Update app.py

app.py

@@ -1,44 +1,65 @@
 import gradio as gr
 from transformers import pipeline
-import time
 
-# Configuração segura com fallback
-try:
-    modelo_rapido = pipeline("text-generation", model="facebook/bart-base", max_length=50)
-    modelo_detalhado = pipeline("text-generation", model="gpt2", max_length=70)
-    arbitro = pipeline("text-classification", model="distilbert-base-uncased")
-except:
-    # Fallback para modelos mais leves se falhar
-    modelo_rapido = pipeline("text-generation", model="distilgpt2", max_length=40)
-    modelo_detalhado = modelo_rapido
-    arbitro = lambda x: {"label": "1"}  # Arbitro mock
+# Configura modelos com instruções em português
+modelo_rapido = pipeline(
+    "text-generation",
+    model="pierreguillou/bert-base-cased-squad-v1.1-portuguese",
+    max_length=50
+)
 
-def avaliar_resposta(prompt, respostas):
-    try:
-        resultado = arbitro(f"Prompt: {prompt}\nResposta: {respostas}")[0]
-        return respostas[0] if resultado['label'] == "LABEL_1" else respostas[1]
-    except:
-        return respostas[0]  # Fallback para primeira resposta
+modelo_detalhado = pipeline(
+    "text-generation",
+    model="pucpr/portuguese-gpt2-small",
+    max_length=100
+)
+
+arbitro = pipeline(
+    "text-classification",
+    model="neuralmind/bert-base-portuguese-cased"
+)
+
+def avaliar_respostas(prompt, respostas):
+    instrucao = f"""
+    Avalie qual resposta é melhor para o prompt '{prompt}':
+    1. {respostas[0]}
+    2. {respostas[1]}
+    
+    Critérios:
+    - Clareza (0-5)
+    - Precisão científica (0-5)
+    - Adequação ao português brasileiro (0-5)
+    """
+    
+    # Força avaliação em PT-BR
+    veredito = arbitro(instrucao[:512])[0]  # Limita ao tamanho máximo do BERT
+    return respostas[0] if veredito['label'] == "LABEL_1" else respostas[1]
 
 def chatbot(prompt):
-    time.sleep(1)  # Evita timeout
+    # Adiciona instrução explícita de idioma
+    prompt_pt = f"Responda em português brasileiro: {prompt}"
+    
+    # Gera respostas com modelos específicos
+    resposta_curta = modelo_rapido(prompt_pt, num_return_sequences=1)[0]['generated_text']
+    resposta_long = modelo_detalhado(prompt_pt, num_return_sequences=1)[0]['generated_text']
+    
+    # Limpa respostas duplicadas
+    resposta_curta = resposta_curta.split(".")[0] + "."
+    resposta_long = resposta_long.split("\n")[0]
     
-    try:
-        respostas = [
-            modelo_rapido(prompt)[0]['generated_text'],
-            modelo_detalhado(prompt)[0]['generated_text']
-        ]
-        return avaliar_resposta(prompt, respostas)
-    except Exception as e:
-        return f"⚠️ Erro: {str(e)}"
+    return avaliar_respostas(prompt, [resposta_curta, resposta_long])
 
-# Interface otimizada
-with gr.Blocks(title="Chatbot Acadêmico") as app:
-    gr.Markdown("## 🤖 Chatbot de Exemplo (Funcionamento em Cascata)")
+# Interface com exemplos em PT-BR
+with gr.Blocks(title="Chatbot ABNT") as app:
+    gr.Markdown("## 🇧🇷 Chatbot Acadêmico (Português Brasileiro)")
     with gr.Row():
-        entrada = gr.Textbox(label="Faça sua pergunta")
-        saida = gr.Textbox(label="Resposta", interactive=False)
+        entrada = gr.Textbox(label="Digite sua pergunta", placeholder="Ex: Qual a fórmula da água?")
+        saida = gr.Textbox(label="Resposta ABNT", lines=5)
     btn = gr.Button("Enviar")
     btn.click(chatbot, inputs=entrada, outputs=saida)
+    gr.Examples(
+        examples=["Qual a fórmula da água?", "Explique a teoria da relatividade"],
+        inputs=entrada
+    )
 
-app.launch(server_name="0.0.0.0", server_port=7860)
+app.launch()