Update app.py

app.py

@@ -1,3 +1,4 @@
+
 import os
 import json
 import time
@@ -5,82 +6,76 @@ import hashlib
 from datetime import datetime
 from concurrent.futures import ThreadPoolExecutor, as_completed
 
-from fastapi import FastAPI, UploadFile, Form
-from fastapi.middleware.cors import CORSMiddleware
-from fastapi.responses import JSONResponse
-
+import gradio as gr
 import google.generativeai as genai
 
-# PDF
+# Dependências para PDF
 try:
     import PyPDF2
     PDF_SUPPORT = True
 except ImportError:
     PDF_SUPPORT = False
+    print("⚠️  PyPDF2 não instalado. Instale com: pip install PyPDF2")
 
-# ==================== CONFIG ====================
+# ==================== 1. CONFIGURAÇÃO ====================
 
 api_key = os.getenv("GOOGLE_API_KEY", "SUA_API_KEY_AQUI")
 if api_key and api_key != "SUA_API_KEY_AQUI":
     genai.configure(api_key=api_key)
 
+# Modelos do Gemini
 model_flash = genai.GenerativeModel("gemini-flash-latest")
 model_pro = genai.GenerativeModel("gemini-pro-latest")
 
 ARQUIVO_CONFIG = "protocolo.json"
 PASTA_TRANSCRICOES = "transcricoes"
 PAGES_PER_CHUNK = 10
-MAX_WORKERS = 5
+MAX_WORKERS = 5  # Limite de chamadas paralelas
 
 os.makedirs(PASTA_TRANSCRICOES, exist_ok=True)
 
-# ==================== APP FASTAPI ====================
-
-app = FastAPI(title="AI Forensics API", version="1.0")
-
-app.add_middleware(
-    CORSMiddleware,
-    allow_origins=["*"],
-    allow_methods=["*"],
-    allow_headers=["*"],
-)
-
-# Estado global
-pipeline_state = {"is_paused": False, "timeline": [], "remaining_agents": []}
-
-# ----------------- UTILIDADES -----------------
+# ==================== 2. UTILIDADES ====================
 
 def carregar_protocolo():
+    """ Carrega o protocolo. Se não existir, cria um com exemplo de STOP. """
     try:
         with open(ARQUIVO_CONFIG, "r", encoding="utf-8") as f:
             return f.read()
     except FileNotFoundError:
-        return json.dumps([
-            {"nome": "Leitor Inicial", "modelo": "flash", "missao": "Leia o contexto e resuma os fatos."},
+        # Protocolo padrão que inclui um agente com a lógica de pergunta ao usuário
+        protocolo_padrao = [
+            {"nome": "Leitor Inicial", "modelo": "flash", "missao": "Leia o contexto e resuma os fatos principais em 3 a 5 pontos."},
             {
                 "nome": "Advogado de Acusação",
                 "modelo": "pro",
-                "missao": "Faça uma pergunta ao usuário apenas no formato JSON: {\"tipo\":\"pergunta_usuario\", \"pergunta\":\"...\"}"
+                "missao": "Com base nos fatos, formule uma pergunta crucial para o usuário para fortalecer um caso. Sua resposta DEVE ser APENAS um JSON no formato: {\"tipo\": \"pergunta_usuario\", \"pergunta\": \"Sua pergunta aqui\"}"
             },
-            {"nome": "Analista Final", "modelo": "pro", "missao": "Dê o parecer final com base na resposta."}
-        ], indent=2)
-
+            {"nome": "Analista Final", "modelo": "pro", "missao": "Considere a resposta do usuário e os fatos iniciais para dar um parecer final sobre o caso."}
+        ]
+        return json.dumps(protocolo_padrao, indent=2)
 
 def salvar_protocolo(conteudo):
-    json.loads(conteudo)
-    with open(ARQUIVO_CONFIG, "w", encoding="utf-8") as f:
-        f.write(conteudo)
-
+    try:
+        json.loads(conteudo)
+        with open(ARQUIVO_CONFIG, "w", encoding="utf-8") as f:
+            f.write(conteudo)
+        return "✅ Protocolo salvo com sucesso!"
+    except Exception as e:
+        return f"❌ Erro ao salvar: {str(e)}"
 
