"""
Dashboard GLiNER2 — Análise de Projetos/Tarefas
489 registos reais | Gradio | Múltiplas abas interativas
Pronto para Hugging Face Spaces
"""

import gradio as gr
import pandas as pd
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")

# ─── 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"

missing = [str(f) for f in [CSV_FILE, STAT_FILE, JSON_FILE] if not f.exists()]
if missing:
    raise FileNotFoundError(
        "Os seguintes ficheiros não foram encontrados no repositório do Space:\n"
        + "\n".join(missing)
    )

# ─── 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(JSON_FILE, encoding="utf-8") as f:
    estruturados = json.load(f)

# ─── NORMALIZAÇÃO ────────────────────────────────────────────────────────────
if "COLABORADOR" in df.columns:
    df["COLABORADOR"] = df["COLABORADOR"].fillna("").astype(str).str.strip().str.title()
else:
    df["COLABORADOR"] = ""

def find_col(keyword, default=None):
    for c in df.columns:
        if keyword.upper() in c.upper():
            return c
    if default is not None:
        return default
    raise ValueError(f"Coluna contendo '{keyword}' não encontrada")

col_designacao = find_col("DESIGNA", "DESIGNACAO")
col_obs = find_col("OBSERVA", "OBSERVACOES")
col_status = "RB STATUS" if "RB STATUS" in df.columns else find_col("STATUS", "STATUS")
col_tipo = "TIPO" if "TIPO" in df.columns else find_col("TIPO", "TIPO")
col_colab = "COLABORADOR"

# garantir colunas usadas depois
for c in [
    "FASE_CLASSIFICADA",
    "NER_OBS_acao",
    "NER_OBS_semana",
    "NER_OBS_data",
    "NER_OBS_entidade_externa",
    "NER_DESIGN_tipo_rede",
    "NER_DESIGN_tipo_trabalho",
    "NER_DESIGN_cliente_entidade",
    "NER_DESIGN_codigo_projeto",
    "SUB-CIP",
    "PROJETO",
]:
    if c not in df.columns:
        df[c] = pd.NA

# ─── PALETA DE CORES ─────────────────────────────────────────────────────────
CORES_FASE = {
    "pendente_validacao": "#F18F01",
    "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",
}

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()])
    return dict(Counter(all_vals).most_common(n))

# ─── ABA 1: VISÃO GERAL ──────────────────────────────────────────────────────
def fig_visao_geral():
    fig = make_subplots(
        rows=2, cols=3,
        subplot_titles=[
            "Fases dos Projetos (GLiNER2)",
            "Distribuição por Tipo 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"}],
        ],
        vertical_spacing=0.18,
        horizontal_spacing=0.10,
    )

    fases = stats.get("fases_classificadas", {})
    if fases:
        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)

    tipo_counts = df[col_tipo].fillna("-").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)

    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)

    acoes = stats.get("acoes_observacoes", {})
    top_acoes = dict(list(acoes.items())[:8])
    if top_acoes:
        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)

    rede = stats.get("tipos_rede_extraidos", {})
    top_rede = dict(list(rede.items())[:8])
    if top_rede:
        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)

    semanas = stats.get("semanas_referencia", {})
    top_sem = dict(list(semanas.items())[:10])
    if top_sem:
        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.get('total_registos', len(df))} Projetos Analisados</b>",
        title_font_size=16,
        paper_bgcolor="#f8f9fa",
        plot_bgcolor="#ffffff",
        margin=dict(t=80, b=30, l=10, r=10),
    )
    fig.update_xaxes(showgrid=False)
    fig.update_yaxes(showgrid=False)
    return fig

# ─── 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 = make_subplots(
        rows=1, cols=2,
        subplot_titles=[f"Tipos — {fase_sel}", f"Colaboradores — {fase_sel}"],
        horizontal_spacing=0.12,
    )

    cor = CORES_FASE.get(
        {v: k for k, v in FASE_LABELS.items()}.get(fase_sel, ""),
        "#2E86AB"
    )

    tipo_c = sub[col_tipo].fillna("-").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),
    )
    fig.update_xaxes(showgrid=False)
    fig.update_yaxes(showgrid=False)
    return fig

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]

    cols = ["SUB-CIP", "PROJETO", col_tipo, col_status, col_colab,
            "FASE_CLASSIFICADA", "NER_OBS_acao", "NER_OBS_semana"]

    sub = 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)"
    })
    return sub

# ─── 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",
}

def explorar_ner(coluna_ner, top_n):
    col = COL_NER_MAP.get(coluna_ner, "NER_OBS_acao")
    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.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]
    return fig, sub

# ─── ABA 4: EXTRAÇÃO ESTRUTURADA JSON ───────────────────────────────────────
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 {}
        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 "-",
        })
    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.columns and df_j["colaborador"].notna().any():
        co = df_j["colaborador"].dropna().astype(str).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.columns and df_j["status"].notna().any():
        st = df_j["status"].dropna().astype(str).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

# ─── ABA 5: MAPEAMENTO STATUS → FASE ────────────────────────────────────────
def fig_mapeamento():
    status_counts = stats.get("status_original", {})
    mapa = stats.get("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)</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

# ─── ABA 6: ANÁLISE TEMPORAL ─────────────────────────────────────────────────
def fig_temporal():
    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"].dropna().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

# ─── 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 contêm quebras de linha internas. O dashboard usa a leitura correta
    com filtro por padrão SUB-CIP.
  </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>, o <b>tipo de trabalho</b>,
        o <b>cliente</b> e o <b>código do projeto</b>.
      </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>, <b>semanas</b>, <b>datas</b> e <b>entidades externas</b>.
      </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 status em 5 fases de ciclo de vida semanticamente.
      </p>
    </div>
  </div>

  <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> numa <b>base de dados estruturada e analisável</b>.
    </p>
  </div>
</div>
"""

# ─── 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.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>
    """)

    with gr.Tabs():

        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)

        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",
            )
            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", 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: Status → Fase
            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> ·
      Separador: <code>;</code> · Encoding: <code>latin-1</code> · Processado localmente
    </div>
    """)

demo.launch(server_name="0.0.0.0", server_port=7860, share=False)