app.py

import os
import json
import firebase_admin
from firebase_admin import credentials, firestore
from flask import Flask, request, jsonify
from transformers import pipeline

app = Flask(__name__)

# ====== CONFIGURAÇÃO FIREBASE ======
try:
    firebase_key = os.getenv("FIREBASE_KEY")
    if firebase_key:
        cred_dict = json.loads(firebase_key)
        cred = credentials.Certificate(cred_dict)
        firebase_admin.initialize_app(cred)
        db = firestore.client()
        print("✅ Firebase conectado com sucesso.")
    else:
        print("⚠️ FIREBASE_KEY não encontrada nos secrets do Space.")
except Exception as e:
    print(f"❌ Erro ao inicializar Firebase: {e}")

# ====== MODELO ======
try:
    model_pipeline = pipeline("text-classification", model="pysentimiento/robertuito-emotion-analysis")
    print("✅ Modelo carregado com sucesso!")
except Exception as e:
    print(f"❌ Erro ao carregar modelo: {e}")
    model_pipeline = None

# ====== MAPEAMENTO DE EMOÇÕES ======
emotion_labels = {
    "sadness": "tristeza",
    "joy": "alegria",
    "anger": "raiva",
    "fear": "ansiedade",
    "disgust": "insegurança",
    "surprise": "alegria",
    "others": "neutro"
}

# ====== SUGESTÕES ======
def gerar_sugestao(emotion_pt):
    sugestoes = {
        "tristeza": "Procure fazer algo que te acalme e traga conforto emocional.",
        "depressão": "Você não está sozinho. Considere conversar com alguém de confiança ou buscar apoio profissional.",
        "alegria": "Continue aproveitando esse momento positivo e compartilhe boas energias!",
        "raiva": "Afaste-se da situação e respire antes de reagir. Canalize essa energia em algo produtivo.",
        "ansiedade": "Tente identificar o que está te causando ansiedade e dê pequenos passos para enfrentá-la.",
        "insegurança": "Analise os pontos que causam insegurança e busque soluções práticas.",
        "neutro": "Mantenha o equilíbrio emocional e cuide de si mesmo.",
        "desconhecido": "Emoção não identificada com precisão."
    }
    return sugestoes.get(emotion_pt, "Mantenha o equilíbrio emocional e cuide de você mesmo.")

# ====== FALLBACK APRIMORADO COM PALAVRAS-CHAVE ======
EMOTION_KEYWORDS = {
    "tristeza": ["triste","desanimado","melancólico","chateado","solitário","deprimido","abatido","infeliz","desmotivado"],
    "ansiedade": ["ansioso","preocupado","nervoso","tenso","inquieto","aflito","alarmado","sobrecarregado","inseguro","apreensivo"],
    "insegurança": ["inseguro","incerto","receoso","hesitante","duvidoso","apreensivo","desconfiado"],
    "raiva": ["irritado","zangado","raiva","furioso","ódio","revoltado","frustrado","indignado","hostil","bravo","enfurecido","irado"],
    "alegria": ["feliz","animado","contente","alegre","satisfeito","entusiasmado","radiante","orgulhoso","euforia"],
    "depressão": ["sem esperança","vazio","desesperado","sem vontade","cansado da vida","desamparado"],
    "neutro": ["ok","normal","tranquilo","indiferente","equilibrado","estável"]
}

def fallback_emotion(text):
    text_lower = text.lower()
    match_counts = {k: sum(1 for w in v if w in text_lower) for k, v in EMOTION_KEYWORDS.items()}
    emotion = max(match_counts, key=match_counts.get)
    if match_counts[emotion] == 0:
        emotion = "neutro"
    return {
        "status": "fallback",
        "emotion": emotion,
        "emode": [emotion],
        "confidence": 0.6 if match_counts[emotion] > 0 else 0.0,
        "suggestion": gerar_sugestao(emotion),
        "debug": "Fallback ativado"
    }

# ====== AJUSTE HÍBRIDO ======
def hybrid_emotion(text, result):
    text_lower = text.lower()
    detected = result.get("emotion", "neutro")
    max_matches = 0

    for emo, keywords in EMOTION_KEYWORDS.items():
        matches = sum(2 for w in keywords if w in text_lower)
        if matches > max_matches:
            max_matches = matches
            if emo != detected:
                detected = emo

    confidence = result.get("confidence", 0.0)
    if detected != result.get("emotion"):
        confidence = 0.7 + max_matches * 0.05
    confidence = min(confidence, 1.0)

    return {
        "status": "ok",
        "emotion": detected,
        "emode": [detected],
        "confidence": round(confidence, 2),
        "probabilities": result.get("probabilities", {detected: 1.0}),
        "suggestion": result.get("suggestion", gerar_sugestao(detected)),
        "debug": result.get("debug", "Híbrido aplicado")
    }

# ====== ROTA DE ANÁLISE ======
@app.route("/analyze", methods=["POST"])
def analyze():
    try:
        data = request.get_json()
        if not data or "text" not in data:
            return jsonify({"error": "Campo 'text' é obrigatório."}), 400

        text = data["text"]

        if not model_pipeline:
            return jsonify(fallback_emotion(text))

        result = model_pipeline(text, return_all_scores=True)
        if not result or len(result) == 0:
            return jsonify(fallback_emotion(text))

        scores = {r["label"]: r["score"] for r in result[0]}
        top_label = max(scores, key=scores.get)
        confidence = round(scores[top_label], 2)
        emotion_pt = emotion_labels.get(top_label, "desconhecido")

        # Ajuste especial para "tristeza" muito forte
        if emotion_pt == "tristeza" and confidence >= 0.9:
            emotion_pt = "depressão"

        base_result = {
            "status": "ok",
            "emotion": emotion_pt,
            "emode": [emotion_pt],
            "confidence": confidence,
            "probabilities": {emotion_labels.get(k, k): round(v,3) for k,v in scores.items()},
            "suggestion": gerar_sugestao(emotion_pt)
        }

        # Aplica lógica híbrida com fallback de palavras-chave
        final_result = hybrid_emotion(text, base_result)
        return jsonify(final_result)

    except Exception as e:
        return jsonify({"error": str(e)}), 500

if __name__ == "__main__":
    app.run(host="0.0.0.0", port=7860)