Update app.py

app.py

@@ -1,6 +1,6 @@
 """
 Dashboard GLiNER2 — Análise de Projetos/Tarefas
-489 registos reais | Gradio 6.x | Múltiplas abas interativas
+489 registos reais | Gradio | Múltiplas abas interativas
 """
 
 import gradio as gr
@@ -9,598 +9,279 @@ import plotly.graph_objects as go
 from plotly.subplots import make_subplots
 import json
 from collections import Counter
+from pathlib import Path
 import warnings
+
 warnings.filterwarnings("ignore")
 
-# ─── CARREGAR DADOS ─────────────────────────────────────────────────────────
-BASE = "d:/gliner2/hf"
+# ─────────────────────────────────────────────
+# CAMINHOS PORTÁTEIS
+# ─────────────────────────────────────────────
+
+BASE = Path(__file__).parent
+
+CSV_FILE = BASE / "gliner2_resultado_489.csv"
+STAT_FILE = BASE / "gliner2_estatisticas_489.json"
+JSON_FILE = BASE / "gliner2_extracao_489.json"
+
+if not CSV_FILE.exists():
+    raise FileNotFoundError(f"CSV não encontrado: {CSV_FILE}")
+
+if not STAT_FILE.exists():
+    raise FileNotFoundError(f"JSON estatísticas não encontrado: {STAT_FILE}")
 
-df = pd.read_csv(f"{BASE}/gliner2_resultado_489.csv",
-                 sep=";", encoding="utf-8-sig", on_bad_lines="skip")
+if not JSON_FILE.exists():
+    raise FileNotFoundError(f"JSON extração não encontrado: {JSON_FILE}")
 
-with open(f"{BASE}/gliner2_estatisticas_489.json", encoding="utf-8") as f:
+# ─────────────────────────────────────────────
+# CARREGAR DADOS
+# ─────────────────────────────────────────────
+
+df = pd.read_csv(
+    CSV_FILE,
+    sep=";",
+    encoding="latin-1",
+    on_bad_lines="skip"
+)
+
+with open(STAT_FILE, encoding="utf-8") as f:
     stats = json.load(f)
 
-with open(f"{BASE}/gliner2_extracao_489.json", encoding="utf-8") as f:
+with open(JSON_FILE, encoding="utf-8") as f:
     estruturados = json.load(f)
 
-# Normalizar colaborador
+# ─────────────────────────────────────────────
+# NORMALIZAÇÃO
+# ─────────────────────────────────────────────
+
 df["COLABORADOR"] = df["COLABORADOR"].fillna("").str.strip().str.title()
 
-# Identificar colunas chave
-col_designacao = [c for c in df.columns if 'DESIGNA' in c.upper()][0]
-col_obs        = [c for c in df.columns if 'OBSERVA' in c.upper()][0]
-col_status     = 'RB STATUS'
-col_tipo       = 'TIPO'
-col_colab      = 'COLABORADOR'
+# procurar colunas automaticamente
+def find_col(keyword):
+    for c in df.columns:
+        if keyword.upper() in c.upper():
+            return c
+    raise ValueError(f"Coluna contendo '{keyword}' não encontrada")
+
+col_designacao = find_col("DESIGNA")
+col_obs = find_col("OBSERVA")
+col_status = "RB STATUS"
+col_tipo = "TIPO"
+col_colab = "COLABORADOR"
+
+# ─────────────────────────────────────────────
+# CORES
+# ─────────────────────────────────────────────
 
-# Paleta de cores
 CORES_FASE = {
     "pendente_validacao": "#F18F01",
-    "concluido":          "#2E86AB",
-    "faturado":           "#44BBA4",
-    "em_progresso":       "#A23B72",
-    "cancelado":          "#C73E1D",
+    "concluido": "#2E86AB",
+    "faturado": "#44BBA4",
+    "em_progresso": "#A23B72",
+    "cancelado": "#C73E1D",
 }
 
 FASE_LABELS = {
     "pendente_validacao": "Pendente Validação",
-    "concluido":          "Concluído",
-    "faturado":           "Faturado",
-    "em_progresso":       "Em Progresso",
-    "cancelado":          "Cancelado",
+    "concluido": "Concluído",
+    "faturado": "Faturado",
+    "em_progresso": "Em Progresso",
+    "cancelado": "Cancelado",
 }
 
+# ─────────────────────────────────────────────
+# UTIL
+# ─────────────────────────────────────────────
+
 def top_counter(series, n=15):
     all_vals = []
     for v in series.dropna():
-        all_vals.extend([x.strip() for x in str(v).split(';') if x.strip()])
+        all_vals.extend([x.strip() for x in str(v).split(";") if x.strip()])
     return dict(Counter(all_vals).most_common(n))
 