-# ----------------- PDF -----------------
+def limpar_nome_arquivo(nome):
+    nome_base = os.path.basename(nome)
+    nome_limpo = "".join([c for c in nome_base if c.isalnum() or c in (' ', '.', '_', '-')]).strip()
+    return nome_limpo + ".json"
 
 def extrair_texto_pdf(caminho_pdf):
+    # (Implementação existente, sem alterações)
     try:
-        with open(caminho_pdf, "rb") as f:
+        with open(caminho_pdf, 'rb') as f:
             reader = PyPDF2.PdfReader(f)
             paginas = []
             for i, page in enumerate(reader.pages):
-                texto = page.extract_text() or ""
+                texto = page.extract_text()
                 paginas.append({
                     "numero": i + 1,
                     "texto": texto,
@@ -92,190 +87,483 @@ def extrair_texto_pdf(caminho_pdf):
 
 
 def fragmentar_pdf(paginas, tamanho_chunk=PAGES_PER_CHUNK):
+    # (Implementação existente, sem alterações)
     chunks = []
     for i in range(0, len(paginas), tamanho_chunk):
         chunk = paginas[i:i + tamanho_chunk]
         num_inicio = chunk[0]["numero"]
         num_fim = chunk[-1]["numero"]
+        
         texto_consolidado = "\n---QUEBRA DE PÁGINA---\n".join(
             [f"[PÁGINA {p['numero']}]\n{p['texto']}" for p in chunk]
         )
-
+        
         chunks.append({
             "id": f"chunk_{num_inicio}_{num_fim}",
             "paginas": f"{num_inicio}-{num_fim}",
-            "texto": texto_consolidado
+            "num_paginas": len(chunk),
+            "texto": texto_consolidado,
+            "metadata": [p["metadata"] for p in chunk]
         })
     return chunks
 
+def processar_pdf_completo(arquivo_pdf):
+    # (Implementação existente, sem alterações)
+    if not PDF_SUPPORT:
+        return None, "❌ PyPDF2 não disponível"
+    
+    try:
+        paginas, erro = extrair_texto_pdf(arquivo_pdf.name if hasattr(arquivo_pdf, 'name') else arquivo_pdf)
+        if erro:
+            return None, f"❌ Erro ao ler PDF: {erro}"
+        
+        chunks = fragmentar_pdf(paginas)
+        nome_arquivo = os.path.basename(arquivo_pdf.name if hasattr(arquivo_pdf, 'name') else arquivo_pdf)
+        
+        return {
+            "arquivo": nome_arquivo,
+            "total_paginas": len(paginas),
+            "total_chunks": len(chunks),
+            "chunks": chunks,
+            "tipo": "pdf"
+        }, None
+    except Exception as e:
+        return None, f"❌ Erro no processamento: {str(e)}"
+
+def ler_arquivo_texto(arquivo):
+    # (Implementação existente, sem alterações)
+    if arquivo is None: return None
+    try:
+        with open(arquivo.name, "r", encoding="utf-8") as f:
+            conteudo = f.read()
+        return {
+            "arquivo": os.path.basename(arquivo.name),
+            "conteudo": conteudo,
+            "tipo": "texto"
+        }
+    except: return None
+
+# ==================== 3. PIPELINE DE IA ====================
 
 def transcrever_chunk(chunk_data, config_agentes):
+    # (Implementação existente, sem alterações)
     modelo = model_flash
     try:
-        if config_agentes[0].get("modelo") == "pro":
-            modelo = model_pro
+        if config_agentes and isinstance(config_agentes, list):
+            if config_agentes[0].get("modelo") == "pro":
+                modelo = model_pro
     except:
         pass
-
+    
     prompt = f"""
-Transcreva e estruture o conteúdo das páginas {chunk_data['paginas']}:
-
+ANÁLISE DE DOCUMENTO (OCR/LEITURA):
+Transcreva e estruture o conteúdo das páginas {chunk_data['paginas']}.
+Texto extraído:
 {chunk_data['texto']}
 
