Create app.py

app.py

@@ -0,0 +1,155 @@
+import os
+from dotenv import load_dotenv
+from langchain_openai import ChatOpenAI
+from langchain.prompts import PromptTemplate
+from langchain.chains import ConversationChain
+from langchain.memory import ConversationBufferMemory
+import gradio as gr
+import traceback # Import traceback for better error handling
+
+# Carrega a chave da API
+load_dotenv()
+api_key = os.getenv("OPENROUTER_API_KEY")
+
+if not api_key:
+    raise ValueError("❌ Variável OPENROUTER_API_KEY não encontrada.")
+
+# Define variáveis do ambiente
+os.environ["OPENAI_API_KEY"] = api_key
+os.environ["OPENAI_API_BASE"] = "https://openrouter.ai/api/v1"
+
+# Instancia o modelo
+llm = ChatOpenAI(
+    # model="deepseek/deepseek-r1:free", # You can keep this or choose another
+    model="mistralai/mistral-7b-instruct:free", # Example using a different free model
+    temperature=0.5 # Slightly increased temperature for potentially more varied explanations
+)
+
+# --- Lista de Tutores/Matérias ---
+subjects = [
+    "Python",
+    "Java",
+    "Ruby",
+    "Golang",
+    "C++",
+    "C#",
+    "Rust",
+    "SQL",
+    "Tableau",
+    "Power BI",
+    "Excel",
+    "Looker",
+    "Solidity"
+]
+
+# --- Template Generalizado ---
+# Now includes {subject} as an input variable
+template_string = """Você é um assistente virtual e tutor especialista em {subject}.
+Ajude os alunos com dúvidas sobre {subject}, sempre de forma clara, objetiva e com exemplos didáticos.
+Adapte a profundidade da sua resposta ao nível aparente da pergunta.
+Se a pergunta for muito vaga, peça mais detalhes.
+Concentre-se estritamente em {subject}, a menos que o aluno peça explicitamente para comparar com outra tecnologia.
+
+Histórico da conversa:
+{history}
+
+Aluno: {input}
+Resposta:"""
+
+template = PromptTemplate(
+    input_variables=["history", "input", "subject"], # Added 'subject'
+    template=template_string
+)
+
+# --- Memória da Conversa (Compartilhada entre tutores por sessão) ---
+# Consider separate memories per subject if long-term context separation is critical,
+# but for a single session, shared memory is simpler.
+memoria = ConversationBufferMemory(return_messages=True)
+
+# --- Criação da Chain (O prompt será atualizado dinamicamente) ---
+# Note: We are creating the chain once, but the prompt used *within* the chain
+# will be effectively updated by how we pass the input in the 'responder' function.
+# Alternatively, you could create a new chain object on each call, but that's less efficient.
+chat_chain = ConversationChain(
+    llm=llm,
+    memory=memoria,
+    prompt=template, # Use the template with the 'subject' variable
+    verbose=False # Set to True for debugging langchain steps
+)
+
+# --- Função para Responder com Contexto do Tutor Selecionado ---
+def responder(subject, user_message):
+    """
+    Generates a response from the LLM based on the selected subject and user message.
+    """
+    if not subject:
+        return "⚠️ Por favor, selecione uma matéria primeiro."
+    if not user_message:
+        return "⚠️ Por favor, digite sua dúvida."
+
+    try:
+        # Here we pass the subject along with the input message to the chain.
+        # The chain's prompt template expects 'subject' and 'input'.
+        response = chat_chain.run(input=user_message, subject=subject)
+        return response
+    except Exception as e:
+        # Log the full error for debugging
+        print(f"❌ Erro ao processar a solicitação:\n{traceback.format_exc()}")
+        # Return a user-friendly error message
+        return f"❌ Desculpe, ocorreu um erro ao processar sua solicitação. Detalhes: {str(e)}"
+
+# --- Interface Gradio Atualizada ---
+with gr.Blocks() as app:
+    gr.Markdown("# Tutor Poliglota com IA 🤖🎓")
+    gr.Markdown("Selecione a matéria e tire suas dúvidas com um assistente que lembra da conversa.")
+
+    with gr.Row():
+        # Dropdown para selecionar a matéria
+        subject_selector = gr.Dropdown(
+            choices=subjects,
+            label="Selecione a Matéria",
+            info="Escolha sobre qual linguagem ou ferramenta você quer perguntar."
+        )
+
+    with gr.Row():
+        # Textbox para a pergunta do usuário
+        input_textbox = gr.Textbox(
+            placeholder="Ex: Como declarar uma variável em Java?",
+            label="Sua Dúvida",
+            lines=3 # Allow more lines for input
+        )
+
+    with gr.Row():
+        # Botão para enviar
+        submit_button = gr.Button("Perguntar ao Tutor")
+
+    with gr.Row():
+        # Textbox para a resposta do assistente
+        output_textbox = gr.Textbox(
+            label="Resposta do Tutor",
+            lines=8 # Allow more lines for output
+        )
+
+    # Adiciona um botão para limpar a conversa (opcional, mas útil)
+    clear_button = gr.ClearButton(
+        components=[input_textbox, output_textbox],
+        value="Limpar Conversa e Memória"
+    )
+
+    # Define a ação do botão de envio
+    submit_button.click(
+        fn=responder,
+        inputs=[subject_selector, input_textbox], # Passa a matéria e a mensagem
+        outputs=output_textbox
+    )
+
+    # Define a ação do botão Limpar para também limpar a memória da chain
+    def clear_memory_and_interface():
+        memoria.clear() # Limpa a memória da conversa
+        return ["", ""] # Retorna valores vazios para limpar os textboxes
+
+    clear_button.click(fn=clear_memory_and_interface, outputs=[input_textbox, output_textbox])
+
+
+# Lança a aplicação
+app.launch(share=True)