-# ─── ABA 1: VISÃO GERAL ─────────────────────────────────────────────────────
+# ───────���─────────────────────────────────────
+# FIGURA PRINCIPAL
+# ─────────────────────────────────────────────
+
 def fig_visao_geral():
+
     fig = make_subplots(
-        rows=2, cols=3,
+        rows=2,
+        cols=2,
         subplot_titles=[
-            "Fases dos Projetos (GLiNER2)",
-            "Distribuição por Tipo de Projeto",
+            "Fases dos Projetos",
+            "Tipos de Projeto",
             "Projetos por Colaborador",
-            "Ações nas Observações (NER)",
-            "Tipos de Rede Extraídos (NER)",
-            "Semanas de Referência (NER)",
-        ],
-        specs=[
-            [{"type": "pie"}, {"type": "bar"}, {"type": "bar"}],
-            [{"type": "bar"}, {"type": "bar"}, {"type": "bar"}],
+            "Ações nas Observações",
         ],
-        vertical_spacing=0.18,
-        horizontal_spacing=0.10,
     )
 
-    # 1 — Fases (donut)
     fases = stats["fases_classificadas"]
-    fig.add_trace(go.Pie(
-        labels=[FASE_LABELS.get(k, k) for k in fases],
-        values=list(fases.values()),
-        marker_colors=[CORES_FASE.get(k, "#888") for k in fases],
-        hole=0.38,
-        textinfo="percent+label",
-        textfont_size=10,
-        showlegend=False,
-    ), row=1, col=1)
-
-    # 2 — Tipo de projeto
-    tipo_counts = df[col_tipo].value_counts().head(10)
-    fig.add_trace(go.Bar(
-        x=tipo_counts.values, y=tipo_counts.index,
-        orientation="h", marker_color="#2E86AB",
-        text=tipo_counts.values, textposition="outside",
-        showlegend=False,
-    ), row=1, col=2)
-
-    # 3 — Colaborador
-    colab_counts = df[col_colab].replace("", pd.NA).dropna().value_counts().head(8)
-    fig.add_trace(go.Bar(
-        x=colab_counts.values, y=colab_counts.index,
-        orientation="h", marker_color="#A23B72",
-        text=colab_counts.values, textposition="outside",
-        showlegend=False,
-    ), row=1, col=3)
-
-    # 4 — Ações
-    acoes = stats["acoes_observacoes"]
-    top_acoes = dict(list(acoes.items())[:8])
-    fig.add_trace(go.Bar(
-        x=list(top_acoes.values()), y=list(top_acoes.keys()),
-        orientation="h", marker_color="#F18F01",
-        text=list(top_acoes.values()), textposition="outside",
-        showlegend=False,
-    ), row=2, col=1)
-
-    # 5 — Tipos de rede
-    rede = stats["tipos_rede_extraidos"]
-    top_rede = dict(list(rede.items())[:8])
-    fig.add_trace(go.Bar(
-        x=list(top_rede.keys()), y=list(top_rede.values()),
-        marker_color="#44BBA4",
-        text=list(top_rede.values()), textposition="outside",
-        showlegend=False,
-    ), row=2, col=2)
-
-    # 6 — Semanas
-    semanas = stats["semanas_referencia"]
-    top_sem = dict(list(semanas.items())[:10])
-    fig.add_trace(go.Bar(
-        x=list(top_sem.keys()), y=list(top_sem.values()),
-        marker_color="#C73E1D",
-        text=list(top_sem.values()), textposition="outside",
-        showlegend=False,
-    ), row=2, col=3)
-
-    fig.update_layout(
-        height=700,
-        title_text=f"<b>Dashboard GLiNER2 — {stats['total_registos']} Projetos Analisados</b>",
-        title_font_size=16,
-        paper_bgcolor="#f8f9fa",
-        plot_bgcolor="#ffffff",
-        margin=dict(t=80, b=30, l=10, r=10),
+
+    fig.add_trace(
+        go.Pie(
+            labels=[FASE_LABELS.get(k, k) for k in fases],
+            values=list(fases.values()),
+            hole=0.4,
+        ),
+        row=1,
+        col=1,
     )
-    fig.update_xaxes(showgrid=False)
-    fig.update_yaxes(showgrid=False)
-    return fig
 
+    tipo_counts = df[col_tipo].value_counts().head(10)
 
-# ─── ABA 2: ANÁLISE POR FASE ─────────────────────────────────────────────────
-def fig_fases(fase_sel):
-    if fase_sel == "Todas":
-        sub = df[df["FASE_CLASSIFICADA"].notna()]
-    else:
-        chave = {v: k for k, v in FASE_LABELS.items()}.get(fase_sel, fase_sel.lower().replace(" ", "_"))
-        sub = df[df["FASE_CLASSIFICADA"] == chave]
+    fig.add_trace(
+        go.Bar(
+            x=tipo_counts.values,
+            y=tipo_counts.index,
+            orientation="h",
+        ),
+        row=1,
+        col=2,
+    )
 
