+    description=(
+        "Faça perguntas sobre redes neurais, Deep Learning, CNN, RNN, overfitting, "
+        "regularização, etc. O Professor DL responde em português, de forma didática."
+    ),
 )
 
 if __name__ == "__main__":
-    iface.launch()
+    demo.launch()
+