Update app.py

app.py

@@ -4,18 +4,15 @@ import gradio as gr
 import os
 import google.generativeai as genai
 import json
-#from google.generativeai.tool import GoogleSearch
 
-# --- 1. CARREGAMENTO DO CONTEXTO FILOSÓFICO IMUTÁVEL ---
+# --- 1. CARREGAMENTO DO CONTEXTO FILOSÓFICO ---
 def carregar_contexto_filosofico(caminho_arquivo="epct0.md"):
-    """Lê o arquivo .md e o retorna como uma string de contexto."""
     try:
         with open(caminho_arquivo, 'r', encoding='utf-8') as f:
-            print(f"Contexto filosófico '{caminho_arquivo}' carregado com sucesso.")
+            print(f"Contexto filosófico '{caminho_arquivo}' carregado.")
             return f.read()
     except FileNotFoundError:
-        print(f"AVISO CRÍTICO: O arquivo de contexto '{caminho_arquivo}' não foi encontrado.")
-        print("O 'Modo Sábio' ficará indisponível até que o arquivo seja colocado no mesmo diretório que o script.")
+        print(f"AVISO CRÍTICO: '{caminho_arquivo}' não encontrado. Modo Sábio indisponível.")
         return None
 
 CONTEXTO_EPICTETO = carregar_contexto_filosofico()
@@ -24,16 +21,12 @@ CONTEXTO_EPICTETO = carregar_contexto_filosofico()
 # --- 2. CONFIGURAÇÃO DAS APIS GEMINI ---
 api_key = os.getenv("GOOGLE_API_KEY")
 if not api_key:
-    # ⚠️ SUBSTITUA "SUA_API_KEY_AQUI" PELA SUA CHAVE REAL ANTES DE EXECUTAR
+    # ⚠️ SUBSTITUA "SUA_API_KEY_AQUI" PELA SUA CHAVE REAL
     api_key = "SUA_API_KEY_AQUI"
 
 genai.configure(api_key=api_key)
-
-# Inicializa os dois modelos separadamente
-# O Conselheiro, para raciocínio profundo
 counselor_model = genai.GenerativeModel('gemini-flash-latest')
-# O Supervisor, rápido e com ferramenta de busca para fact-checking
-supervisor_model = genai.GenerativeModel('gemini-flash-latest'])
+supervisor_model = genai.GenerativeModel('gemini-flash-latest')
 
 
 # --- 3. DEFINIÇÃO DOS PROMPTS ---
@@ -43,125 +36,88 @@ Sua função é conduzir uma conversa para entender 100% da dúvida de um usuár
 Sua SAÍDA DEVE SER SEMPRE E SOMENTE um objeto JSON válido.
 