-    fig = make_subplots(
-        rows=1, cols=2,
-        subplot_titles=[f"Tipos — {fase_sel}", f"Colaboradores — {fase_sel}"],
-        horizontal_spacing=0.12,
+    colab_counts = df[col_colab].replace("", pd.NA).dropna().value_counts().head(8)
+
+    fig.add_trace(
+        go.Bar(
+            x=colab_counts.values,
+            y=colab_counts.index,
+            orientation="h",
+        ),
+        row=2,
+        col=1,
     )
-    cor = CORES_FASE.get({v: k for k, v in FASE_LABELS.items()}.get(fase_sel, ""), "#2E86AB")
-
-    tipo_c = sub[col_tipo].value_counts().head(10)
-    fig.add_trace(go.Bar(
-        x=tipo_c.values, y=tipo_c.index, orientation="h",
-        marker_color=cor, text=tipo_c.values, textposition="outside", showlegend=False,
-    ), row=1, col=1)
-
-    col_c = sub[col_colab].replace("", pd.NA).dropna().value_counts().head(8)
-    fig.add_trace(go.Bar(
-        x=col_c.values, y=col_c.index, orientation="h",
-        marker_color="#555555", text=col_c.values, textposition="outside", showlegend=False,
-    ), row=1, col=2)
-
-    fig.update_layout(
-        height=420,
-        title_text=f"<b>Fase: {fase_sel}</b> — {len(sub)} projetos",
-        title_font_size=14,
-        paper_bgcolor="#f8f9fa", plot_bgcolor="#ffffff",
-        margin=dict(t=70, b=20, l=10, r=10),
+
+    acoes = stats["acoes_observacoes"]
+
+    fig.add_trace(
+        go.Bar(
+            x=list(acoes.values())[:10],
+            y=list(acoes.keys())[:10],
+            orientation="h",
+        ),
+        row=2,
+        col=2,
     )
-    fig.update_xaxes(showgrid=False)
-    fig.update_yaxes(showgrid=False)
-    return fig
 
+    fig.update_layout(height=650)
 
-def tabela_fases(fase_sel):
-    if fase_sel == "Todas":
-        sub = df[df["FASE_CLASSIFICADA"].notna()]
-    else:
-        chave = {v: k for k, v in FASE_LABELS.items()}.get(fase_sel, fase_sel.lower().replace(" ", "_"))
-        sub = df[df["FASE_CLASSIFICADA"] == chave]
+    return fig
 
-    cols = ["SUB-CIP", "PROJETO", col_tipo, col_status, col_colab,
-            "FASE_CLASSIFICADA", "NER_OBS_acao", "NER_OBS_semana"]
-    return sub[cols].head(100).fillna("-").rename(columns={
-        col_tipo: "TIPO", col_status: "STATUS", col_colab: "COLABORADOR",
-        "FASE_CLASSIFICADA": "FASE (GLiNER2)",
-        "NER_OBS_acao": "AÇÃO (NER)", "NER_OBS_semana": "SEMANA (NER)"
-    })
 
+# ─────────────────────────────────────────────
+# EXPLORADOR NER
+# ─────────────────────────────────────────────
 
-# ─── ABA 3: EXPLORADOR NER ───────────────────────────────────────────────────
 COL_NER_MAP = {
-    "Ação (Observações)":        "NER_OBS_acao",
-    "Semana (Observações)":      "NER_OBS_semana",
-    "Data (Observações)":        "NER_OBS_data",
-    "Entidade Externa":          "NER_OBS_entidade_externa",
-    "Tipo de Rede (Designação)": "NER_DESIGN_tipo_rede",
-    "Tipo de Trabalho":          "NER_DESIGN_tipo_trabalho",
-    "Cliente/Entidade":          "NER_DESIGN_cliente_entidade",
-    "Código do Projeto":         "NER_DESIGN_codigo_projeto",
+    "Ação (Observações)": "NER_OBS_acao",
+    "Semana (Observações)": "NER_OBS_semana",
+    "Entidade": "NER_OBS_entidade_externa",
 }
 
+
 def explorar_ner(coluna_ner, top_n):
-    col = COL_NER_MAP.get(coluna_ner, "NER_OBS_acao")
+
+    col = COL_NER_MAP[coluna_ner]
+
     all_vals = []
+
     for v in df[col].dropna():
         all_vals.extend([x.strip() for x in str(v).split(";") if x.strip()])
+
     counter = Counter(all_vals)
     top = dict(counter.most_common(int(top_n)))
 
-    if not top:
-        fig = go.Figure()
-        fig.update_layout(title_text="Sem dados para esta entidade", height=300)
-        return fig, pd.DataFrame()
-
-    fig = go.Figure(go.Bar(
-        x=list(top.values()), y=list(top.keys()),
-        orientation="h",
-        marker=dict(color=list(top.values()), colorscale="Blues", showscale=False),
-        text=list(top.values()), textposition="outside",
-    ))
-    fig.update_layout(
-        height=max(350, int(top_n) * 30),
-        title_text=f"<b>Top {top_n} — {coluna_ner}</b>",
-        title_font_size=14,
-        paper_bgcolor="#f8f9fa", plot_bgcolor="#ffffff",
-        margin=dict(t=60, b=20, l=200, r=60),
-        yaxis=dict(autorange="reversed"),
+    fig = go.Figure(
+        go.Bar(
+            x=list(top.values()),
+            y=list(top.keys()),
+            orientation="h",
+        )
     )
-    fig.update_xaxes(showgrid=False)
-    fig.update_yaxes(showgrid=False)
 
