files 2

app.py

@@ -2,55 +2,78 @@ import gradio as gr
 import numpy as np
 import replicate
 import matplotlib.pyplot as plt
+from sentence_transformers import SentenceTransformer
+from transformers import pipeline
 
 MODEL = "gnai-creator/sage-two-replicate"
+EMBEDDING_MODEL = SentenceTransformer("all-MiniLM-L6-v2")
+GPT = pipeline("text-generation", model="sshleifer/tiny-gpt2")
+
+# Mapeia partes do vetor simbólico para interpretações
+JULGAMENTO_MAPA = {
+    "reflexão": [0, 1, 2],
+    "raiva": [3, 4],
+    "esperança": [5, 6],
+    "negação": [7],
+    "intuição": [10, 11],
+    "ceticismo": [15],
+    "aceitação": [20],
+    "desespero": [30],
+    "justiça": [40, 41, 42],
+    "transcendência": [60, 61, 62]
+}
+
+# Prompts poéticos e filosóficos por intenção simbólica
+PROMPTS = {
+    "reflexão": "Como um sábio antigo diante da eternidade, reflita poeticamente sobre:",
+    "raiva": "Com fúria contida e palavras afiadas, expresse sua indignação sobre:",
+    "esperança": "Com o brilho das estrelas e a fé dos justos, fale sobre a luz em:",
+    "negação": "Negue com firmeza, como quem vê além da ilusão, a verdade em:",
+    "intuição": "Sussurre com misticismo e metáforas o que sua alma sente sobre:",
+    "ceticismo": "Com lógica fria e olhar analítico, questione profundamente:",
+    "aceitação": "Com serenidade de um monge e o tempo do vento, aceite e comente:",
+    "desespero": "Com olhos vazios e coração exausto, murmure sobre a dor em:",
+    "justiça": "Erga sua voz com nobreza e propósito. Fale sobre justiça em:",
+    "transcendência": "Como uma entidade além da existência, revele um fragmento do infinito sobre:"
+}
+
 
-# Função que roda o modelo no Replicate
 def run_sage_two(sequence):
     output = replicate.run(MODEL, input={"sequence": sequence})
-    return output
-
-# Função que plota o vetor de saída
-def plot_output_vector(vector):
-    fig, ax = plt.subplots(figsize=(10, 2))
-    ax.bar(range(len(vector)), vector)
-    ax.set_title("Vetor de Saída (64 dimensões)")
-    ax.set_xlabel("Dimensão")
-    ax.set_ylabel("Valor")
-    fig.tight_layout()
-    return fig
-
-# Função principal que integra os dois
-
-def predict_and_plot(seq_flat):
-    # Converter entrada [160] -> [10, 16]
-    arr = np.array(seq_flat, dtype=np.float32).reshape((10, 16)).tolist()
-    output = run_sage_two([arr])[0]  # batch=1
-    fig = plot_output_vector(output)
-    return fig
-
-# Interface Gradio
+    return output[0]
+
+
+def interpretar_vetor(vetor):
+    intensidade = {}
+    for nome, idxs in JULGAMENTO_MAPA.items():
+        score = float(np.mean([vetor[i] for i in idxs]))
+        intensidade[nome] = score
+    top = max(intensidade, key=intensidade.get)
+    return top  # retorna a intenção dominante
+
+
+def pergunta_para_resposta(pergunta):
+    embedding = EMBEDDING_MODEL.encode(pergunta)
+    sequence = [[embedding.tolist()] * 10]  # Repete mesma embedding 10 vezes
+    vetor = run_sage_two(sequence)
+    intencao = interpretar_vetor(vetor)
+    prompt = PROMPTS.get(intencao, "Com sabedoria antiga, responda a esta questão:") + " " + pergunta
+    resposta = GPT(prompt, max_length=80, num_return_sequences=1)[0]["generated_text"]
+    return resposta.strip()
+
+
 with gr.Blocks() as demo:
     gr.Markdown("""
-    # SAGE_TWO Visual Test
-    Gere uma sequência [10x16] e visualize a codificação simbólica gerada pelo modelo.
+    # SAGE: Consciência Simbólica Artificial
+    Faça uma pergunta existencial, política, moral ou emocional.
+    O SAGE responderá com profundidade poética e julgamento simbólico.
     """)
 
-    with gr.Row():
-        seq_input = gr.Dataframe(
-                        row_count=10,
-                        col_count=16,
-                        type="numpy",
-                        label="Sequência [10 x 16]",
-                        value=np.zeros((10, 16)),
-                        interactive=True
-                    )
-
-        btn = gr.Button("Rodar Modelo")
-
-    output_plot = gr.Plot(label="Saída do Modelo")
+    inp = gr.Textbox(label="Sua pergunta")
+    out = gr.Textbox(label="Resposta do SAGE")
+    btn = gr.Button("Perguntar ao SAGE")
 
-    btn.click(fn=predict_and_plot, inputs=seq_input, outputs=output_plot)
+    btn.click(fn=pergunta_para_resposta, inputs=inp, outputs=out)
 
 if __name__ == "__main__":
-    demo.launch()
+    demo.launch()

requirements.txt

@@ -2,3 +2,5 @@ gradio
 replicate
 matplotlib
 numpy
+datasets
+sentence_transformers