app.py

# coding=utf8
from langchain_openai import ChatOpenAI
from langchain.prompts import PromptTemplate
from langchain_community.document_loaders import TextLoader
from langchain_text_splitters import CharacterTextSplitter
from langchain_community.vectorstores import FAISS
from langchain_openai import OpenAIEmbeddings
from langchain.chains import RetrievalQA
import gradio as gr
import time
import os

# Carregar chave da API OpenAI
api_key = os.getenv("OPENAI_API_KEY")
if not api_key:
    raise ValueError("OPENAI_API_KEY não está definido no ambiente.")
else:
    print("Chave API carregada com sucesso.")

# Variáveis globais para armazenamento dos objetos carregados
global bd, chain

# Load CSS from a separate file
try:
    css_file = open("src/css/styles.css", "r")
    css = css_file.read()
    css_file.close()
    print("Arquivo CSS carregado com sucesso.")
except Exception as e:
    print(f"Erro ao carregar o arquivo CSS: {e}")

def initialize_chatbot():
    global bd, chain

    try:
        llm = ChatOpenAI(
            temperature=0.0,
            model="gpt-3.5-turbo",
            api_key=api_key,
        )
        print("Modelo ChatOpenAI inicializado com sucesso.")
    except Exception as e:
        print(f"Erro ao inicializar o modelo ChatOpenAI: {e}")
    
    try:
        carregador = TextLoader("docs/Produtos.txt", encoding="utf-8")
        documentos = carregador.load()
        print("Documentos carregados com sucesso.")
    except Exception as e:
        print(f"Erro ao carregar documentos: {e}")

    try:
        quebrador = CharacterTextSplitter(separator="\n\n\n")
        textos = quebrador.split_documents(documentos)
        print("Documentos divididos com sucesso.")
    except Exception as e:
        print(f"Erro ao dividir documentos: {e}")

    try:
        embeddings = OpenAIEmbeddings()
        bd = FAISS.from_documents(textos, embeddings)
        chain = RetrievalQA.from_chain_type(llm, retriever=bd.as_retriever())
        print("FAISS e RetrievalQA inicializados com sucesso.")
    except Exception as e:
        print(f"Erro ao inicializar FAISS ou RetrievalQA: {e}")

def chatbot(input_text):
    modelo_prompt = PromptTemplate.from_template(
        "Você é um somelier de vinho e um cliente pede uma recomendação. O cliente diz: {pergunta}",
    )

    prompt = modelo_prompt.format(pergunta=input_text)    

    try:
        response = chain({"query": prompt})
        print(response['result'])
        return response['result']
    except Exception as e:
        print(f"Erro ao obter resposta do chatbot: {e}")
        return "Desculpe, houve um erro ao processar sua solicitação."

with gr.Blocks(css=css, title='Adega Hippo') as demo:
    realPath = str(os.path.dirname(os.path.realpath(__file__)))
    img1 = gr.Image("images/adega_hippo.png", elem_classes="img svelte-ms5bsk", elem_id="img-svelte-ms5bsk")    
    gpt = gr.Chatbot(label = ".", elem_classes="wrap svelte-1o68geq", elem_id="chatbot")
    msg = gr.Textbox(elem_id="div-svelte-awbtu4", elem_classes="textBoxBot", show_label=False,
                placeholder="Bem vindo ao Hippo Supermercados, em que posso ajuda-lo?",
            )
   
    def respond(message, chat_history):
        chat_history.append((message, chatbot(message)))
        time.sleep(1)
        return "", chat_history
   
    msg.submit(respond, [msg, gpt], [msg, gpt])

# Inicializar o chatbot
initialize_chatbot()

# Lançar o aplicativo sem a opção share
demo.launch()