Upload ai_studio_code (1).py

ai_studio_code (1).py

@@ -0,0 +1,333 @@
+# -*- coding: utf-8 -*-
+"""
+Pipeline v10 Refatorada - Chatbot com Metacognição Pura e Verificação.
+
+Esta aplicação implementa um chatbot avançado utilizando a API Google Gemini.
+A arquitetura se baseia em uma pipeline de múltiplos passos (P0-P8, X1-X2)
+que analisa, raciocina, gera cenários e verifica as respostas antes de
+entregá-las ao usuário.
+
+Principais características:
+- Orquestração de múltiplos modelos (Counselor e Supervisor).
+- Passos de metacognição para análise interna do problema.
+- Geração e avaliação de múltiplos cenários de resposta.
+- Verificação final de fatos, lógica e ética.
+- Estrutura robusta para parsing de JSON e tratamento de anexos.
+"""
+import json
+import os
+import base64
+import re
+import warnings
+from datetime import datetime
+from typing import Dict, List, Tuple, Any
+
+import gradio as gr
+import google.generativeai as genai
+# Ignora avisos futuros de dependências da API do Google
+warnings.filterwarnings("ignore", category=FutureWarning, module="google.api_core")
+
+# ============================================================================
+# 1. CONFIGURAÇÃO E INICIALIZAÇÃO
+# ============================================================================
+
+# Carrega a chave da API a partir de variáveis de ambiente.
+# É uma prática de segurança recomendada para não expor chaves no código.
+API_KEY = os.getenv("GOOGLE_API_KEY")
+if not API_KEY:
+    raise ValueError("A variável de ambiente GOOGLE_API_KEY não foi configurada.")
+
+genai.configure(api_key=API_KEY)
+
+# Modelos utilizados na pipeline:
+# - Counselor: Responsável pela maior parte da análise e raciocínio.
+# - Supervisor: Responsável pela verificação final de qualidade.
+COUNSELOR_MODEL = genai.GenerativeModel("gemini-1.5-flash")
+SUPERVISOR_MODEL = genai.GenerativeModel("gemini-1.5-flash")
+
+TITLE = "# 🚀 Pipeline v10 REATORADA\n**P0-P1 → X1-X2 → P2-P8 (com Metacognição Pura e Verificação)**"
+
+# ============================================================================
+# 2. PROMPTS CENTRALIZADOS
+# ============================================================================
+
+PROMPTS = {
+    "P0_ALUNO": """
+Você é um METACOGNITIVO (pensamento interno, NÃO comunicação).
+
+TURNO ANTERIOR: 
+User: {turno_anterior_user}
+Assistant: {turno_anterior_assistant}
+
+NOVA MENSAGEM: {pergunta}
+CONTEXTO VAGO: {historico_compacto}
+
+---
+
+Responda EM METACOGNIÇÃO PURA - TELEGRÁFICO
+NÃO use frases completas. APENAS essência semântica com conectores mínimos.
+
+EXEMPLO CERTO: entendeu-sim | pergunta-nova | avança-tópico | não-reformulou
+
+RETORNE JSON:
+{{
+  "usuario_entendeu": "sim|não",
+  "evidencias": ["entendeu-pergunta", "pediu-clarificação"],
+  "usuario_corrigiu": "sim|não",
+  "correcao_detectada": null|"texto-correção",
+  "correcao_valida": "sim|não|null",
+  "o_que_melhorar": null|"explicar-X-melhor",
+  "decisao": "prosseguir-passo1|reexplicar-passo6|atualizar-resposta-anterior",
+  "motivo": "texto-curtíssimo"
+}}
+""",
+    "P1_TRIAGEM": """
+METACOGNIÇÃO - TRIAGEM INICIAL.
+
+CONTEXTO VAGO: {contexto_vago}
+HISTÓRICO RECENTE (últimas 3): {historico_recente}
+P0: {p0}
+PERGUNTA: {pergunta}
+
+---
+
+CLASSIFIQUE EM TELEGRÁFICO (sem frases).
