Update app.py

app.py

@@ -1,4 +1,5 @@
 import os
+import json
 import gradio as gr
 import joblib
 import numpy as np
@@ -11,7 +12,7 @@ from transformers import pipeline as hf_pipeline
 
 
 # ============================================================
-# 1. Baseline de Sentimentos (TF-IDF + Logistic Regression)
+# 1. Baseline de Sentimentos (TF-IDF + Regressão Logística)
 # ============================================================
 
 BASELINE_PATH = "baseline_pipe.pkl"
@@ -53,7 +54,7 @@ baseline_model = load_baseline()
 
 def classify_sentiment(text: str):
     """
-    Classifica o texto como positivo/negativo e retorna um dicionário.
+    Classifica o texto como positivo/negativo e retorna um dicionário Python.
     """
     text = text.strip()
     if not text:
@@ -65,13 +66,20 @@ def classify_sentiment(text: str):
     return {"sentimento": label, "confianca": round(conf, 3)}
 
 
+def classify_sentiment_str(text: str) -> str:
+    """
+    Versão para a interface: devolve o resultado como string JSON formatada.
+    """
+    result = classify_sentiment(text)
+    return json.dumps(result, ensure_ascii=False, indent=2)
+
+
 # ============================================================
 # 2. IA Generativa — FLAN-T5 (modelo aberto, sem token)
 # ============================================================
 
 GEN_MODEL = os.getenv("GEN_MODEL_ID", "google/flan-t5-base")
 
-# text2text-generation é o modo ideal para FLAN-T5
 generator = hf_pipeline(
     "text2text-generation",
     model=GEN_MODEL,
@@ -138,6 +146,7 @@ def generate_reply(history, user_msg: str):
     - Classifica sentimento da nova mensagem
     - Gera resposta usando FLAN-T5
     - Atualiza o histórico
+    - Devolve também o sentimento como string para exibir na UI
     """
     user_msg = user_msg.strip()
     if not user_msg:
@@ -145,7 +154,7 @@ def generate_reply(history, user_msg: str):
 
     sentimento = classify_sentiment(user_msg)
     if "erro" in sentimento:
-        return history, "", sentimento["erro"]
+        return history, "", json.dumps(sentimento, ensure_ascii=False, indent=2)
 
     prompt = build_prompt(history, user_msg, sentimento)
 
@@ -157,14 +166,13 @@ def generate_reply(history, user_msg: str):
         top_p=0.9,
     )[0]["generated_text"].strip()
 
-    # Atualiza histórico para o Chatbot
     new_history = history + [(user_msg, out)]
-    # Limpa o campo de texto do usuário e também retornamos o JSON do sentimento
-    return new_history, "", sentimento
+    sentimento_str = json.dumps(sentimento, ensure_ascii=False, indent=2)
+    return new_history, "", sentimento_str
 
 
 # ============================================================
-# 3. Interface Gradio (compatível com HF Spaces + queue)
+# 3. Interface Gradio (sem gr.JSON)
 # ============================================================
 
 with gr.Blocks(
@@ -185,19 +193,22 @@ with gr.Blocks(
         """
     )
 
-    # ----------------- Aba 1: Análise isolada -----------------
+    # ---------- Aba 1: Análise isolada ----------
     with gr.Tab("Análise de Sentimento"):
         text_in = gr.Textbox(
             label="Digite um comentário",
             lines=4,
             placeholder="Ex.: O produto chegou quebrado, fiquei muito chateado.",
         )
-        text_out = gr.JSON(label="Resultado da classificação")
+        text_out = gr.Textbox(
+            label="Resultado da classificação (JSON)",
+            lines=4,
+        )
         btn_analisar = gr.Button("Analisar sentimento", variant="primary")
 
-        btn_analisar.click(classify_sentiment, inputs=text_in, outputs=text_out)
+        btn_analisar.click(classify_sentiment_str, inputs=text_in, outputs=text_out)
 
-    # ----------------- Aba 2: Chatbot com histórico -----------------
+    # ---------- Aba 2: Chatbot com histórico ----------
     with gr.Tab("Chatbot (Análise + Resposta)"):
         chatbot = gr.Chatbot(
             label="Histórico de conversa com o atendente virtual",
@@ -208,17 +219,16 @@ with gr.Blocks(
             lines=3,
             placeholder="Ex.: Estou chateado, o produto é ruim.",
         )
-        sentimento_box = gr.JSON(
-            label="Sentimento da última mensagem analisada",
+        sentimento_box = gr.Textbox(
+            label="Sentimento da última mensagem analisada (JSON)",
+            lines=4,
         )
         send_btn = gr.Button("Enviar e gerar resposta", variant="primary")
 
-        # Quando clicar, gera resposta + atualiza histórico + mostra sentimento
         send_btn.click(
             generate_reply,
             inputs=[chatbot, user_box],
             outputs=[chatbot, user_box, sentimento_box],
         )
 
-# IMPORTANTE para Spaces: ativar fila (queue) antes de lançar
-demo.queue().launch()
+demo.launch()