app.py

import streamlit as st
import matplotlib.pyplot as plt
import numpy as np
import os
from stable_baselines3 import PPO

# CONFIGURAÇÃO DE TELA
st.set_page_config(page_title="FelipeCore v4 Quantum", page_icon="🌀", layout="wide")

st.markdown("""
    <style>
    .main { background-color: #0e1117; }
    h1 { color: #bc13fe; font-family: 'Courier New', Courier, monospace; }
    .stMetric { background-color: #1a1c23; padding: 10px; border-radius: 10px; border: 1px solid #bc13fe; }
    </style>
    """, unsafe_allow_html=True)

# 1. CARREGAMENTO LOCAL
NOME_DO_MODELO = "ppo_felipecore_v4_quantum.zip"

@st.cache_resource
def load_quantum_model():
    if os.path.exists(NOME_DO_MODELO):
        try:
            return PPO.load(NOME_DO_MODELO, device="cpu")
        except Exception as e:
            st.error(f"Erro ao carregar o agente: {e}")
            return None
    return None

model = load_quantum_model()

st.title("🌀 FELIPECORE v4: Quantum Dashboard")

with st.sidebar:
    if model:
        st.success("✅ AGENTE ONLINE")
    else:
        st.error("❌ AGENTE OFFLINE")
        
    st.header("🛸 Command Center")
    steps = st.slider("Analysis Steps", 20, 200, 100)
    input_base = st.number_input("Quantum Input Base", value=1.0)
    run_btn = st.button("EXECUTE NEURAL STREAM")

col1, col2 = st.columns([2, 1])

if run_btn and model:
    with col1:
        st.write("🌌 *Injetando ruído quântico nos tensores...*")
        results = []
        progress = st.progress(0)
        
        for i in range(steps):
            try:
                # Simulando o ambiente caótico do treinamento (4 sensores)
                # Adicionamos variação aleatória para o modelo 'reagir'
                v1 = float(input_base + np.random.normal(0, 1.0))
                v2 = float(np.random.normal(0, 1.0))
                v3 = float(np.random.normal(0, 1.0))
                v4 = float(np.random.normal(0, 1.0))
                
                obs = np.array([[v1, v2, v3, v4]], dtype=np.float32)
                
                # deterministic=False: Força a rede neural a usar probabilidade
                # Isso faz o gráfico pular entre 0 e 1 em vez de ficar parado.
                action, _ = model.predict(obs, deterministic=False)
                
                # CONSERTO DO ERRO: .item() extrai o número sem reclamar de dimensões
                if hasattr(action, 'item'):
                    val = action.item()
                else:
                    val = float(action[0]) if isinstance(action, (list, np.ndarray)) else float(action)
                    
                results.append(val)
            except Exception as e:
                st.error(f"Erro técnico: {e}")
                break
                
            progress.progress((i + 1) / steps)

        if results:
            plt.style.use('dark_background')
            fig, ax = plt.subplots(figsize=(10, 4))
            
            # Gráfico de degraus (Step) porque o modelo só decide 0 ou 1
            ax.step(range(len(results)), results, color='#bc13fe', linewidth=2, where='post')
            ax.fill_between(range(len(results)), results, color='#bc13fe', alpha=0.1, step='post')
            
            ax.set_title("Neural Decision Stream (Discrete 0/1)", color="#bc13fe")
            ax.set_ylim(-0.2, 1.2)
            ax.set_yticks([0, 1])
            ax.set_yticklabels(['LOW', 'HIGH'])
            st.pyplot(fig)

    with col2:
        if results:
            st.metric(label="Last Action", value="HIGH (1)" if results[-1] > 0.5 else "LOW (0)")
            st.metric(label="Decision Variance", value=f"{np.std(results):.4f}")
            
            if np.std(results) > 0.1:
                st.success("🔥 MODELO ATIVO: Mudando de estado!")
            else:
                st.warning("ℹ️ ESTADO ÚNICO: Tente mudar o Input Base.")

st.markdown("---")
st.caption("FelipeCore-v4-Quantum | Numpy 2.0 Scalar Fix")