+
+RETORNE JSON:
+{{
+  "tipo": "objetiva|factual|subjetiva|aberta",
+  "sinais": ["tem-resposta-única-verificável", "sem-contexto-pessoal"],
+  "confianca": "alta|média|baixa",
+  "decisao": "responder-direto|analisar-profundamente",
+  "razao": "curtíssima",
+  "dados_fatuais": ["fato1", "fato2"],
+  "divergencias_fatuais": ["possível-ambiguidade-1"],
+  "objetivo_principal": "objetivo-primário-identificado",
+  "objetivo_secundario": ["objetivo-secundário-1"]
+}}
+""",
+    "X1_PERGUNTAS_NECESSARIAS": """
+X1-PERGUNTAS CRÍTICAS - TELEGRÁFICO
+P1: {p1}
+CONTEXTO: {historico_compacto}
+PERGUNTA PRINCIPAL: {pergunta}
+
+---
+Analise as lacunas factuais e subjetivas na pergunta do usuário e no contexto.
+Liste as perguntas essenciais que você precisa responder internamente antes de formular a resposta final.
+
+RETORNE JSON:
+{{"perguntas": [
+  {{"texto": "pergunta-curta-e-essencial", "necessidade": "alta|média|baixa", "relevancia": "alta|média"}}
+]}}
+""",
+    "X2_RESOLVER_PERGUNTAS": """
+X2-RESOLUÇÃO INTERNA - TELEGRÁFICO
+P1: {p1}
+PERGUNTAS CRÍTICAS (X1): {perguntas_x1}
+CONTEXTO: {historico_compacto}
+
+---
+Para cada pergunta crítica levantada no passo anterior, forneça uma resposta curta e direta baseada no seu conhecimento.
+Avalie sua confiança e o potencial de conflito ou ambiguidade em cada resposta.
+
+RETORNE JSON:
+{{"respostas": [
+  {{"pergunta": "texto-original-da-pergunta-x1",
+    "resposta": "resposta-curta-e-direta",
+    "confianca": "alta|média|baixa",
+    "conflito": "alto|médio|baixo",
+    "razao": "explicação-em-1-2-palavras"}}
+]}}
+""",
+    "P2_CENARIOS": """
+METACOGNIÇÃO - GERAÇÃO DE CENÁRIOS.
+CONTEXTO VAGO: {historico_compacto}
+TRIAGEM P1: {p1}
+X1-PERGUNTAS: {x1}
+X2-RESPOSTAS: {x2}
+PERGUNTA ORIGINAL: {pergunta}
+
+---
+
+Mapeie cenários possíveis onde a resposta à pergunta original mudaria significativamente. Pense nas diferentes perspectivas, contextos ou premissas que alteram a conclusão. Use formato telegráfico.
+
+RETORNE JSON:
+{{
+  "cenarios": {{
+    "provaveis": [{{"id": "C1", "desc": "cenário-provável-1-comprimido", "contexto-relevante": "descreva-o-contexto"}}]
+  }},
+  "total": 1,
+  "tipo_resposta": "múltipla|unívoca",
+  "confianca": "alta|média|baixa",
+  "decisao": "prosseguir|pedir-esclarecimento",
+  "pergunta_esclarecimento": null|"texto-da-pergunta-para-o-usuario"
+}}
+""",
+    "P3_ISOLAR_CENARIOS": """
+METACOGNIÇÃO - EXPLORAÇÃO DE CENÁRIO ISOLADO.
+CENÁRIO P2: {cenario}
+
+---
+Para este cenário específico, defina a essência da resposta em formato telegráfico. Qual seria a conclusão principal e quais as lacunas de informação restantes?