-Retorne JSON: {{"transcricao":"...", "resumo":"..."}}
+Retorne JSON: {{ "transcricao": "...", "objetos": ["..."], "resumo": "..." }}
 """
     try:
-        resposta = modelo.generate_content(prompt)
-        texto_resp = resposta.text.replace("```json", "").replace("```", "")
-        return json.loads(texto_resp), None
+        for tentativa in range(3):
+            try:
+                resposta = modelo.generate_content(prompt)
+                texto_resp = resposta.text.replace("```json", "").replace("```", "")
+                return json.loads(texto_resp.strip()), None
+            except Exception as inner_e:
+                if "429" in str(inner_e):
+                    time.sleep(2 * (tentativa + 1))
+                    continue
+                raise inner_e
     except Exception as e:
         return None, str(e)
 
-# ==================== UPLOAD ====================
+# ==================== 4. GERENCIADOR DE ARQUIVOS ====================
+
+class GerenciadorArquivos:
+    # (Implementação existente, sem alterações)
+    def __init__(self):
+        self.arquivos = {} 
+
+    def adicionar(self, arquivo, arquivo_id):
+        self.arquivos[arquivo_id] = {
+            "arquivo": arquivo,
+            "nome": os.path.basename(arquivo.name),
+            "status": "adicionado",
+            "processado": None,
+            "transcricao": None
+        }
+
+    def gerar_prompt_com_transcricoes(self, texto_usuario):
+        prompt = texto_usuario + "\n\n--- CONTEXTO DOS ARQUIVOS ---\n"
+        count = 0
+        for _, item in self.arquivos.items():
+            if item["status"] == "processado" and item["transcricao"]:
+                count += 1
+                trans = item["transcricao"]
+                nome = item["nome"]
+                prompt += f"\n[ARQUIVO: {nome}]\n"
+                
+                if isinstance(trans, dict) and "chunks_processados" in trans:
+                    for chunk in trans["chunks_processados"]:
+                        if chunk.get("status") == "OK":
+                            resumo = chunk.get('resumo', '')
+                            resumo = str(resumo) if resumo else ""
+                            prompt += f"Páginas {chunk['paginas']}: {resumo}\n"
+                            
+                            texto_full = chunk.get('transcricao', '')
+                            if texto_full:
+                                texto_seguro = str(texto_full)
+                                prompt += f"Trecho: {texto_seguro[:400]}...\n"
+                            else:
+                                prompt += "Trecho: (vazio)\n"
+
+                elif isinstance(trans, dict) and "conteudo" in trans:
+                    conteudo = str(trans['conteudo'])
+                    prompt += f"Conteúdo: {conteudo[:1000]}...\n"
+        
+        if count == 0:
+            prompt += "(Nenhum arquivo processado ainda)"
+        return prompt
+
+# Instância Global
+gerenciador = GerenciadorArquivos()
+
+# ==================== 5. FUNÇÕES DE ORQUESTRAÇÃO ====================
+
+def automacao_upload_processamento(files, history, config_json):
+    # (Implementação existente, sem alterações)
+    if not files:
+        return history
 
-@app.post("/upload")
-async def upload_arquivos(files: list[UploadFile]):
-
-    resultados = []
+    try:
+        config_agentes = json.loads(config_json)
+    except:
+        config_agentes = []
+
+    if history is None:
+        history = []
+
+    history.append([None, f"📂 **SISTEMA:** Recebi {len(files)} arquivo(s). Verificando cache e processando..."])
+    yield history
+    
+    ids_para_processar = []
+    
+    for f in files:
+        arquivo_id = f"arq_{int(time.time()*1000)}_{f.name}"
+        gerenciador.adicionar(f, arquivo_id)
+        ids_para_processar.append(arquivo_id)
+    
+    for arq_id in ids_para_processar:
+        item = gerenciador.arquivos[arq_id]
+        nome = item["nome"]
+        
+        nome_cache = limpar_nome_arquivo(nome)
+        caminho_cache = os.path.join(PASTA_TRANSCRICOES, nome_cache)
+        
+        if os.path.exists(caminho_cache):
+            try:
+                with open(caminho_cache, "r", encoding="utf-8") as cache_file:
+                    dados_cache = json.load(cache_file)
+                item["transcricao"] = dados_cache
+                item["status"] = "processado"
+                if nome.lower().endswith('.pdf') and "chunks_processados" in dados_cache:
+                     item["processado"] = {"tipo": "pdf", "chunks": []}
+                history.append([None, f"♻️ **Cache Encontrado:** `{nome}` já foi processado. Carregando..."])
+                yield history
+                continue
+            except Exception as e:
+                history.append([None, f"⚠️ Erro cache `{nome}`: {e}. Reprocessando..."])
 
