Update app.py

app.py

@@ -0,0 +1,91 @@
+import streamlit as st
+import requests
+from transformers import T5Tokenizer, T5ForConditionalGeneration
+# URL da API (substitua pelo seu endpoint de API, ex: ngrok)
+model_name = "Text-to-SQL T5 modelo 1"  # Você pode trocar para o modelo que está usando, como "t5-base", "t5-large", etc.
+tokenizer = T5Tokenizer.from_pretrained(model_name)
+model = T5ForConditionalGeneration.from_pretrained(model_name)
+st.set_page_config(layout="wide")
+st.title("Text-to-SQL app")
+def preditor_sql(texto):
+    # Prefixo para a tarefa de geração de SQL
+    input_text = "gerar SQL: " + texto
+    
+    # Tokenizar a entrada
+    inputs = tokenizer.encode(input_text, return_tensors="pt", truncation=True)
+
+    # Gerar a saída do modelo
+    outputs = model.generate(inputs, max_length=300, num_beams=5, early_stopping=True)
+
+    # Decodificar a sequência gerada
+    predicao = tokenizer.decode(outputs[0], skip_special_tokens=True)
+
+    return predicao
+# CSS customizado para posicionar e estilizar as mensagens
+def apply_custom_css():
+    st.markdown(
+        """
+        <style>
+        .user-message {
+            background-color: #DCF8C6;
+            color: black;
+            padding: 8px;
+            border-radius: 10px;
+            max-width: 70%;
+            margin-left: auto;
+            margin-right: 10px;
+            margin-top: 5px;
+            text-align: right;
+            font-size: 16px;
+        }
+        .assistant-message {
+            background-color: #ECECEC;
+            color: black;
+            padding: 8px;
+            border-radius: 10px;
+            max-width: 70%;
+            margin-left: 10px;
+            margin-top: 5px;
+            text-align: left;
+            font-size: 16px;
+        }
+        </style>
+        """,
+        unsafe_allow_html=True
+    )
+
+# Chamar a função para aplicar o CSS
+apply_custom_css()
+
+# Inicializar o estado da sessão para armazenar o histórico de mensagens
+if "messages" not in st.session_state:
+    st.session_state.messages = []
+
+# Função para exibir o chat
+def display_chat():
+    for message in st.session_state.messages:
+        if message["role"] == "user":
+            st.markdown(f'<div class="user-message">{message["content"]}</div>', unsafe_allow_html=True)
+        else:
+            st.markdown(f'<div class="assistant-message">{message["content"]}</div>', unsafe_allow_html=True)
+
+# Exibir o histórico de mensagens
+display_chat()
+
+# Input do chat para o usuário
+if prompt := st.chat_input("Say something"):
+    # Armazenar a mensagem do usuário no estado da sessão
+    st.session_state.messages.append({"role": "user", "content": prompt})
+    
+    # Exibir a mensagem do usuário imediatamente
+    st.markdown(f'<div class="user-message">{prompt}</div>', unsafe_allow_html=True)
+
+    # Fazer uma requisição POST para a API
+    
+    
+    # Armazenar a resposta da API no estado da sessão
+    prediction = preditor_sql(prompt)
+    st.session_state.messages.append({"role": "assistant", "content": prediction})
+    
+    # Exibir a resposta do assistente
+    st.markdown(f'<div class="assistant-message">{prediction}</div>', unsafe_allow_html=True)