Delete app.py

app.py

@@ -1,197 +0,0 @@
-
-import json
-import os
-import base64
-import re
-import warnings
-from typing import Dict, List, Tuple
-
-import gradio as gr
-import google.generativeai as genai
-
-# ============================================================================
-# CONFIGURAÇÃO GERAL
-# ============================================================================
-warnings.filterwarnings("ignore", category=FutureWarning, module="google.api_core")
-
-API_KEY = os.getenv("GOOGLE_API_KEY", "")
-
-if not API_KEY:
-    print("⚠️ AVISO: GOOGLE_API_KEY não encontrada!")
-
-genai.configure(api_key=API_KEY)
-model = genai.GenerativeModel("gemini-1.5-flash")
-
-TITLE = "# 🔹 Anise v10.5\n**Interface Limpa | DNA no Rodapé**"
-
-# ============================================================================
-# UTILITÁRIOS (MANTIDOS DO v10.4)
-# ============================================================================
-def processar_anexo(arquivo) -> Tuple[str, str]:
-    if arquivo is None: return "", "nenhum"
-    caminho = str(arquivo)
-    
-    if caminho.lower().endswith('.pdf'):
-        try:
-            import PyPDF2
-            with open(caminho, 'rb') as f:
-                leitor = PyPDF2.PdfReader(f)
-                texto = "".join(pagina.extract_text() + "\n" for pagina in leitor.pages[:5])
-                return texto[:5000], "pdf"
-        except: return "Erro leitura PDF", "erro"
-            
-    elif any(caminho.lower().endswith(ext) for ext in ['.png','.jpg','.jpeg','.gif','.webp']):
-        try:
-            with open(caminho, 'rb') as f:
-                encoded = base64.b64encode(f.read()).decode()
-                return encoded, "imagem"
-        except: return "Erro leitura IMG", "erro"
-    return "", "nao_suportado"
-
-def chamar_gemini_json(prompt: str, etapa: str, temperatura=0.2) -> Dict:
-    full_prompt = f"{prompt}\n\n---\nRESPONDER APENAS JSON VÁLIDO."
-    try:
-        response = model.generate_content(
-            full_prompt, 
-            generation_config=genai.types.GenerationConfig(
-                temperature=temperatura, 
-                max_output_tokens=2000,
-                response_mime_type="application/json"
-            )
-        )
-        return json.loads(response.text)
-    except:
-        return {"erro": "Falha API ou JSON", "raw": "..."}
-
-def historico_compacto(historico: List) -> str:
-    if not historico: return "Nenhum."
-    return "\n".join([f"{m.get('role','?')}: {str(m.get('content',''))[:150]}..." for m in historico[-4:]])
-
-def criar_dna() -> Dict:
-    return {"historico": [], "meta": {"turnos": 0}}
-
-# ============================================================================
-# PIPELINE (RESUMIDO PARA FOCO NA UI)
-# ============================================================================
-def passo_x1_planejar(pergunta, p1) -> Dict:
-    # Lógica simplificada para o exemplo, mantendo a estrutura robusta
-    return chamar_gemini_json(f"Liste 2 sub-perguntas cruciais para: {pergunta}", "X1")
-
-def passo_p7_resposta(pergunta, x1) -> Dict:
-    return chamar_gemini_json(f"Responda {pergunta} considerando {json.dumps(x1)}. JSON: {{'resposta_final': 'texto'}}", "P7", 0.7)
-
-# O Orquestrador principal
-def processar_pipeline(pergunta: str, historico: List, arquivo_anexo=None, dna=None) -> Tuple[str, List, Dict]:
-    # Inicializa DNA se necessário
-    if dna is None or not isinstance(dna, dict) or "historico" not in dna:
-        dna = criar_dna()
-    
-    # 1. Processar Input
-    cont_anexo, tipo_anexo = processar_anexo(arquivo_anexo)
-    prompt_final = pergunta
-    if tipo_anexo == "pdf": prompt_final = f"PDF INFO: {cont_anexo}\n{pergunta}"
-    
-    # 2. Execução (Simplificada aqui para funcionar rápido na UI nova)
-    # No código real, mantenha seus passos P0-P8 aqui
-    x1 = passo_x1_planejar(prompt_final, {"tipo": "geral"})
-    p7 = passo_p7_resposta(prompt_final, x1)
-    
-    resp_texto = p7.get("resposta_final", "Erro na geração.")