-    sub = df[df[col].notna()][["SUB-CIP", col_tipo, col_colab, "FASE_CLASSIFICADA", col_obs, col]].head(50).fillna("-")
-    sub.columns = ["SUB-CIP", "TIPO", "COLABORADOR", "FASE (GLiNER2)", "OBSERVAÇÕES", coluna_ner]
+    fig.update_layout(height=400)
+
+    sub = df[df[col].notna()].head(50)
+
     return fig, sub
 
 
-# ─── ABA 4: EXTRAÇÃO ESTRUTURADA JSON ───────────────────────────────────────
+# ─────────────────────────────────────────────
+# JSON ESTRUTURADO
+# ─────────────────────────────────────────────
+
 def tabela_json():
+
     rows = []
+
     for item in estruturados:
+
         sub_cip = item.get("sub_cip", "")
+
         tarefas = item.get("extracao_gliner2", {}).get("tarefa", [])
-        t = tarefas[0] if tarefas else {}
+
+        if tarefas:
+            t = tarefas[0]
+        else:
+            t = {}
+
         rows.append({
-            "SUB-CIP":         sub_cip,
-            "Código Projeto":  t.get("codigo_projeto") or "-",
-            "Tipo de Rede":    t.get("tipo_rede") or "-",
-            "Colaborador":     t.get("colaborador") or "-",
-            "Status":          t.get("status") or "-",
-            "Ação/Observação": t.get("acao_observacao") or "-",
-            "Semana Ref.":     t.get("semana_referencia") or "-",
+            "SUB-CIP": sub_cip,
+            "Código": t.get("codigo_projeto"),
+            "Rede": t.get("tipo_rede"),
+            "Colaborador": t.get("colaborador"),
+            "Status": t.get("status"),
         })
+
     return pd.DataFrame(rows)
 
 
-def fig_json_resumo():
-    rows = []
-    for item in estruturados:
-        tarefas = item.get("extracao_gliner2", {}).get("tarefa", [])
-        if tarefas:
-            rows.append(tarefas[0])
-    df_j = pd.DataFrame(rows)
-
-    fig = make_subplots(rows=1, cols=2,
-        subplot_titles=["Colaboradores (JSON)", "Status (JSON)"])
-
-    if "colaborador" in df_j and df_j["colaborador"].notna().any():
-        co = df_j["colaborador"].dropna().str.title().value_counts().head(8)
-        fig.add_trace(go.Bar(x=co.index, y=co.values,
-            marker_color="#A23B72", text=co.values, textposition="outside",
-            showlegend=False), row=1, col=1)
-
-    if "status" in df_j and df_j["status"].notna().any():
-        st = df_j["status"].dropna().value_counts().head(8)
-        fig.add_trace(go.Bar(x=st.index, y=st.values,
-            marker_color="#2E86AB", text=st.values, textposition="outside",
-            showlegend=False), row=1, col=2)
-
-    fig.update_layout(height=350, paper_bgcolor="#f8f9fa",
-        plot_bgcolor="#ffffff", margin=dict(t=50, b=20))
-    fig.update_xaxes(showgrid=False, tickangle=30)
-    fig.update_yaxes(showgrid=False)
-    return fig
+# ─────────────────────────────────────────────
+# APP GRADIO
+# ─────────────────────────────────────────────
 
+with gr.Blocks(title="GLiNER2 Dashboard") as demo:
 
-# ─── ABA 5: MAPEAMENTO STATUS → FASE ────────────────────────────────────────
-def fig_mapeamento():
-    status_counts = stats["status_original"]
-    mapa = stats["mapeamento_status_fase"]
-
-    status_list = list(status_counts.keys())
-    count_list  = [status_counts[s] for s in status_list]
-    fase_list   = [mapa.get(s, "N/A") for s in status_list]
-    cores       = [CORES_FASE.get(f, "#888888") for f in fase_list]
-    labels_fase = [FASE_LABELS.get(f, f) for f in fase_list]
-
-    fig = go.Figure()
-    fig.add_trace(go.Bar(
-        x=count_list,
-        y=status_list,
-        orientation="h",
-        marker_color=cores,
-        text=[f"{lf} ({n})" for lf, n in zip(labels_fase, count_list)],
-        textposition="inside",
-        insidetextanchor="middle",
-        textfont=dict(color="white", size=10),
-        showlegend=False,
-        hovertemplate="<b>%{y}</b><br>Fase: %{text}<extra></extra>",
-    ))
-
-    for k, v in CORES_FASE.items():
-        fig.add_trace(go.Bar(
-            name=FASE_LABELS.get(k, k), x=[None], y=[None],
-            marker_color=v, showlegend=True
-        ))
-
-    fig.update_layout(
-        height=560,
-        title_text="<b>Status Original → Fase (GLiNER2) — 18 status, 489 projetos</b>",
-        title_font_size=14,
-        paper_bgcolor="#f8f9fa", plot_bgcolor="#ffffff",
-        xaxis=dict(title="Número de Projetos"),
-        yaxis=dict(autorange="reversed"),
-        margin=dict(t=60, b=40, l=260, r=20),
-        legend=dict(orientation="h", yanchor="bottom", y=1.02, xanchor="right", x=1),
-    )
-    return fig
+    gr.Markdown("# 🔬 GLiNER2 Dashboard")
 
