Upload app.py

app.py

@@ -0,0 +1,46 @@
+import streamlit as st
+from transformers import pipeline
+from langchain.prompts import PromptTemplate
+from langchain.chains import LLMChain
+
+# Inicializa o pipeline do Hugging Face
+llm = pipeline("text-generation", model="gpt-2")
+
+# Define os templates de prompt
+prompt_template_br = (
+    "Você é um analista de teste, responsável pela criação de testes unitários, com base na história de usuário {us} "
+    "e nos critérios de aceites {ca} baseados no gherking, crie os testes unitários para a linguagem de programação {lp} "
+    "baseados no framework {fw} "
+    "e explique como usar o código"
+)
+
+prompt_template = (
+    "You are a test analyst, responsible for creating unit tests based on the user story {us} "
+    "and the acceptance criteria {ca} based on Gherkin. Create the unit tests for the programming language {lp} "
+    "based on the {fw} framework and explain how to use the code."
+)
+
+# Interface do Streamlit
+st.title("AutoDevSuite : BDD-based Test Generator")
+us = st.text_area("Enter US:")
+ca = st.text_area("Enter your Gherkin-based acceptance criteria:")
+lp = st.text_input("Enter the programming language:")
+fw = st.text_input("Enter the framework:")
+
+prompt = PromptTemplate(
+    input_variables=["us", "ca", "lp", "fw"],
+    template=prompt_template
+)
+chain_1 = LLMChain(llm=llm, prompt=prompt)
+
+if st.button("Generate Unit Tests"):
+    # Gera o resultado usando os valores de entrada
+    inputs = {"us": us, "ca": ca, "lp": lp, "fw": fw}
+    formatted_prompt = prompt.format(inputs)
+    
+    # Utiliza o modelo da Hugging Face para gerar o texto
+    result = llm(formatted_prompt, max_length=512, num_return_sequences=1)[0]['generated_text']
+    
+    # Exibe o resultado
+    st.write("Results:")
+    st.write(result)