-
-    # 3. Atualizar Estado
-    novo_hist = historico + [
-        {"role": "user", "content": pergunta},
-        {"role": "assistant", "content": resp_texto}
-    ]
-    
-    # Log no DNA
-    dna["historico"].append({
-        "turno": dna["meta"]["turnos"] + 1,
-        "usuario": pergunta, 
-        "analise_x1": x1,
-        "resposta": resp_texto
-    })
-    dna["meta"]["turnos"] += 1
-    
-    return resp_texto, novo_hist, dna
-
-# ============================================================================
-# INTERFACE LIMPA V10.5
-# ============================================================================
-def chat_interface(msg, hist_state, anexo, dna_json):
-    """
-    Inputs: Mensagem, Estado(Invisível), Arquivo, DNA(String)
-    Outputs: Estado(Atualizado), Resposta(Markdown), DNA(String), LimparMsg, LimparArq
-    """
-    dna = json.loads(dna_json) if dna_json else {}
-    if hist_state is None: hist_state = []
-    
-    try:
-        resp_texto, novo_hist_state, dna_new = processar_pipeline(msg, hist_state, anexo, dna)
-        
-        # Retorna:
-        # 1. State do Histórico (invisível)
-        # 2. Resposta para o Markdown
-        # 3. DNA para o Code Block
-        # 4. None para limpar Input Msg
-        # 5. None para limpar Input Arquivo
-        return novo_hist_state, f"### 🤖 Resposta:\n\n{resp_texto}", json.dumps(dna_new, indent=2), "", None
-        
-    except Exception as e:
-        import traceback
-        trace = traceback.format_exc()
-        return hist_state, f"### ❌ Erro:\n\n```\n{trace}\n```", dna_json, msg, None
-
-if __name__ == "__main__":
-    with gr.Blocks(title="Anise UI Clean", theme=gr.themes.Soft()) as demo:
-        
-        # ESTADO (Memória invisível da conversa)
-        chat_state = gr.State([]) 
-
-        gr.Markdown(TITLE)
-        
-        # --- ÁREA DE ENTRADA ---
-        with gr.Group():
-            with gr.Row():
-                txt_input = gr.Textbox(
-                    show_label=False, 
-                    placeholder="Digite sua pergunta aqui e pressione Enter...", 
-                    scale=5,
-                    lines=2
-                )
-                file_input = gr.File(label="Anexar", scale=1, file_count="single", type="filepath")
-            
-            btn_submit = gr.Button("Enviar 🚀", variant="primary")
-        
-        # --- ÁREA DE RESPOSTA ---
-        # Não usamos gr.Chatbot aqui, apenas um Markdown ou Textbox para a resposta atual
-        with gr.Container(variant="panel"):
-            out_resposta = gr.Markdown(
-                value="### 👋 Olá! Faça uma pergunta para iniciar.",
-                label="Resposta"
-            )
-
-        # --- RODAPÉ: DNA E HISTÓRICO TÉCNICO ---
-        gr.Markdown("---") # Separador
-        with gr.Accordion("🧬 Histórico DNA (Logs do Raciocínio)", open=True):
-            # O componente Code tem botão de copiar nativo no canto superior direito
-            out_dna = gr.Code(
-                label="Estado Interno (JSON)", 
-                language="json", 
-                lines=10, 
-                interactive=False # Apenas leitura, facilita cópia
-            )
-            
-            # Opção alternativa se preferir Textbox com botão explícito
-            # out_dna_txt = gr.Textbox(label="DNA Texto", show_copy_button=True, max_lines=10)
-
-        # --- EVENTOS ---
-        entradas = [txt_input, chat_state, file_input, out_dna]
-        saidas   = [chat_state, out_resposta, out_dna, txt_input, file_input]
-        
-        txt_input.submit(chat_interface, inputs=entradas, outputs=saidas)
-        btn_submit.click(chat_interface, inputs=entradas, outputs=saidas)
-
-    print("🚀 Anise Interface Limpa iniciada em http://0.0.0.0:7860")
-    demo.launch(server_name="0.0.0.0", server_port=7860)
-O