memory.py

# MEMÓRIA E APRENDIZADO DA IA (Estática — Fallback Local)
# Este arquivo é o backup local. A memória principal vem do Supabase via /ensinar no bot.
# Use este arquivo para produtos que você SEMPRE quer fixar, sem depender do banco de dados.

import unicodedata

# Dicionário de Memória Estática
# Formato: "palavra chave do título" : "Como chamar o produto"
LEARNED_PRODUCTS = {
    # Roupas
    "calça cargo": "Calça Cargo",
    "moletom jogger": "Calça Moletom",
    "vestido quadrilha": "Vestido Xadrez",
    "rash guard": "Rash Guard Compressão",
    "calcinha": "Calcinha",
    "cueca": "Cueca",
    "sutiã": "Sutiã",
    "lingerie": "Lingerie",
    "pijama": "Pijama",
    "meia": "Meia",
    "camiseta": "Camiseta",
    "camisa social": "Camisa Social",
    "jaqueta": "Jaqueta",
    "casaco": "Casaco",
    "shorts": "Shorts",
    # Calçados
    "tênis": "Tênis",
    "sandália": "Sandália",
    "sapato": "Sapato",
    "chinelo": "Chinelo",
    "bota": "Bota",
    # Tecnologia
    "iphone": "iPhone",
    "smart tv": "Smart TV",
    "notebook": "Notebook",
    "tablet": "Tablet",
    "airpods": "AirPods",
    # Casa
    "sabão em pó": "Sabão em Pó",
    "aspirador": "Aspirador de Pó",
    "fritadeira": "Airfryer",
    "cafeteira": "Cafeteira",
    # Beleza
    "protetor solar": "Protetor Solar",
    "perfume": "Perfume",
    "shampoo": "Shampoo",
    "condicionador": "Condicionador",
    # Esporte
    "haltere": "Haltere",
    "colchonete": "Colchonete",
    "bicicleta": "Bicicleta",
    "patins": "Patins",
}


def normalize(text):
    """Remove acentos e deixa em minúsculo para comparação robusta."""
    return unicodedata.normalize('NFD', text).encode('ascii', 'ignore').decode('utf-8').lower()


def get_full_prompt(title=""):
    """
    Gera o prompt para a IA com base no título.
    Verifica a memória estática primeiro.
    Se achar, injeta como dica forte no prompt.
    """
    base_prompt = "answer pt Descreva o nome do produto principal da imagem de forma curta e direta, em 3 palavras no máximo."

    if not title:
        return base_prompt

    title_lower = normalize(title)

    # Vasculha a memória para ver se o produto já foi ensinado
    for key, correct_name in LEARNED_PRODUCTS.items():
        if normalize(key) in title_lower:
            # Injeta a memória ensinada como instrução forte no prompt
            return f"{base_prompt} Importante: o produto na imagem é um(a) {correct_name}. Responda apenas '{correct_name}'."

    # Se não achar na memória, ela tenta identificar sozinha
    return base_prompt