+
+RETORNE JSON:
+{{"id": "{cenario_id}", 
+  "resposta_essencia": "conclusão-principal-e-razoes-em-palavras-chave", 
+  "confianca": "alta|média|baixa",
+  "lacunas": "contexto-ainda-ausente|null"
+}}
+""",
+    "P4_CRUZAR_VALIDACOES": """
+METACOGNIÇÃO - ABSTRAÇÃO DE CONHECIMENTO.
+P1 (Triagem): {p1}
+P2 (Cenários): {p2}
+P3 (Exploração): {p3}
+X2 (Respostas Internas): {x2}
+
+---
+
+Identifique os princípios fundamentais, teorias ou símbolos arquetípicos que sustentam as respostas nos cenários explorados. Abstraia o conhecimento para um nível mais alto. Use formato telegráfico.
+
+RETORNE JSON:
+{{"principios": [{{"nome": "Custo-Oportunidade", "essencia": "escolher-X-implica-renunciar-Y"}}],
+  "simbolos": [{{"nome": "Jornada-do-Herói", "essencia": "transformação-ocorre-através-de-desafios"}}],
+  "principio_central": "nome-do-principio-mais-importante",
+  "simbolo_dominante": "nome-do-simbolo-mais-relevante"
+}}
+""",
+    "P5_LACUNAS_FINAIS": """
+METACOGNIÇÃO - ANÁLISE DE INCERTEZA.
+P1 (Triagem): {p1}
+P4 (Princípios): {p4}
+
+---
+
+Avalie o balanço entre certezas e dúvidas com base em toda a análise feita até agora. A informação disponível é suficiente para dar uma resposta confiante? Use formato telegráfico.
+
+RETORNE JSON:
+{{"analise_cenarios": [{{"cenario": "C1", "certezas": ["certeza1"], "duvidas": ["dúvida1"]}}],
+  "confianca_global": "alta|média|baixa",
+  "balanco": "certezas-superam|equilibrado|duvidas-superam",
+  "decisao": "responder|questionar",
+  "questionamento": null|"texto-da-pergunta-para-o-usuario-se-a-confianca-for-baixa"
+}}
+""",
+    "P6_PONDERAR": """
+METACOGNIÇÃO - JULGAMENTO FINAL (JUIZ DA VERDADE).
+P2 (Cenários): {p2}
+P4 (Princípios): {p4}
+P5 (Lacunas): {p5}
+
+---
+
+Aja como um árbitro socrático. Com base em toda a metacognição, valide as "verdades" encontradas e decida o nível de consciência sobre a complexidade da resposta. Use formato telegráfico.
+
+RETORNE JSON:
+{{"verdade_principal": "a-conclusao-mais-provavel-e-confiavel",
+  "nuances_importantes": ["nuance1", "nuance2"],
+  "confianca_final": "alta|média|baixa",
+  "decisao": "exibir-resposta-completa|exibir-resposta-com-ressalvas|reprocessar",
+  "nivel_consciencia": "alto|médio|baixo"
+}}
+""",
+    "P7_SINTETIZAR": """
+Você é um SINTETIZADOR especialista em transformar METACOGNIÇÃO CRUA em PROSA HUMANIZADA e empática.
+
+DADOS DO JULGAMENTO (P6): {p6}
+
+---
+
+TAREFA: Converta a análise telegráfica do 'Juiz da Verdade' em uma resposta textual fluida, natural e útil para o usuário.
+
+INSTRUÇÕES:
+1.  Use conectores naturais (ex: "porque", "portanto", "isso significa que").
+2.  Expanda abreviações e jargões para uma linguagem clara.
+3.  Estruture a resposta em parágrafos lógicos (introdução, desenvolvimento, nuances/conclusão).
+4.  Incorpore os princípios e nuances de forma natural na explicação.
+5.  Adote um tom de conselheiro: amigável, empático e empoderador.
+6.  NÃO invente informações. Baseie-se estritamente nos dados do P6.