-    for file in files:
-        nome = file.filename
-        caminho_temp = f"/tmp/{nome}"
+        history.append([None, f"⚙️ **Processando:** `{nome}`..."])
+        yield history
 
-        with open(caminho_temp, "wb") as f:
-            f.write(await file.read())
+        if nome.lower().endswith('.pdf'):
+            if not PDF_SUPPORT:
+                history.append([None, f"❌ Erro em `{nome}`: Biblioteca PDF ausente."])
+                yield history
+                continue
 
-        # PDF
-        if nome.lower().endswith(".pdf"):
-            paginas, erro = extrair_texto_pdf(caminho_temp)
+            pdf_proc, erro = processar_pdf_completo(item["arquivo"])
             if erro:
-                resultados.append({"arquivo": nome, "erro": erro})
+                history.append([None, f"❌ Erro em `{nome}`: {erro}"])
+                yield history
                 continue
+            
+            item["processado"] = pdf_proc
+            chunks = pdf_proc["chunks"]
+            total_chunks = len(chunks)
+            
+            chunks_ordenados = [None] * total_chunks
+            
+            history.append([None, f"📄 `{nome}` fragmentado em {total_chunks} partes. Iniciando IA (Paralelo: {MAX_WORKERS} threads)..."])
+            yield history
 
-            chunks = fragmentar_pdf(paginas)
-
-            resultados_chunks = []
             with ThreadPoolExecutor(max_workers=MAX_WORKERS) as executor:
-                futures = {
-                    executor.submit(transcrever_chunk, c, []): c 
-                    for c in chunks
-                }
-                for future in as_completed(futures):
+                futures_map = {}
+                for i, chunk in enumerate(chunks):
+                    future = executor.submit(transcrever_chunk, chunk, config_agentes)
+                    futures_map[future] = i
+                
+                concluidos = 0
+                for future in as_completed(futures_map):
+                    index_original = futures_map[future]
                     res, err = future.result()
+                    
                     if err:
-                        resultados_chunks.append({"status": "ERRO", "erro": err})
+                        chunks_ordenados[index_original] = {"status": "ERRO", "paginas": chunks[index_original]["paginas"]}
                     else:
-                        resultados_chunks.append({"status": "OK", **res})
-
-            resultados.append({
-                "arquivo": nome,
-                "tipo": "pdf",
-                "chunks": resultados_chunks
-            })
-
-        # Texto
-        elif nome.lower().endswith(".txt"):
-            with open(caminho_temp, "r", encoding="utf-8") as f:
-                conteudo = f.read()
-
-            resultados.append({
+                        chunks_ordenados[index_original] = {
+                            "status": "OK",
+                            "paginas": chunks[index_original]["paginas"],
+                            "transcricao": res.get("transcricao"),
+                            "resumo": res.get("resumo")
+                        }
+                    
+                    concluidos += 1
+                    if concluidos % 2 == 0 or concluidos == total_chunks:
+                        msg_base = f"📄 `{nome}`: Processando partes... ({concluidos}/{total_chunks})"
+                        history[-1][1] = msg_base
+                        yield history
+
+            dados_finais = {
                 "arquivo": nome,
-                "tipo": "texto",
-                "conteudo": conteudo
-            })
-
-    return JSONResponse(resultados)
-
-
-# ==================== CHAT AGENTES ====================
-
-@app.post("/chat")
-async def chat_pipeline(message: str = Form(...), config_json: str = Form(...)):
-
-    global pipeline_state
+                "data_processamento": str(datetime.now()),
+                "chunks_processados": chunks_ordenados
+            }
+            
+            item["transcricao"] = dados_finais
+            item["status"] = "processado"
+            
+            try:
+                with open(caminho_cache, "w", encoding="utf-8") as f_out:
+                    json.dump(dados_finais, f_out, indent=2, ensure_ascii=False)
+                history.append([None, f"💾 `{nome}` processado e salvo no cache."])
+            except Exception as e:
+                 history.append([None, f"⚠️ Erro ao salvar cache: {e}"])
+            
+            yield history
+
+        else:
+            res = ler_arquivo_texto(item["arquivo"])
+            if res:
+                item["processado"] = res
+                dados_finais = {"conteudo": res["conteudo"], "data_processamento": str(datetime.now())}
+                item["transcricao"] = dados_finais
+                item["status"] = "processado"
+                
+                with open(caminho_cache, "w", encoding="utf-8") as f_out:
+                    json.dump(dados_finais, f_out, indent=2, ensure_ascii=False)
+                
+                history.append([None, f"✅ `{nome}` (Texto) lido e salvo."])
+            else:
+                history.append([None, f"❌ Falha ao ler `{nome}`."])
+            yield history
+            
+    history.append([None, "🏁 **Processamento de lote finalizado.** Os arquivos estão prontos para análise."])
+    yield history
+
+
+def chat_orquestrador(message, history, config_json, pipeline_state):
+    """
+    Orquestra a conversa. Pode iniciar uma nova pipeline ou continuar uma que foi pausada.
+    """
+    
+    # --- LÓGICA DE CONTINUAÇÃO ---
+    if pipeline_state.get("is_paused"):
+        history.append([message, None])
+        
+        # Recupera o estado
+        timeline_execucao = pipeline_state["timeline"]
+        agentes_restantes = pipeline_state["remaining_agents"]
+        
+        # Adiciona a resposta do usuário à trilha de auditoria
+        timeline_execucao.append({
+            "passo": len(timeline_execucao) + 1,
+            "tipo": "resposta_usuario",
+            "conteudo": message
+        })
+        
+        # Reseta o estado para evitar loops
+        pipeline_state["is_paused"] = False
+        
+        # Continua a execução do ponto onde parou
+        yield from executar_pipeline(history, timeline_execucao, agentes_restantes, pipeline_state)
+        return
 