+    with gr.Tabs():
 
-# ─── ABA 6: ANÁLISE TEMPORAL ─────────────────────────────────────────────────
-def fig_temporal():
-    # Distribuição de ações por semana
-    df_sem = df[df["NER_OBS_semana"].notna() & df["NER_OBS_acao"].notna()].copy()
-
-    fig = make_subplots(rows=1, cols=2,
-        subplot_titles=["Ações por Semana de Referência", "Entidades Externas Identificadas"])
-
-    if not df_sem.empty:
-        sem_acao = df_sem.groupby(["NER_OBS_semana", "NER_OBS_acao"]).size().reset_index(name="n")
-        top_semanas = df_sem["NER_OBS_semana"].value_counts().head(8).index.tolist()
-        sem_acao = sem_acao[sem_acao["NER_OBS_semana"].isin(top_semanas)]
-        for acao in sem_acao["NER_OBS_acao"].unique()[:5]:
-            sub_a = sem_acao[sem_acao["NER_OBS_acao"] == acao]
-            fig.add_trace(go.Bar(
-                x=sub_a["NER_OBS_semana"], y=sub_a["n"],
-                name=acao, showlegend=True,
-            ), row=1, col=1)
-
-    entidades = stats.get("entidades_externas", {})
-    top_ent = dict(list(entidades.items())[:10])
-    if top_ent:
-        fig.add_trace(go.Bar(
-            x=list(top_ent.values()), y=list(top_ent.keys()),
-            orientation="h", marker_color="#44BBA4",
-            text=list(top_ent.values()), textposition="outside",
-            showlegend=False,
-        ), row=1, col=2)
-
-    fig.update_layout(
-        height=420, barmode="stack",
-        title_text="<b>Análise Temporal e Entidades Externas (NER)</b>",
-        title_font_size=14,
-        paper_bgcolor="#f8f9fa", plot_bgcolor="#ffffff",
-        margin=dict(t=70, b=30, l=10, r=10),
-    )
-    fig.update_xaxes(showgrid=False)
-    fig.update_yaxes(showgrid=False)
-    return fig
+        with gr.Tab("📊 Visão Geral"):
 
+            plot_geral = gr.Plot()
 
