Update app.py

app.py

@@ -1,19 +1,85 @@
 import gradio as gr
-from huggingface_hub import InferenceClient
+import google.generativeai as genai
 import os
-import sys
 
-print(f"Versão do Python: {sys.version}")
-print(f"Versão do Gradio: {gr.__version__}") # Ainda mostrará 5.38.2, mas o código irá rodar
+# Configurar a API do Gemini
+# Você pode obter sua chave de API em https://aistudio.google.com/app/apikey
+# É altamente recomendável armazenar sua chave de API como uma variável de ambiente
+# Ex: export GOOGLE_API_KEY="SUA_API_KEY_AQUI"
+API_KEY = os.getenv("GOOGLE_API_KEY") # Obtém a chave de API da variável de ambiente
+if not API_KEY:
+    # Se a variável de ambiente não estiver definida, use o valor direto (apenas para testes, não recomendado em produção)
+    API_KEY = "SUA_API_KEY_AQUI" 
+
+genai.configure(api_key=API_KEY)
+
+# Inicializar o modelo Gemini
+# Escolha um modelo adequado, por exemplo, "gemini-pro" para texto
+model = genai.GenerativeModel('gemini-pro')
 
-HUGGING_FACE_TOKEN = os.getenv("HUGGING_FACE_HUB_TOKEN")
+# Função para processar a conversa com a API do Gemini
+def responder_gemini(mensagem, historico):
+    chat = model.start_chat(history=[])
+    
+    # Adicionar histórico da conversa para o Gemini
+    # O formato do histórico para a API do Gemini é diferente
+    for item in historico:
+        if isinstance(item, list) and len(item) == 2:
+            user_msg, bot_msg = item
+            chat.send_message(user_msg)
+            chat.send_message(bot_msg) # Gemini intercala user/model, então tratamos como "model"
+
+    resposta_completa = ""
+    try:
+        response = chat.send_message(mensagem, stream=True)
+        for chunk in response:
+            if hasattr(chunk, 'text'):
+                resposta_completa += chunk.text
+                yield resposta_completa
+            else:
+                # Tratar casos onde o chunk pode não ter 'text' imediatamente
+                # Isso pode acontecer com blocos de segurança ou outras informações
+                pass
 
-client = InferenceClient(
-    model="google/gemma-7b-it",
-    token=HUGGING_FACE_TOKEN
+    except Exception as e:
+        print(f"Erro inesperado ao chamar a API do Gemini: {e}")
+        yield "Ocorreu um erro ao gerar a resposta. Verifique sua chave de API e conexão."
+
+    if not resposta_completa.strip():
+        yield "Nenhuma resposta gerada. Tente novamente."
+
+
+# Interface do chat com labels em português
+demo = gr.ChatInterface(
+    responder_gemini,  # Usar a nova função para o Gemini
+    title="Benjamin – Assistente Virtual da CEaD - IBC. Tire dúvidas com minha inteligência artificial (minha base de dados vai até 2021)",
+    textbox=gr.Textbox(placeholder="Digite uma mensagem e depois tecle Enter"),
+    examples=[
+        "O que é o IBC?",
+        "Qual a missão da CEaD?",
+        "Quem foi Louis Braille?",
+        "Qual a importância da educação inclusiva?"
+    ],
+    theme="soft", # Um tema mais suave para a interface
+    fill_height=True,
+    retry_btn="Tentar novamente",
+    undo_btn="Desfazer",
+    clear_btn="Limpar conversa"
 )
 
-def responder_gemma(mensagem, historico):
+if __name__ == "__main__":
+    demo.launch()
+
+------------------
+
+import gradio as gr
+from huggingface_hub import InferenceClient
+
+# Cliente de inferência com modelo de IA pública
+client = InferenceClient(model="meta-llama/Llama-3.3-70B-Instruct")  # Modelo gratuito e avançado
+
+# Função para processar a conversa
+def responder(mensagem, historico):
     mensagens = []
     if historico is None:
         historico = []
@@ -29,46 +95,38 @@ def responder_gemma(mensagem, historico):
     resposta = ""
 
     try:
-        for mensagem_chunk in client.chat_completion(
-            messages=mensagens,
+        for mensagem in client.chat_completion(
+            mensagens,
             max_tokens=300,
             stream=True,
-            temperature=0.7,
-            top_p=0.9,
+            temperature=0.4,
+            top_p=0.8,
         ):
-            if not mensagem_chunk or not isinstance(mensagem_chunk, dict):
+            if not mensagem or not isinstance(mensagem, dict):
                 continue
             
             try:
-                conteudo = mensagem_chunk["choices"][0]["delta"].get("content", "")
+                conteudo = mensagem["choices"][0]["delta"].get("content", "")
                 if conteudo.strip():
                     resposta += conteudo
                     yield resposta
-                # else: # Comentei para evitar mensagens desnecessárias nos logs
-                #     print(f"Chunk sem conteúdo: {mensagem_chunk}")
             except (AttributeError, IndexError, KeyError) as e:
-                print(f"Erro ao processar mensagem do chunk: {e}")
+                print(f"Erro ao processar mensagem: {e}")
                 continue
     
     except Exception as e:
-        print(f"Erro inesperado ao chamar a API do Hugging Face com Gemma: {e}")
-        yield "Ocorreu um erro ao gerar a resposta. Tente novamente."
+        print(f"Erro inesperado: {e}")
+        yield "Ocorreu um erro ao gerar a resposta."
 
     if not resposta.strip():
         yield "Nenhuma resposta gerada. Tente novamente."
 
 # Interface do chat com labels em português
 demo = gr.ChatInterface(
-    responder_gemma,
-    title="Benjamin – Assistente Virtual da CEaD - IBC",
+    responder,
+    title="Benjamin – Assistente Virtual da CEaD - IBC. Tire dúvidas com minha inteligência artificial (minha base de dados vai até 2021)",
     textbox=gr.Textbox(placeholder="Digite uma mensagem e depois tecle Enter"),
-    examples=[
-        "O que é Acessibilidade Digital?",
-        "Qual a importância da educação inclusiva?"
-    ],
-    theme="soft",
-    fill_height=True,
-
+    type="messages" 
 )
 
 if __name__ == "__main__":