+    # --- LÓGICA DE INÍCIO DE UMA NOVA CONVERSA ---
+    try:
+        prompt_contexto = gerenciador.gerar_prompt_com_transcricoes(message)
+    except Exception as e:
+        history.append([message, f"❌ Erro ao gerar contexto: {str(e)}"])
+        yield history, [], pipeline_state
+        return
+    
     try:
         protocolo = json.loads(config_json)
     except:
-        return {"erro": "Configuração JSON inválida."}
-
-    # pipeline pausado → usuário respondeu
-    if pipeline_state["is_paused"]:
-        timeline = pipeline_state["timeline"]
-        remanescentes = pipeline_state["remaining_agents"]
-        pipeline_state["is_paused"] = False
-
-        timeline.append({"tipo": "resposta_usuario", "conteudo": message})
-        return await executar_pipeline(timeline, remanescentes)
-
-    # nova thread
-    timeline = [{"tipo": "prompt_usuario", "conteudo": message}]
-    return await executar_pipeline(timeline, protocolo)
-
-
-async def executar_pipeline(timeline_execucao, agentes):
-
-    global pipeline_state
-
-    for i, cfg in enumerate(agentes):
-
-        nome = cfg["nome"]
-        modelo = model_pro if cfg.get("modelo") == "pro" else model_flash
-
-        prompt = f"""
---- HISTÓRICO ---
-{json.dumps(timeline_execucao, indent=2, ensure_ascii=False)}
-
-Sua identidade: {nome}
-Sua missão: {cfg['missao']}
+        history.append([message, "❌ Erro no JSON de Configuração do Protocolo."])
+        yield history, [], pipeline_state
+        return
+
+    history.append([message, None])
+    
+    # Inicia uma nova trilha de auditoria
+    timeline_execucao = [{"passo": 1, "tipo": "prompt_usuario", "conteudo": prompt_contexto}]
+    yield history, timeline_execucao, pipeline_state
+    
+    # Inicia a execução com todos os agentes do protocolo
+    yield from executar_pipeline(history, timeline_execucao, protocolo, pipeline_state)
+
+
+def executar_pipeline(history, timeline_execucao, agentes_a_executar, pipeline_state):
+    """
+    Função core que executa a lista de agentes em sequência.
+    Pode ser pausada se um agente pedir input do usuário.
+    """
+    passo_atual = len(timeline_execucao) + 1
+    
+    for i, cfg in enumerate(agentes_a_executar):
+        nome_agente = cfg.get("nome", "Agente")
+        modelo_agente = model_pro if cfg.get("modelo") == "pro" else model_flash
+        
+        msg_atual = history[-1][1] or ""
+        history[-1][1] = msg_atual + f"⏳ **{nome_agente}** está analisando...\n"
+        yield history, timeline_execucao, pipeline_state
+        
+        prompt_agente = f"""
+--- HISTÓRICO DA CONVERSA ATÉ AGORA ---
+{json.dumps(timeline_execucao, ensure_ascii=False, indent=2)}
+-----------------
+Sua Identidade: {nome_agente}
+Sua Missão Específica Agora: {cfg['missao']}
+Responda de forma concisa e direta, focando apenas na sua missão.
 """
-
-        resp = modelo.generate_content(prompt)
-        texto = resp.text
-
-        # STOP?
         try:
-            parsed = json.loads(texto)
-            if parsed.get("tipo") == "pergunta_usuario":
-                pergunta = parsed.get("pergunta")
-
-                pipeline_state = {
-                    "is_paused": True,
-                    "timeline": timeline_execucao,
-                    "remaining_agents": agentes[i+1:]
-                }
-
-                return {
-                    "status": "aguardando_usuario",
-                    "agente": nome,
-                    "pergunta": pergunta
-                }
-        except:
-            pass