-# ─── ABA 7: EXPLICAÇÃO GLiNER2 ───────────────────────────────────────────────
-EXPLICACAO_HTML = """
-<div style="font-family: 'Segoe UI', Arial, sans-serif; max-width: 920px; margin: 0 auto; color: #1a1a2e;">
-
-  <div style="background: linear-gradient(135deg, #1a5276, #2E86AB); border-radius: 12px; padding: 28px 32px; margin-bottom: 28px;">
-    <h1 style="color: white; margin: 0 0 8px 0; font-size: 1.8em;">🤖 GLiNER2</h1>
-    <p style="color: #d6eaf8; margin: 0; font-size: 1.05em;">
-      <b>Generalist and Lightweight Named Entity Recognition 2</b><br>
-      Um modelo de IA compacto que extrai informação estruturada de texto livre — sem GPU, sem API, sem custos.
-    </p>
-  </div>
-
-  <h2 style="color: #1a5276; border-bottom: 3px solid #2E86AB; padding-bottom: 6px;">🔍 O Problema que o GLiNER2 Resolve</h2>
-  <p>
-    O ficheiro de projetos contém <b>489 registos reais</b> com campos de texto livre como
-    <em>Designação do Projeto</em> e <em>Observações</em>. Estes campos guardam informação crítica —
-    tipo de rede, ações pendentes, entidades externas, semanas de referência — mas numa forma
-    impossível de analisar diretamente com ferramentas tradicionais.
-  </p>
-  <div style="background: #fff3cd; border-left: 5px solid #ffc107; padding: 14px 18px; border-radius: 6px; margin: 16px 0;">
-    <b>Exemplo real do ficheiro:</b><br>
-    <code>"ATT VALID 17/02 PUSH MAIL ATT INFO MAIRIE 06/02 //"</code><br>
-    <span style="color:#856404;">→ Sem GLiNER2: apenas texto. Com GLiNER2: <b>Ação=ATT VALID</b>, <b>Data=17/02</b>, <b>Entidade=MAIRIE</b></span>
-  </div>
-  <div style="background: #d1ecf1; border-left: 5px solid #17a2b8; padding: 14px 18px; border-radius: 6px; margin: 16px 0;">
-    <b>Nota técnica — Separador do ficheiro:</b><br>
-    O ficheiro CSV usa <b>ponto-e-vírgula (;)</b> como separador e codificação <b>latin-1</b>.
-    Alguns campos (ex: "DATA LIMITE SLA") contêm quebras de linha internas que faziam o pandas
-    interpretar 1199 pseudo-linhas em vez das <b>489 reais</b>. O dashboard usa a leitura correta
-    com filtro por padrão SUB-CIP (RBPT.YYYY.NNN.NNNN).
-  </div>
-
-  <h2 style="color: #1a5276; border-bottom: 3px solid #2E86AB; padding-bottom: 6px; margin-top: 28px;">⚙️ Como Funciona: Os 3 Modos Aplicados</h2>
-
-  <div style="display: grid; grid-template-columns: 1fr 1fr 1fr; gap: 16px; margin: 16px 0;">
-    <div style="background: #d1ecf1; border-radius: 10px; padding: 16px;">
-      <h3 style="color: #0c5460; margin-top: 0;">📌 Modo 1<br>NER nas Designações</h3>
-      <p style="font-size: 0.92em; color: #333;">
-        Extrai o <b>tipo de rede</b> (BTHD, RAMI, ART 2 3...), o <b>tipo de trabalho</b> (TVX, GC, ETU...),
-        o <b>cliente</b> (ENEDIS, ORANGE) e o <b>código do projeto</b> (VAN500664...) de textos como
-        <em>"L, AO, 7C - 576 BTHD TVX GC DROIT AU TERRAIN"</em>.
-      </p>
-      <p style="font-size: 0.88em; color: #0c5460;"><b>Resultado:</b> BTHD domina com 73 projetos; ART 2 3 com 69.</p>
-    </div>
-    <div style="background: #d1ecf1; border-radius: 10px; padding: 16px;">
-      <h3 style="color: #0c5460; margin-top: 0;">📝 Modo 2<br>NER nas Observações</h3>
-      <p style="font-size: 0.92em; color: #333;">
-        Extrai <b>ações</b> (VALIDADO, ATT VALID, RELANCE), <b>semanas</b> (S07, S39),
-        <b>datas</b> (17/02) e <b>entidades externas</b> (MAIRIE, PMV, Sogetrel)
-        de notas humanas confusas e abreviadas.
-      </p>
-      <p style="font-size: 0.88em; color: #0c5460;"><b>Resultado:</b> "VALIDADO" lidera (163x); "ATT VALID" em 90 registos.</p>
-    </div>
-    <div style="background: #d1ecf1; border-radius: 10px; padding: 16px;">
-      <h3 style="color: #0c5460; margin-top: 0;">🏷️ Modo 3<br>Classificação de Status</h3>
-      <p style="font-size: 0.92em; color: #333;">
-        Agrupa os <b>18 status distintos</b> em 5 fases de ciclo de vida
-        sem qualquer regra manual — o modelo lê o texto e decide semanticamente.
-      </p>
-      <p style="font-size: 0.88em; color: #0c5460;"><b>Resultado:</b> 43% pendentes de validação; 29% concluídos.</p>
-    </div>
-  </div>
-
-  <h2 style="color: #1a5276; border-bottom: 3px solid #2E86AB; padding-bottom: 6px; margin-top: 28px;">📊 Resultados Obtidos</h2>
-  <table style="width:100%; border-collapse: collapse; font-size: 0.95em;">
-    <thead>
-      <tr style="background: #2E86AB; color: white;">
-        <th style="padding: 10px; text-align: left;">Métrica</th>
-        <th style="padding: 10px; text-align: center;">Valor</th>
-        <th style="padding: 10px; text-align: left;">Significado</th>
-      </tr>
-    </thead>
-    <tbody>
-      <tr style="background: #f0f7ff;"><td style="padding: 9px 10px;">Total de registos reais</td><td style="padding: 9px 10px; text-align: center; font-weight: bold; color: #2E86AB;">489</td><td style="padding: 9px 10px;">Filtrado por padrão SUB-CIP válido</td></tr>
-      <tr><td style="padding: 9px 10px;">Designações únicas processadas</td><td style="padding: 9px 10px; text-align: center; font-weight: bold; color: #2E86AB;">62</td><td style="padding: 9px 10px;">Tipos de projeto distintos</td></tr>
-      <tr style="background: #f0f7ff;"><td style="padding: 9px 10px;">Observações únicas processadas</td><td style="padding: 9px 10px; text-align: center; font-weight: bold; color: #2E86AB;">232</td><td style="padding: 9px 10px;">Notas únicas analisadas pelo NER</td></tr>
-      <tr><td style="padding: 9px 10px;">Registos com ação identificada</td><td style="padding: 9px 10px; text-align: center; font-weight: bold; color: #F18F01;">163+ (VALIDADO)</td><td style="padding: 9px 10px;">Ações operacionais extraídas</td></tr>
-      <tr style="background: #f0f7ff;"><td style="padding: 9px 10px;">Projetos com fase classificada</td><td style="padding: 9px 10px; text-align: center; font-weight: bold; color: #44BBA4;">489 (100%)</td><td style="padding: 9px 10px;">Todos os status mapeados em fases</td></tr>
-      <tr><td style="padding: 9px 10px;">Novas colunas adicionadas ao CSV</td><td style="padding: 9px 10px; text-align: center; font-weight: bold; color: #A23B72;">12</td><td style="padding: 9px 10px;">Dados estruturados prontos para BI</td></tr>
-    </tbody>
-  </table>
-
-  <h2 style="color: #1a5276; border-bottom: 3px solid #2E86AB; padding-bottom: 6px; margin-top: 28px;">⚡ Por que GLiNER2 e não outra abordagem?</h2>
-  <table style="width:100%; border-collapse: collapse; font-size: 0.93em;">
-    <thead>
-      <tr style="background: #2E86AB; color: white;">
-        <th style="padding: 10px;">Abordagem</th>
-        <th style="padding: 10px;">Limitação</th>
-        <th style="padding: 10px;">GLiNER2</th>
-      </tr>
-    </thead>
-    <tbody>
-      <tr style="background: #f8d7da;"><td style="padding: 9px 10px; font-weight: bold;">Expressões Regulares</td><td style="padding: 9px 10px;">Quebram com qualquer variação no texto</td><td style="padding: 9px 10px; color: #155724;">✅ Entende semântica, não padrões rígidos</td></tr>
-      <tr style="background: #fff3cd;"><td style="padding: 9px 10px; font-weight: bold;">ChatGPT / Claude (API)</td><td style="padding: 9px 10px;">Custo elevado + dados enviados para a nuvem</td><td style="padding: 9px 10px; color: #155724;">✅ 100% local, gratuito, privado</td></tr>
-      <tr style="background: #f8d7da;"><td style="padding: 9px 10px; font-weight: bold;">SpaCy / NER clássico</td><td style="padding: 9px 10px;">Só reconhece Pessoa/Local/Org genéricos</td><td style="padding: 9px 10px; color: #155724;">✅ Schema personalizado em linguagem natural</td></tr>
-      <tr style="background: #fff3cd;"><td style="padding: 9px 10px; font-weight: bold;">LLMs locais (Llama 7B+)</td><td style="padding: 9px 10px;">Requer GPU potente; lento em CPU</td><td style="padding: 9px 10px; color: #155724;">✅ 205M parâmetros, rápido em CPU</td></tr>
-    </tbody>
-  </table>
-
-  <div style="background: linear-gradient(135deg, #d4edda, #c3e6cb); border-radius: 10px; padding: 20px 24px; margin-top: 28px;">
-    <h3 style="color: #155724; margin-top: 0;">🎯 Conclusão</h3>
-    <p style="color: #155724; margin: 0; font-size: 1em;">
-      O GLiNER2 transformou o ficheiro CSV de <b>489 projetos</b> de um depósito de texto livre
-      numa <b>base de dados estruturada e analisável</b>. As 12 novas colunas geradas estão prontas
-      para alimentar qualquer ferramenta de Business Intelligence (Power BI, Tableau, Excel)
-      — tudo processado localmente, sem qualquer custo de API.
-    </p>
-  </div>
-
-  <div style="margin-top: 20px; padding: 12px 16px; background: #e8f4fd; border-radius: 8px; font-size: 0.88em; color: #1a5276;">
-    <b>Referências:</b>
-    Zaratiana et al. (2025) — <em>GLiNER2: An Efficient Multi-Task Information Extraction System</em>.
-    arXiv:2507.18546 ·
-    <a href="https://github.com/fastino-ai/GLiNER2" target="_blank" style="color:#2E86AB;">github.com/fastino-ai/GLiNER2</a>
-  </div>
-</div>
-"""
+            demo.load(fn=fig_visao_geral, outputs=plot_geral)
 