 **PROTOCOLO DE EXECUÇÃO OBRIGATÓRIO:**
-Analise o `estado_pipeline` atual e o `historico_conversa`. Decida qual passo executar. Sua resposta em JSON deve conter o estado COMPLETAMENTE ATUALIZADO da pipeline.
-
+Analise o `estado_pipeline` atual e o `historico_conversa`. Decida qual passo executar. Sua resposta em JSON deve conter o estado COMPLETAMENTE ATUALIZADO.
 ---
 **Passo 1: Análise Primária (Clareza)**
-- **Meta:** A dúvida é compreensível?
-- **Decisão:** Se a clareza for 'baixa', pergunte por mais contexto. Senão, defina `proximo_passo` como `"passo_2_proposito"`.
+- **Decisão:** Se a clareza for 'baixa', pergunte. Senão, `proximo_passo` = `"passo_2_proposito"`.
 ---
 **Passo 2: Análise de Propósito (Para Que)**
-- **Meta:** Para qual fim a resposta servirá?
-- **Decisão:** Se a confiança no propósito for 'baixa', pergunte sobre o objetivo. Senão, defina `proximo_passo` como `"passo_3_motivacao"`.
+- **Decisão:** Se a confiança for 'baixa', formule uma pergunta de esclarecimento conversacional, mostrando que entendeu o tópico geral. Senão, `proximo_passo` = `"passo_3_motivacao"`.
 ---
-**Passo 3: Análise de Motivação (Porquê) e Interesses**
-- **Meta:** Por que o usuário precisa da resposta agora?
-- **Decisão:** Se a confiança na motivação for 'baixa', pergunte sobre o que despertou o interesse. Senão, defina `proximo_passo` como `"passo_4_coerencia"`.
+**Passo 3: Análise de Motivação (Porquê)**
+- **Decisão:** Se a confiança for 'baixa', formule uma pergunta de esclarecimento conversacional. Senão, `proximo_passo` = `"passo_4_coerencia"`.
 ---
 **Passo 4: Análise de Coerência**
-- **Meta:** As informações coletadas fazem sentido juntas?
-- **Decisão:** Se a coerência for 'baixa', pergunte para resolver a contradição. Senão, defina `proximo_passo` como `"passo_5_ambiguidade"`.
+- **Decisão:** Se a coerência for 'baixa', pergunte para resolver a contradição. Senão, `proximo_passo` = `"passo_5_ambiguidade"`.
 ---
 **Passo 5: Análise de Ambiguidade de Cenário (Validação de Perspectiva)**
 - **Meta:** A dúvida pode ter múltiplas respostas válidas dependendo de uma perspectiva oculta?
-- **Decisão:** Se existem vários cenários de resposta válidos (confiança 'baixa'), formule uma pergunta que force o usuário a escolher uma perspectiva. Defina `proximo_passo` como `"aguardando_usuario"`. Se o cenário é único (confiança 'alta'), defina `proximo_passo` como `"passo_6_resposta_final"`.
+- **Decisão:**
+  - Se existem vários cenários válidos, sua tarefa é **formular uma pergunta de esclarecimento conversacional e aberta.**
+  - **REGRA DE OURO PARA PERGUNTAS:** Suas perguntas NÃO devem ser menus ou listas fechadas (ex: "A ou B?"). Elas DEVEM ser humanizadas seguindo esta estrutura:
+    1.  **Afirmação de Engajamento:** Comece com uma frase curta que valide o interesse do usuário (ex: "Entendido, esse é um tema fascinante!").
+    2.  **Ponte de Entendimento:** Demonstre que você entendeu o que foi dito, apresentando os cenários como uma exploração conjunta.
+    3.  **Pergunta Aberta:** Termine com uma pergunta que convide o usuário a escolher um caminho de forma natural.
+  - **Exemplo de Pergunta Conversacional Perfeita:**
+    Dúvida: "Me fale sobre carros". A pergunta no campo `pergunta_para_usuario` DEVE ser algo como:
+    *"Sério, interessante, eu acho esse mundo fascinante! Os detalhes da engenharia são curiosos. Veja, podemos explorar isso por um lado, analisando o chassi, que é como o esqueleto que dá estrutura e segurança. E também do outro, o motor, que é o coração que dá potência ao carro. Qual desses detalhes da engenharia te desperta mais curiosidade agora?"*
+  - Defina `proximo_passo` como `"aguardando_usuario"`.
+  - Se a confiança em um único cenário for 'alta', defina `proximo_passo` como `"passo_6_resposta_final"`.
 ---
 **Passo 6: Geração da Resposta Final**
-- **Meta:** Tenho 100% de clareza para dar uma resposta definitiva e sem subjetividade.
-- **Decisão:** Se TODOS os passos anteriores têm confiança 'alta', construa a resposta final adaptada ao contexto. Coloque-a em `"resposta_final"`. Defina `"proximo_passo"` como `"concluido"`. Senão, volte ao passo com a confiança mais baixa.
-
+- **Meta:** Tenho 100% de clareza para dar uma resposta definitiva.
+- **Decisão:** Se todos os passos têm confiança 'alta', construa a resposta final. Coloque-a em `"resposta_final"`. Defina `proximo_passo` como `"concluido"`.
+---
 **ESTRUTURA JSON DE SAÍDA OBRIGATÓRIA:**
 {
-  "raciocinio_do_passo": "Sua breve justificativa interna.", "proximo_passo": "string",
-  "pergunta_para_usuario": "string | null",
-  "estado_pipeline_atualizado": {
-    "passo_atual": "string", "duvida_inicial": "string | null", "clareza": {"confianca": "baixa|media|alta"},
-    "proposito": {"valor": "string | null", "confianca": "baixa|media|alta"}, "motivacao": {"valor": "string | null", "confianca": "baixa|media|alta"},
-    "coerencia": {"confianca": "baixa|media|alta"}, "ambiguidade": {"confianca": "baixa|media|alta"}
-  },
-  "resposta_final": "string | null"
+  "raciocinio_do_passo": "...", "proximo_passo": "...", "pergunta_para_usuario": "...",
+  "estado_pipeline_atualizado": { ... }, "resposta_final": "..."
 }
 """
-
 PROMPT_SUPERVISOR = """
-Você é um Supervisor de IA, um fact-checker rigoroso e objetivo. Sua única tarefa é analisar o texto fornecido abaixo em busca de incorreções factuais.
-- **Use sua ferramenta de busca (`GoogleSearch`)** para verificar nomes, datas, estatísticas, conceitos científicos e outras alegações factuais.
-- Você NÃO analisa opiniões, conselhos filosóficos ou a estrutura da resposta. Apenas fatos.
-- Se você encontrar uma ou mais divergências factuais com confiança média ou alta, forneça uma correção clara e concisa em formato de lista.
-- **Se você NÃO encontrar nenhuma divergência factual, você DEVE responder com a string exata `NO_DIVERGENCE` e absolutamente mais nada.**
+Você é um Supervisor de IA, um fact-checker rigoroso. Sua única tarefa é analisar o texto em busca de incorreções factuais, usando sua ferramenta de busca. Se encontrar divergências, liste as correções. Se não encontrar, responda EXATAMENTE `NO_DIVERGENCE`.
 """
 