-
-        timeline_execucao.append({
-            "tipo": "resposta_agente",
-            "agente": nome,
-            "resposta": texto
-        })
-
-    return {
-        "status": "concluido",
-        "timeline": timeline_execucao
-    }
-
-
-# ==================== PROTOCOLO ====================
+            inicio = time.time()
+            resp = modelo_agente.generate_content(prompt_agente)
+            texto_resp = resp.text
+            duracao = time.time() - inicio
+
+            # --- LÓGICA DE PAUSA (STOP) ---
+            try:
+                # Tenta interpretar a resposta como JSON para verificar se é uma pergunta
+                resposta_json = json.loads(texto_resp)
+                if resposta_json.get("tipo") == "pergunta_usuario":
+                    pergunta = resposta_json.get("pergunta", "Não foi possível extrair a pergunta.")
+                    
+                    # Salva o estado atual da pipeline
+                    pipeline_state["is_paused"] = True
+                    pipeline_state["timeline"] = timeline_execucao
+                    # Salva os agentes que AINDA NÃO rodaram
+                    pipeline_state["remaining_agents"] = agentes_a_executar[i+1:]
+                    
+                    # Adiciona a pergunta à auditoria e ao chat
+                    timeline_execucao.append({"passo": passo_atual, "tipo": "pergunta_agente", "agente": nome_agente, "pergunta": pergunta})
+                    msg_atual = history[-1][1].replace(f"⏳ **{nome_agente}** está analisando...\n", "")
+                    history[-1][1] = msg_atual + f"**{nome_agente}** precisa de mais informações:\n\n> *{pergunta}*\n\nAguardando sua resposta na caixa de texto abaixo..."
+                    
+                    # Encerra a execução atual e aguarda o usuário
+                    yield history, timeline_execucao, pipeline_state
+                    return # Sai da função
+            except (json.JSONDecodeError, TypeError):
+                # Se não for um JSON de pergunta, é uma resposta normal
+                pass
+            # ---------------------------
+
+            timeline_execucao.append({"passo": passo_atual, "tipo": "resposta_agente", "agente": nome_agente, "resposta": texto_resp})
+            
+            msg_atual = history[-1][1].replace(f"⏳ **{nome_agente}** está analisando...\n", "")
+            
+            # Não exibe o conteúdo da resposta do modelo no chat, apenas a confirmação
+            novo_trecho = f"✅ **[{nome_agente}]** concluiu sua análise em ({duracao:.1f}s).\n"
+            history[-1][1] = msg_atual + novo_trecho
+            yield history, timeline_execucao, pipeline_state
+            
+        except Exception as e:
+            timeline_execucao.append({"passo": passo_atual, "tipo": "erro_agente", "agente": nome_agente, "erro": str(e)})
+            msg_atual = history[-1][1]
+            history[-1][1] = msg_atual.replace(f"⏳ **{nome_agente}** está analisando...\n", "") + f"\n❌ Erro em {nome_agente}: {str(e)}\n"
+            yield history, timeline_execucao, pipeline_state
+        
+        passo_atual += 1
+
+# ==================== 6. UI (Gradio) ====================
+
+def ui_v29_stop_logic():
+    css = """
+    footer {display: none !important;}
+    .contain {border: none !important;}
+    """
+    
+    config_inicial = carregar_protocolo()
+
+    with gr.Blocks(title="AI Forensics Auto", css=css, theme=gr.themes.Soft()) as app:
+        
+        # Estado da configuração dos agentes