-# ─── CONSTRUIR A APP GRADIO ──────────────────────────────────────────────────
-THEME = gr.themes.Soft(
-    primary_hue="blue",
-    secondary_hue="orange",
-    font=[gr.themes.GoogleFont("Inter"), "ui-sans-serif", "sans-serif"],
-)
+        with gr.Tab("🔍 Explorador NER"):
 
-with gr.Blocks(
-    theme=THEME,
-    title="GLiNER2 Dashboard — 489 Projetos",
-    css="""
-        .gradio-container { max-width: 1200px !important; }
-        .tab-nav button { font-size: 14px !important; font-weight: 600 !important; }
-        footer { display: none !important; }
-    """,
-) as demo:
-
-    gr.HTML("""
-    <div style="background: linear-gradient(135deg, #1a5276 0%, #2E86AB 100%);
-                padding: 22px 32px; border-radius: 12px; margin-bottom: 8px;">
-      <h1 style="color: white; margin: 0; font-size: 1.9em; font-family: Inter, sans-serif;">
-        🔬 GLiNER2 Dashboard
-      </h1>
-      <p style="color: #d6eaf8; margin: 6px 0 0 0; font-size: 1.05em;">
-        Análise de <b>489 Projetos/Tarefas</b> com Extração de Informação por Inteligência Artificial
-        &nbsp;|&nbsp; Separador: <code>;</code> &nbsp;|&nbsp; Encoding: <code>latin-1</code>
-      </p>
-    </div>
-    """)
+            ner_dd = gr.Dropdown(
+                choices=list(COL_NER_MAP.keys()),
+                value="Ação (Observações)",
+                label="Entidade NER"
+            )
 