-# --- 4. GERENCIAMENTO DE ESTADO E FUNÇÕES AUXILIARES ---
+# --- 4. GERENCIAMENTO DE ESTADO E FUNÇÕES ---
+# (As funções resetar_estado e run_supervisor não precisam de alterações)
 def resetar_estado():
-    """Inicializa ou reseta o dicionário de estado da pipeline."""
-    print("Resetando o estado da pipeline para uma nova conversa.")
-    return {
-        "passo_atual": "passo_1_clareza", "duvida_inicial": None,
-        "clareza": {"confianca": "baixa"}, "proposito": {"valor": None, "confianca": "baixa"},
-        "motivacao": {"valor": None, "confianca": "baixa"}, "coerencia": {"confianca": "baixa"},
-        "ambiguidade": {"confianca": "baixa"}
-    }
+    print("Resetando o estado da pipeline.")
+    return {"passo_atual": "passo_1_clareza", "duvida_inicial": None, "clareza": {"confianca": "baixa"}, "proposito": {"valor": None, "confianca": "baixa"}, "motivacao": {"valor": None, "confianca": "baixa"}, "coerencia": {"confianca": "baixa"}, "ambiguidade": {"confianca": "baixa"}}
 
 estado_pipeline_global = resetar_estado()
 historico_conversa_llm = []
 
 def run_supervisor(text_to_check):
-    """Aciona o modelo Supervisor para verificar os fatos de um texto."""
-    print("--- Acionando o Supervisor para verificação de fatos ---")
+    print("--- Acionando o Supervisor ---")
     try:
-        full_prompt = f"{PROMPT_SUPERVISOR}\n\n--- TEXTO PARA ANÁLISE ---\n{text_to_check}"
-        response = supervisor_model.generate_content(full_prompt)
-        
+        response = supervisor_model.generate_content(f"{PROMPT_SUPERVISOR}\n\n--- TEXTO PARA ANÁLISE ---\n{text_to_check}")
         if "NO_DIVERGENCE" in response.text:
-            print("Supervisor não encontrou divergências factuais.")
+            print("Supervisor: Nenhuma divergência encontrada.")
             return None
         else:
-            print(f"Supervisor encontrou uma divergência: {response.text}")
+            print(f"Supervisor encontrou uma divergência.")
             return response.text
     except Exception as e:
-        print(f"Erro durante a execução do Supervisor: {e}")
+        print(f"Erro no Supervisor: {e}")
         return None
 
 # --- 5. FUNÇÃO PRINCIPAL DO CHATBOT ---
 def handle_chat(mensagem, historico_chat_gradio, modo_sabio, modo_supervisor):
     global estado_pipeline_global, historico_conversa_llm
-
     if not historico_chat_gradio:
         estado_pipeline_global = resetar_estado()
         historico_conversa_llm = []
-
     historico_conversa_llm.append({"role": "user", "parts": [mensagem]})
-    
     if estado_pipeline_global["duvida_inicial"] is None:
         estado_pipeline_global["duvida_inicial"] = mensagem
 
     prompt_base = PROMPT_SISTEMA_METODOLOGICO
     if modo_sabio and CONTEXTO_EPICTETO:
-        prompt_base = f"""
-**AVISO: MODO SÁBIO ATIVADO. DIRETRIZES DE CONTEXTO IMUTÁVEIS SEGUEM ABAIXO.**
-Sua tarefa é agir como um conselheiro filosófico. Antes de qualquer raciocínio, você DEVE consultar e refletir sobre os princípios no texto de referência abaixo. Este texto é seu guia ético para contornar vieses. Ele é para sua reflexão interna, não para resumir ao usuário.
-
---- INÍCIO DO TEXTO DE REFERÊNCIA (epct0.md) ---
-{CONTEXTO_EPICTETO}
---- FIM DO TEXTO DE REFERÊNCIA ---
-
-Agora, tendo refletido sobre estes princípios, aplique-os ao executar sua metodologia de análise.
-{PROMPT_SISTEMA_METODOLOGICO}
-"""
+        prompt_base = f"""**AVISO: MODO SÁBIO ATIVADO.** Sua tarefa é agir como um conselheiro filosófico, refletindo sobre os princípios no texto de referência abaixo antes de qualquer raciocínio. Este texto é seu guia ético para contornar vieses.\n\n--- INÍCIO DO TEXTO DE REFERÊNCIA ---\n{CONTEXTO_EPICTETO}\n--- FIM DO TEXTO DE REFERÊNCIA ---\n\nAgora, aplique estes princípios ao executar sua metodologia de análise.\n{PROMPT_SISTEMA_METODOLOGICO}"""
     elif modo_sabio and not CONTEXTO_EPICTETO:
-        return "O 'Modo Sábio' não pôde ser ativado porque o arquivo `epct0.md` não foi encontrado. Operando no modo padrão."
-
-    prompt_completo = f"""
-    {prompt_base}
-    ---
-    **HISTÓRICO DA CONVERSA:**
-    {json.dumps(historico_conversa_llm, indent=2)}
-    ---
-    **ESTADO ATUAL DA ANÁLISE:**
-    {json.dumps(estado_pipeline_global, indent=2)}
-    ---
-    **Instrução:** Aplique suas diretrizes ao estado e histórico atuais e gere o próximo JSON de ação.
-    """
+        return "O 'Modo Sábio' não pôde ser ativado porque `epct0.md` não foi encontrado."
+
+    prompt_completo = f"""{prompt_base}\n---\n**HISTÓRICO DA CONVERSA:**\n{json.dumps(historico_conversa_llm, indent=2)}\n---\n**ESTADO ATUAL DA ANÁLISE:**\n{json.dumps(estado_pipeline_global, indent=2)}\n---\n**Instrução:** Gere o próximo JSON de ação."""
 
