Update app.py

app.py

@@ -1289,10 +1289,15 @@ def responder(prompt: str):
         partes = prompt.split("# PROMPT_USUARIO", 1)
         dados_brutos = partes[0] if len(partes) > 0 else ""
         prompt_usuario = partes[1] if len(partes) > 1 else ""
+        prompt_norm =normalize_text(prompt_usuario)
 
         dados_norm = normalize_text(dados_brutos)
         dados_usuario = extrair_dados_usuario(dados_norm)
 
+        print("Dados extraídos do usuário:", dados_usuario)
+        print("Prompt do usuário:", prompt_norm)
+
+
         campos_obrigatorios = ["idade", "sexo", "peso", "altura", "atividade", "objetivo", "nivel_usuario"]
         faltando = [c for c in campos_obrigatorios if c not in dados_usuario]
 
@@ -1321,7 +1326,7 @@ def responder(prompt: str):
 
             # 🔸 Caso 1: Pergunta conceitual (ex: “o que é hipertrofia?”)
             if subtipo == "pergunta":
-                prompt_llm = f"Você é um treinador experiente. Responda de forma breve e direta:\n\n\"{prompt_text}\""
+                prompt_llm = f"Você é um treinador experiente. Responda de forma breve e direta:\n\n\"{prompt_norm}\""
                 inputs = tokenizer(prompt_llm, return_tensors="pt")
                 output = model.generate(**inputs, max_new_tokens=256, do_sample=False)
                 resposta = tokenizer.decode(output[0], skip_special_tokens=True)
@@ -1382,7 +1387,7 @@ def responder(prompt: str):
 
             # 🔸 Caso 4: Pedido genérico (“quero melhorar meu treino”)
             elif subtipo == "generico":
-                prompt_llm = f"Você é um treinador experiente. Dê uma resposta breve e motivacional para:\n\n\"{prompt_text}\""
+                prompt_llm = f"Você é um treinador experiente. Dê uma resposta breve e motivacional para:\n\n\"{prompt_norm}\""
                 inputs = tokenizer(prompt_llm, return_tensors="pt")
                 output = model.generate(**inputs, max_new_tokens=256, do_sample=False)
                 resposta = tokenizer.decode(output[0], skip_special_tokens=True)
@@ -1397,7 +1402,7 @@ def responder(prompt: str):
 
             # 🔸 Caso 1: Pergunta conceitual ou alimento específico
             if subtipo == "pergunta":
-                prompt_llm = f"Você é um nutricionista esportivo. Responda de forma objetiva e científica:\n\n\"{prompt_text}\""
+                prompt_llm = f"Você é um nutricionista esportivo. Responda de forma objetiva e científica:\n\n\"{prompt_norm}\""
                 inputs = tokenizer(prompt_llm, return_tensors="pt")
                 output = model.generate(**inputs, max_new_tokens=256, do_sample=False)
                 resposta = tokenizer.decode(output[0], skip_special_tokens=True)
@@ -1422,7 +1427,7 @@ def responder(prompt: str):
 
             # 🔸 Caso 3: Pedido genérico (“quero melhorar minha dieta”)
             elif subtipo == "generico":
-                prompt_llm = f"Você é um nutricionista esportivo. Dê uma orientação breve sobre:\n\n\"{prompt_text}\""
+                prompt_llm = f"Você é um nutricionista esportivo. Dê uma orientação breve sobre:\n\n\"{prompt_norm}\""
                 inputs = tokenizer(prompt_llm, return_tensors="pt")
                 output = model.generate(**inputs, max_new_tokens=256, do_sample=False)
                 resposta = tokenizer.decode(output[0], skip_special_tokens=True)