-    with gr.Tabs():
+            top_n = gr.Slider(5, 20, value=10)
 
-        with gr.Tab("📊 Visão Geral"):
-            gr.Markdown("### Panorama completo dos 489 projetos analisados pelo GLiNER2")
-            plot_geral = gr.Plot(show_label=False)
-            demo.load(fn=fig_visao_geral, outputs=plot_geral)
+            plot_ner = gr.Plot()
+
+            tbl_ner = gr.Dataframe()
 
-        with gr.Tab("🏷️ Análise por Fase"):
-            gr.Markdown("### Explore os projetos por fase de ciclo de vida (classificada pelo GLiNER2)")
-            fase_dd = gr.Dropdown(
-                choices=["Todas"] + list(FASE_LABELS.values()),
-                value="Todas", label="Filtrar por Fase",
+            ner_dd.change(
+                fn=explorar_ner,
+                inputs=[ner_dd, top_n],
+                outputs=[plot_ner, tbl_ner],
             )
-            plot_fase = gr.Plot(show_label=False)
-            tbl_fase  = gr.Dataframe(label="Registos da Fase", wrap=True, interactive=False)
-            fase_dd.change(fn=fig_fases,    inputs=fase_dd, outputs=plot_fase)
-            fase_dd.change(fn=tabela_fases, inputs=fase_dd, outputs=tbl_fase)
-            demo.load(fn=fig_fases,    inputs=fase_dd, outputs=plot_fase)
-            demo.load(fn=tabela_fases, inputs=fase_dd, outputs=tbl_fase)
 
-        with gr.Tab("🔍 Explorador NER"):
-            gr.Markdown("### Explore as entidades extraídas pelo GLiNER2 de cada campo de texto")
-            with gr.Row():
-                ner_dd = gr.Dropdown(
-                    choices=list(COL_NER_MAP.keys()),
-                    value="Ação (Observações)", label="Entidade NER", scale=2,
-                )
-                top_n = gr.Slider(5, 20, value=10, step=1, label="Top N", scale=1)
-            plot_ner = gr.Plot(show_label=False)
-            tbl_ner  = gr.Dataframe(label="Registos com esta entidade", wrap=True, interactive=False)
-            ner_dd.change(fn=explorar_ner, inputs=[ner_dd, top_n], outputs=[plot_ner, tbl_ner])
-            top_n.change(fn=explorar_ner,  inputs=[ner_dd, top_n], outputs=[plot_ner, tbl_ner])
-            demo.load(fn=explorar_ner, inputs=[ner_dd, top_n], outputs=[plot_ner, tbl_ner])
-
-        with gr.Tab("📋 Extração JSON"):
-            gr.Markdown("""
-            ### Extração Estruturada (JSON) pelo GLiNER2
-            O modelo leu o texto completo de cada projeto e extraiu automaticamente um objeto JSON
-            com **código do projeto**, **tipo de rede**, **colaborador**, **status**, **ação** e **semana**.
-            """)
-            plot_json = gr.Plot(show_label=False)
-            tbl_json  = gr.Dataframe(label="Extração Estruturada (30 amostras)", wrap=True, interactive=False)
-            demo.load(fn=fig_json_resumo, outputs=plot_json)
-            demo.load(fn=tabela_json,     outputs=tbl_json)
-
-        with gr.Tab("🗺️ Status → Fase"):
-            gr.Markdown("""
-            ### Mapeamento Inteligente: 18 Status → 5 Fases
-            O GLiNER2 classificou semanticamente todos os status do ficheiro em fases de ciclo de vida.
-            """)
-            plot_mapa = gr.Plot(show_label=False)
-            demo.load(fn=fig_mapeamento, outputs=plot_mapa)
-
-        with gr.Tab("📅 Análise Temporal"):
-            gr.Markdown("### Ações por semana e entidades externas identificadas pelo NER")
-            plot_temp = gr.Plot(show_label=False)
-            demo.load(fn=fig_temporal, outputs=plot_temp)
-
-        with gr.Tab("🤖 O que é o GLiNER2?"):
-            gr.HTML(EXPLICACAO_HTML)
-
-    gr.HTML("""
-    <div style="text-align: center; padding: 10px; color: #888; font-size: 0.85em; margin-top: 6px;">
-      GLiNER2 Dashboard · <b>489 projetos reais</b> · Modelo: urchade/gliner_medium-v2.1 ·
-      Separador: <code>;</code> · Encoding: <code>latin-1</code> · Processado 100% localmente
-    </div>
-    """)
+        with gr.Tab("📋 JSON Estruturado"):
+
+            tbl_json = gr.Dataframe()
+
+            demo.load(fn=tabela_json, outputs=tbl_json)
+
+# ─────────────────────────────────────────────
+# RUN
+# ─────────────────────────────────────────────
 
 if __name__ == "__main__":
-    demo.launch(server_name="0.0.0.0", server_port=7861, share=False)
+    demo.launch()