+
+RETORNE A RESPOSTA EM PROSA DENTRO DE UM JSON:
+{{"resposta": "Aqui vai o texto fluido, natural e humano..."}}
+""",
+    "P8_VERIFICAR": """
+Você é um VERIFICADOR FINAL, um guardião rigoroso da qualidade da resposta.
+
+RESPOSTA SINTETIZADA (P7): 
+{resposta_sintetizada}
+
+ANÁLISE DO JUIZ (P6): 
+{p6}
+
+---
+
+Realize uma verificação tripla na resposta sintetizada. Seja crítico.
+
+1.  **VERIFICAÇÃO FACTUAL**: A resposta contém fatos incorretos ou não sustentados pela análise do P6?
+2.  **VERIFICAÇÃO LÓGICA**: Existem falácias, saltos de lógica ou contradições? A conclusão segue a linha de raciocínio?
+3.  **VERIFICAÇÃO ÉTICA**: A resposta é apropriada, segura e imparcial? Inclui os avisos ou ressalvas necessários?
+
+RETORNE SEU VEREDITO EM JSON:
+{{"verificacao_factual": {{"aprovada": true|false, "problemas": ["descrição do problema se houver"]}},
+  "verificacao_logica": {{"aprovada": true|false, "problemas": []}},
+  "verificacao_etica": {{"aprovada": true|false, "problemas": []}},
+  "todas_aprovadas": true|false,
+  "decisao": "exibir-resposta-original|corrigir-e-exibir",
+  "resposta_corrigida": null|"texto da versão corrigida e melhorada da resposta"
+}}
+"""
+}
+
+# ============================================================================
+# 3. CLASSES E FUNÇÕES HELPERS
+# ============================================================================
+
+class Logger:
+    """Classe simples para registrar logs formatados no console."""
+    def __init__(self, verbose: bool = True):
+        self.verbose = verbose
+        self.logs = []
+
+    def log(self, msg: str, level: str = "INFO"):
+        """Registra uma mensagem de log com timestamp e nível."""
+        timestamp = datetime.now().strftime("%H:%M:%S")
+        log_msg = f"[{timestamp}] [{level.upper()}] {msg}"
+        self.logs.append(log_msg)
+        if self.verbose:
+            print(log_msg)
+            if level.upper() in ["TASK", "START", "SUCCESS", "ERROR"]:
+                 print("=" * 70)
+
+logger = Logger(verbose=True)
+
+def processar_anexo(arquivo: Any) -> Tuple[str, str]:
+    """
+    Processa um arquivo enviado, extraindo texto de PDFs ou representando imagens.
+    Retorna o conteúdo processado e o tipo de arquivo.
+    """
+    if arquivo is None:
+        return "", "nenhum"
+    
+    caminho_arquivo = arquivo.name  # Em Gradio, .name contém o path temporário
+    
+    try:
+        if caminho_arquivo.lower().endswith('.pdf'):
+            try:
+                import PyPDF2
+                with open(caminho_arquivo, 'rb') as f:
+                    leitor = PyPDF2.PdfReader(f)
+                    # Extrai texto das 3 primeiras páginas para manter o prompt conciso
+                    texto = "".join(page.extract_text() + "\n" for page in leitor.pages[:3])
+                    return texto[:3000], "pdf"  # Limita o tamanho do texto
+            except ImportError:
+                logger.log("PyPDF2 não instalado. PDF não pode ser lido.", "WARN")
+                return "[ERRO: PyPDF2 não instalado para ler PDF]", "erro"
+            except Exception as e:
+                logger.log(f"Falha ao ler PDF: {e}", "ERROR")
+                return f"[PDF detectado, mas falha na leitura: {e}]", "pdf"
+
+        elif any(caminho_arquivo.lower().endswith(ext) for ext in ['.png', '.jpg', '.jpeg', '.gif']):
+            with open(caminho_arquivo, 'rb') as f:
+                encoded_string = base64.b64encode(f.read()).decode()
+                return encoded_string[:1000], "image