Update app.py

app.py

@@ -17,7 +17,6 @@ from langchain.embeddings import HuggingFaceEmbeddings
 from langchain.vectorstores import FAISS
 from langchain.text_splitter import RecursiveCharacterTextSplitter
 from langchain.chains import RetrievalQA
-from langchain.schema import Document
 import tempfile
 import numpy as np
 from sklearn.metrics.pairwise import cosine_similarity
@@ -29,28 +28,18 @@ OPENROUTER_API_KEY = os.getenv("ROUTER_API_KEY")
 if not OPENROUTER_API_KEY:
     raise ValueError("❌ A variável de ambiente ROUTER_API_KEY não está definida. Verifique o arquivo .env.")
 
-# 🔍 Embeddings mais robustos
+# Embedding robusto
 embeddings = HuggingFaceEmbeddings(model_name="sentence-transformers/all-mpnet-base-v2")
 qa_chain = None
 processed_file = None
 
-# ✅ Trecho manualmente injetado com a tabela crítica de fator de segurança
-fator_seg_texto = """
-Art. 23. Cabe ao profissional legalmente habilitado calcular os Fatores de Segurança para as barragens de mineração, 
-sendo exigido valor igual ou superior a 1,30 para resistência de pico (condição não drenada, global ou local). 
-§ 3º Quando o Fator de Segurança estiver abaixo dos valores mínimos, o empreendedor deve interromper imediatamente 
-o lançamento de efluentes e notificar a ANM.
-"""
-
+# ✅ Carrega o PDF fixo automaticamente
 def load_default_pdf():
     global qa_chain, processed_file
     try:
         loader = PyPDFLoader("LegisMiner.pdf")
         documents = loader.load()
 
-        # ➕ Adiciona o trecho crítico manualmente como documento extra
-        documents.append(Document(page_content=fator_seg_texto, metadata={"source": "manual_injection"}))
-
         text_splitter = RecursiveCharacterTextSplitter(chunk_size=800, chunk_overlap=300)
         docs = text_splitter.split_documents(documents)
 
@@ -70,7 +59,7 @@ def load_default_pdf():
         )
 
         processed_file = "LegisMiner.pdf"
-        print("✅ LegisMiner.pdf carregado automaticamente com trecho crítico injetado.")
+        print("✅ LegisMiner.pdf carregado automaticamente.")
     except Exception as e:
         print(f"❌ Erro ao carregar LegisMiner.pdf automaticamente: {e}")
 
@@ -109,9 +98,6 @@ def process_pdf(file):
         loader = PyPDFLoader(pdf_path)
         documents = loader.load()
 
-        # ➕ Adiciona também na troca manual o trecho crítico
-        documents.append(Document(page_content=fator_seg_texto, metadata={"source": "manual_injection"}))
-
         text_splitter = RecursiveCharacterTextSplitter(chunk_size=800, chunk_overlap=300)
         docs = text_splitter.split_documents(documents)
 
@@ -143,12 +129,10 @@ def ask_question(question):
         return "⚠️ Por favor, carregue um PDF primeiro", "", {}
 
     try:
-        # 🎯 Prompt especializado
         system_prompt = (
             "Você é um Analista Técnico Especialista em Normas Regulatórias de Mineração do Brasil. "
-            "Responda exclusivamente com base no conteúdo do PDF LegisMiner.pdf. "
-            "Explique de forma objetiva, técnica e clara. "
-            "Se a resposta não estiver disponível no documento, informe isso ao usuário."
+            "Responda com base apenas no conteúdo técnico do documento LegisMiner.pdf. "
+            "Seja direto, técnico e objetivo. Se não houver informação no documento, informe isso."
         )
 
         resposta = qa_chain.invoke({
@@ -156,7 +140,7 @@ def ask_question(question):
         })
 
         sources = "\n\n".join(
-            [f"📄 Fonte {i+1}:\n{doc.page_content[:500]}..." 
+            [f"📄 Fonte {i+1}:\n{doc.page_content[:500]}..."
              for i, doc in enumerate(resposta['source_documents'])]
         )
 
@@ -215,3 +199,4 @@ load_default_pdf()
 # Compartilhamento opcional no Colab ou Hugging Face
 share = True if 'COLAB_JUPYTER_TRANSPORT' in os.environ else False
 demo.launch(share=share, debug=False)
+