Create app.py

app.py

@@ -0,0 +1,105 @@
+import os
+import sqlite3
+import pandas as pd
+from dotenv import load_dotenv
+from langchain_openai import ChatOpenAI
+from langchain.prompts import PromptTemplate
+from langchain.chains import ConversationChain
+from langchain.memory import ConversationBufferMemory
+
+
+
+# Carrega chave da API (this is redundant now, but kept for clarity)
+load_dotenv()
+api_key = os.getenv("OPENROUTER_API_KEY")
+if not api_key:
+    raise ValueError("❌ Variável OPENROUTER_API_KEY não encontrada.")
+
+# Define variáveis de ambiente
+os.environ["OPENAI_API_KEY"] = api_key
+os.environ["OPENAI_API_BASE"] = "https://openrouter.ai/api/v1"    
+
+# Cria banco de dados se ainda não existir
+conn = sqlite3.connect("historico_conversas.db")
+cursor = conn.cursor()
+cursor.execute('''
+CREATE TABLE IF NOT EXISTS conversas (
+    id INTEGER PRIMARY KEY AUTOINCREMENT,
+    aluno TEXT,
+    pergunta TEXT,
+    resposta TEXT,
+    timestamp DATETIME DEFAULT CURRENT_TIMESTAMP
+)
+''')
+conn.commit()
+conn.close()
+
+# Instancia o modelo
+llm = ChatOpenAI(model="deepseek/deepseek-r1:free", temperature=0.4)
+
+# Prompt com histórico
+template = PromptTemplate.from_template(
+    """Você é um tutor de programação em Python. Responda com clareza e exemplos.
+
+Histórico da conversa:
+{history}
+
+Aluno: {input}
+Resposta:"""
+)
+
+# Memória da conversa
+memoria = ConversationBufferMemory(return_messages=True)
+
+# Cadeia com memória e prompt
+chat_chain = ConversationChain(llm=llm, memory=memoria, prompt=template)
+
+# Função para salvar no banco
+def salvar_conversa(nome, pergunta, resposta):
+    conn = sqlite3.connect("historico_conversas.db")
+    cursor = conn.cursor()
+    cursor.execute("INSERT INTO conversas (aluno, pergunta, resposta) VALUES (?, ?, ?)",
+                   (nome or "Anônimo", pergunta, resposta))
+    conn.commit()
+    conn.close()
+
+# Função para responder e gravar
+def responder(pergunta, nome):
+    try:
+        resposta = chat_chain.run(pergunta)
+        salvar_conversa(nome, pergunta, resposta)
+        return resposta
+    except Exception as e:
+        import traceback
+        return f"❌ Erro:\n{traceback.format_exc()}"
+
+# Resetar memória
+def resetar_memoria():
+    memoria.clear()
+    return "✅ Memória resetada com sucesso!"
+
+# Exportar conversas para arquivos
+def exportar_conversas():
+    conn = sqlite3.connect("historico_conversas.db")
+    df = pd.read_sql_query("SELECT * FROM conversas ORDER BY timestamp DESC", conn)
+    df.to_csv("conversas_exportadas.csv", index=False)
+    df.to_excel("conversas_exportadas.xlsx", index=False, engine="openpyxl")
+    conn.close()
+    return "✅ Arquivos 'conversas_exportadas.csv' e 'conversas_exportadas.xlsx' foram salvos!"
+
+# Interface Gradio
+with gr.Blocks() as app:
+    gr.Markdown("## 🤖 Tutor de Python com IA + Histórico em Banco de Dados + Exportação")
+    nome = gr.Textbox(label="Seu nome (opcional)", placeholder="Ex: João")
+    pergunta = gr.Textbox(label="Sua dúvida sobre Python", placeholder="Ex: Como usar listas em Python?")
+    resposta = gr.Textbox(label="Resposta do Assistente")
+
+    botao_enviar = gr.Button("Enviar")
+    botao_resetar = gr.Button("🔁 Resetar Memória")
+    botao_exportar = gr.Button("📤 Exportar Histórico")
+
+    botao_enviar.click(fn=responder, inputs=[pergunta, nome], outputs=resposta)
+    botao_resetar.click(fn=resetar_memoria, outputs=resposta)
+    botao_exportar.click(fn=exportar_conversas, outputs=resposta)
+
+app.launch(share=True)