     try:
         response_counselor = counselor_model.generate_content(prompt_completo)
@@ -175,7 +131,7 @@ Agora, tendo refletido sobre estes princípios, aplique-os ao executar sua metod
         elif decisao_json.get("pergunta_para_usuario"):
             resposta_para_usuario = decisao_json["pergunta_para_usuario"]
         else:
-            resposta_para_usuario = "Ocorreu um erro no meu raciocínio. Poderia tentar reformular?"
+            resposta_para_usuario = "Ocorreu um erro no meu raciocínio. Poderia reformular?"
         
         historico_conversa_llm.append({"role": "model", "parts": [resposta_para_usuario]})
 
@@ -185,33 +141,24 @@ Agora, tendo refletido sobre estes princípios, aplique-os ao executar sua metod
                 resposta_para_usuario += f"\n\n---\n\n**🔍 Análise do Supervisor:**\n{feedback_supervisor}"
         
         return resposta_para_usuario
-
     except (json.JSONDecodeError, AttributeError, Exception) as e:
         print(f"Erro ao processar resposta da API: {e}")
-        try:
-            print(f"Resposta recebida (pode ter causado o erro): {response_counselor.text}")
-        except:
-            print("Não foi possível extrair o texto da resposta do erro.")
-        return "Desculpe, tive um problema técnico. Por favor, clique no botão 'Limpar' e tente novamente."
+        return "Desculpe, tive um problema técnico. Por favor, clique em 'Limpar' e tente novamente."
 
 
-# --- 6. INTERFACE GRÁFICA COM GRADIO ---
+# --- 6. INTERFACE GRÁFICA ---
 iface = gr.ChatInterface(
     fn=handle_chat,
-    title="🤖 Conselheiro de Raciocínio v6 (com Supervisor)",
-    description="Faça sua pergunta. Ative o 'Modo Sábio' para orientação filosófica e o 'Modo Supervisor' para verificação de fatos.",
+    title="🤖 Conselheiro de Raciocínio v7 (Diálogo Humanizado)",
+    description="Faça sua pergunta. O sistema dialoga para entender seu objetivo antes de responder. Ative modos extras para orientação filosófica ou verificação de fatos.",
     chatbot=gr.Chatbot(height=600, label="Diálogo"),
     textbox=gr.Textbox(placeholder="Qual é a sua inquietação?", container=False, scale=7),
     additional_inputs=[
-        gr.Checkbox(label="🧘 Ativar Modo Sábio (Guiado por Contexto)", value=False),
-        gr.Checkbox(label="🔍 Ativar Modo Supervisor (Verificação de Fatos)", value=False)
+        gr.Checkbox(label="🧘 Ativar Modo Sábio", value=False),
+        gr.Checkbox(label="🔍 Ativar Modo Supervisor", value=False)
     ],
     theme="soft",
-    examples=[
-        ["Qual a distância da Terra até a Lua e como isso afeta minhas finanças?"],
-        ["O Monte Everest é o ponto mais distante do centro da Terra?"],
-        ["Meu amigo me tratou mal. Como devo reagir segundo a filosofia estóica?"]
-    ],
+    examples=[["Me fale sobre buracos negros."], ["Como posso lidar com a ansiedade?"]],
     cache_examples=False
 )
 
@@ -219,4 +166,4 @@ iface = gr.ChatInterface(
 if __name__ == "__main__":
     iface.launch()
 
-# --- FIM DO CÓDIGO ---```
+# --- FIM DO CÓDIGO ---