+        state_config = gr.State(config_inicial)
+        # NOVO: Estado para controlar a pausa/continuação da pipeline
+        pipeline_state = gr.State({"is_paused": False, "timeline": [], "remaining_agents": []})
+
+        with gr.Tabs():
+            with gr.Tab("💬 Investigação"):
+                
+                chatbot = gr.Chatbot(
+                    height=400, 
+                    show_label=False, 
+                    show_copy_button=True,
+                    render_markdown=True,
+                    label="Chat de Investigação"
+                )
+                
+                with gr.Row():
+                    txt_input = gr.Textbox(
+                        scale=8, 
+                        show_label=False, 
+                        placeholder="Digite sua instrução ou responda à pergunta do agente...", 
+                        lines=1
+                    )
+                    btn_enviar = gr.Button("Enviar 📨", variant="primary", scale=1)
+
+                with gr.Accordion("📂 Adicionar Arquivos para Análise", open=False):
+                    gr.Markdown("Selecione arquivos (PDF, TXT). A transcrição iniciará **automaticamente**.")
+                    file_uploader = gr.File(
+                        file_count="multiple",
+                        file_types=[".pdf", ".txt", ".json", ".md"],
+                        label="Arraste arquivos aqui ou clique para selecionar"
+                    )
+
+            with gr.Tab("🕵️ Auditoria"):
+                gr.Markdown("### Trilha de Auditoria\nExibe o histórico completo de prompts e respostas de cada agente na última execução.")
+                json_audit = gr.JSON(label="Timeline da Execução da Última Mensagem")
+
+            with gr.Tab("⚙️ Contexto & Config"):
+                gr.Markdown("### Protocolo dos Agentes\nDefina a sequência e as missões dos agentes de IA. Para pausar e pedir input, use a missão de exemplo para o agente retornar um JSON específico.")
+                with gr.Row():
+                    btn_save_cfg = gr.Button("💾 Salvar Alterações")
+                    lbl_cfg_status = gr.Label(show_label=False)
+                
+                code_config = gr.Code(value=config_inicial, language="json", label="protocolo.json")
+                
+                btn_save_cfg.click(salvar_protocolo, inputs=[code_config], outputs=[lbl_cfg_status])
+                # Atualiza o state_config em memória após salvar
+                btn_save_cfg.click(lambda x: x, inputs=[code_config], outputs=[state_config])
+
+        # Ação de clique agora passa o pipeline_state para o orquestrador
+        btn_enviar.click(
+            chat_orquestrador,
+            inputs=[txt_input, chatbot, state_config, pipeline_state],
+            outputs=[chatbot, json_audit, pipeline_state] # Atualiza o estado da pipeline
+        ).then(
+            lambda: "", outputs=[txt_input]
+        )
 
-@app.get("/protocolo")
-def get_protocolo():
-    return JSONResponse(json.loads(carregar_protocolo()))
+        file_uploader.upload(
+            automacao_upload_processamento,
+            inputs=[file_uploader, chatbot, state_config],
+            outputs=[chatbot]
+        )
 
+    return app
 
-@app.post("/protocolo")
-def post_protocolo(conteudo: str = Form(...)):
-    try:
-        salvar_protocolo(conteudo)
-        return {"status": "ok", "mensagem": "Protocolo salvo."}
-    except Exception as e:
-        return {"erro": str(e)}
+if __name__ == "__main__":
+    ui_v29_stop_logic().launch()