Create app.py

app.py

@@ -0,0 +1,44 @@
+import os
+from dotenv import load_dotenv
+import gradio as gr
+from huggingface_hub import InferenceClient
+
+# Carrega o token da API do arquivo .env (crie o arquivo com HF_API_TOKEN=seu_token)
+load_dotenv()
+api_key = os.getenv("HF_API_TOKEN")
+
+# Inicializa o cliente de inferência (usa a API gratuita do HF)
+client = InferenceClient(token=api_key)  # Sem provider específico, usa o padrão do HF para Mistral
+
+# Função do chatbot: Lida com histórico e prompt do usuário
+def chat_with_llm(message, history):
+    try:
+        # Constrói o histórico de mensagens no formato esperado (multi-turn)
+        messages = []
+        for user_msg, bot_msg in history:
+            messages.append({"role": "user", "content": user_msg})
+            if bot_msg:
+                messages.append({"role": "assistant", "content": bot_msg})
+        messages.append({"role": "user", "content": message})
+        
+        # Chama a API do Mistral
+        response = client.chat.completions.create(
+            model="mistralai/Mistral-7B-Instruct-v0.3",
+            messages=messages,
+            max_tokens=150,  # Limite de tokens gerados (ajuste para mais/menos)
+            temperature=0.7,  # Controle de criatividade (0.0 a 1.0)
+        )
+        return response.choices[0].message.content
+    except Exception as e:
+        return f"Erro: {str(e)}. Verifique seu token API ou limites de uso."
+
+# Cria a interface do chatbot no Gradio
+demo = gr.ChatInterface(
+    fn=chat_with_llm,
+    title="Chatbot com Mistral (Gratuito via HF API)",
+    description="Teste o chatbot usando Mistral. Plano gratuito com limites.",
+)
+
+# Lança o app (no Spaces, isso é automático)
+if __name__ == "__main__":
+    demo.launch()