Create app.py

app.py

@@ -0,0 +1,116 @@
+import os
+import sqlite3
+import pandas as pd
+from dotenv import load_dotenv
+from langchain_community.document_loaders import PyPDFLoader
+from langchain.text_splitter import RecursiveCharacterTextSplitter
+from langchain_community.vectorstores import FAISS
+from langchain.embeddings import HuggingFaceEmbeddings
+from langchain_openai import ChatOpenAI
+from langchain.chains import ConversationalRetrievalChain
+from langchain.memory import ConversationBufferMemory
+import gradio as gr
+
+# Carrega chave da API
+load_dotenv()
+os.environ["OPENAI_API_KEY"] = os.getenv("OPENROUTER_API_KEY")
+os.environ["OPENAI_API_BASE"] = "https://openrouter.ai/api/v1"
+
+# Carrega e divide o PDF
+loader = PyPDFLoader("apostila_python.pdf")
+docs = loader.load()
+text_splitter = RecursiveCharacterTextSplitter(chunk_size=500, chunk_overlap=100)
+documents = text_splitter.split_documents(docs)
+
+# Cria embeddings com modelo local (sem necessidade de API)
+embeddings = HuggingFaceEmbeddings(model_name="all-MiniLM-L6-v2")
+vectordb = FAISS.from_documents(documents, embeddings)
+retriever = vectordb.as_retriever()
+
+# Cria banco de dados SQLite se não existir
+conn = sqlite3.connect("historico_conversas.db")
+cursor = conn.cursor()
+cursor.execute('''
+CREATE TABLE IF NOT EXISTS conversas (
+    id INTEGER PRIMARY KEY AUTOINCREMENT,
+    aluno TEXT,
+    pergunta TEXT,
+    resposta TEXT,
+    timestamp DATETIME DEFAULT CURRENT_TIMESTAMP
+)
+''')
+conn.commit()
+conn.close()
+
+# LLM da OpenRouter
+llm = ChatOpenAI(model="deepseek/deepseek-r1:free", temperature=0.4)
+
+# Memória da conversa
+memoria = ConversationBufferMemory(memory_key="chat_history", return_messages=True, output_key="answer")
+
+# Cadeia com recuperação de contexto e memória
+qa_chain = ConversationalRetrievalChain.from_llm(
+    llm=llm,
+    retriever=retriever,
+    memory=memoria,
+    return_source_documents=True,
+    output_key="answer"
+)
+
+# Função para salvar no banco
+def salvar_conversa(nome, pergunta, resposta):
+    conn = sqlite3.connect("historico_conversas.db")
+    cursor = conn.cursor()
+    cursor.execute("INSERT INTO conversas (aluno, pergunta, resposta) VALUES (?, ?, ?)",
+                   (nome or "Anônimo", pergunta, resposta))
+    conn.commit()
+    conn.close()
+
+# Função para responder usando o PDF e memória
+def responder(pergunta, nome):
+    try:
+        resultado = qa_chain.invoke({"question": pergunta})
+        resposta = resultado["answer"]
+        fontes = resultado.get("source_documents", [])
+
+        # Fallback se nenhuma fonte relevante for encontrada
+        if not fontes or all(len(doc.page_content.strip()) == 0 for doc in fontes):
+            resposta = llm.invoke(pergunta)
+
+        salvar_conversa(nome, pergunta, resposta)
+        return resposta
+
+    except Exception as e:
+        import traceback
+        return f"❌ Erro:\n{traceback.format_exc()}"
+
+# Resetar memória
+def resetar_memoria():
+    memoria.clear()
+    return "✅ Memória resetada com sucesso!"
+
+# Exportar conversas para arquivos
+def exportar_conversas():
+    conn = sqlite3.connect("historico_conversas.db")
+    df = pd.read_sql_query("SELECT * FROM conversas ORDER BY timestamp DESC", conn)
+    df.to_csv("conversas_exportadas.csv", index=False)
+    df.to_excel("conversas_exportadas.xlsx", index=False, engine="openpyxl")
+    conn.close()
+    return "✅ Arquivos 'conversas_exportadas.csv' e 'conversas_exportadas.xlsx' foram salvos!"
+
+# Interface Gradio
+with gr.Blocks() as app:
+    gr.Markdown("## 🤖 Tutor de Python com IA + Apostila PDF + Histórico em BD")
+    nome = gr.Textbox(label="Seu nome (opcional)", placeholder="Ex: João")
+    pergunta = gr.Textbox(label="Sua dúvida sobre Python", placeholder="Ex: Como usar listas em Python?")
+    resposta = gr.Textbox(label="Resposta do Assistente")
+
+    botao_enviar = gr.Button("Enviar")
+    botao_resetar = gr.Button("🔁 Resetar Memória")
+    botao_exportar = gr.Button("📤 Exportar Histórico")
+
+    botao_enviar.click(fn=responder, inputs=[pergunta, nome], outputs=resposta)
+    botao_resetar.click(fn=resetar_memoria, outputs=resposta)
+    botao_exportar.click(fn=exportar_conversas, outputs=resposta)
+
+app.launch(share=True)