Spaces:
Sleeping
Sleeping
| import os | |
| import requests | |
| import dotenv | |
| import streamlit as st | |
| from transformers import AutoTokenizer | |
| # Função para carregar as configurações iniciais | |
| def carregar_configuracoes(): | |
| dotenv.load_dotenv() | |
| return os.environ['TOKEN_HF'] | |
| # Função para inicializar o modelo e o tokenizador | |
| def inicializar_modelo_e_tokenizador(modelo, token): | |
| tokenizer = AutoTokenizer.from_pretrained(modelo, token=token) | |
| return tokenizer | |
| # Função para configurar a sessão do usuário | |
| def configurar_sessao(modelo): | |
| if 'modelo_atual' not in st.session_state or st.session_state['modelo_atual'] != modelo: | |
| st.session_state['modelo_atual'] = modelo | |
| st.session_state['mensagens'] = [ | |
| {"role": "system", "content": "Você é um bot para investimentos, treinado para ajudar os usuários a gerenciar e otimizar seus portfólios financeiros." | |
| "Seu objetivo é fornecer análises de mercado, sugestões de investimentos personalizadas e educar os usuários sobre estratégias financeiras." | |
| "Você pode responder a perguntas sobre ações, fundos, criptomoedas, imóveis e outros tipos de investimentos." | |
| "Além disso, você oferece insights sobre tendências de mercado e ajuda os usuários a tomar decisões informadas com base no perfil de risco deles." | |
| "Seja sucinto em suas respostas, resumindo-as para no máximo 200 caracteres."}, | |
| {"role": "assistant", "content": "Olá, seja bem vindo ao assistente financeiro, como posso te ajudar?"} | |
| ] | |
| st.markdown(""" | |
| <style> | |
| .reportview-container .markdown-text-container p { | |
| line-height: 1.5; | |
| word-wrap: break-word; | |
| } | |
| </style> | |
| """, unsafe_allow_html=True) | |
| # Função para classificar a entrada do usuário | |
| def classificar_entrada(pergunta_usuario, opcoes_classificacao, headers, url_classificacao, limite_score=70): | |
| payload = { | |
| "inputs": pergunta_usuario, | |
| "parameters": { | |
| "candidate_labels": opcoes_classificacao | |
| } | |
| } | |
| response = requests.post(url_classificacao, headers=headers, json=payload) | |
| if response.status_code == 200: | |
| result = response.json() | |
| score = result['scores'][0] * 100 | |
| label = result['labels'][0] | |
| if score > limite_score: | |
| return label, score | |
| else: | |
| print(f'Não atingiu mais que {limite_score}%. Score máximo {score:.2f}% para "{label}"') | |
| return None, score | |
| else: | |
| print(f"Erro na Classificação: {response.status_code}") | |
| print(response.json()) | |
| return None, None | |
| # Função para gerar uma resposta com base na classificação | |
| def gerar_resposta(label, opcoes_classificacao): | |
| if label == opcoes_classificacao[0]: | |
| novo_pront = ( | |
| "Extrato de investimentos.\n" | |
| "- Você possui os seguintes investimentos: \n" | |
| "- Valor em ações: 3.800,00 \n" | |
| "- Valor em Criptomoedas: 10.200,00 \n" | |
| "- CC: 5.000,00 \n" | |
| "- CP: 3.200 \n" | |
| ) | |
| else: | |
| novo_pront = ( | |
| "Esse é seu assessor de investimentos.\n" | |
| "- Você possui o assessor: \n" | |
| "- João da Silva \n" | |
| "- Tel: (11) 9 1111-1111 \n" | |
| "- e-mail: [email protected] \n" | |
| "- Empresa: Investimentos-SA \n" | |
| ) | |
| print(novo_pront) | |
| return novo_pront | |
| # Função para processar a conversa e exibir no Streamlit | |
| def processar_conversa(url, headers, tokenizer, mensagens, token_modelo): | |
| template = tokenizer.apply_chat_template(mensagens, tokenize=False, add_generation_prompt=True) | |
| json = { | |
| 'inputs': template, | |
| 'parameters': {'max_new_tokens': 600}, | |
| 'options': {'use_cache': False, 'wait_for_model': True}, | |
| } | |
| response = requests.post(url, json=json, headers=headers).json() | |
| print(response) | |
| mensagem_chatbot = response[0]['generated_text'].split(token_modelo)[-1] | |
| mensagens.append({'role': 'assistant', 'content': mensagem_chatbot}) | |
| return mensagens | |
| # Função para exibir as mensagens no chat | |
| def exibir_mensagens(area_chat, mensagens): | |
| with area_chat.container(): | |
| for mensagem in mensagens: | |
| if mensagem['role'] != 'system': # Filtra as mensagens do tipo 'system' | |
| chat = st.chat_message(mensagem['role']) | |
| chat.markdown(mensagem['content']) | |
| # Função principal que orquestra as chamadas | |
| def main(): | |
| token = carregar_configuracoes() | |
| headers = {'Authorization': f'Bearer {token}'} | |
| opcoes_classificacao = ["Ivestimentos", "assessor"] | |
| modelo = 'meta-llama/Meta-Llama-3.1-8B-Instruct' | |
| token_modelo = '<|end_header_id|>\n' # Adicionando a variável token_modelo | |
| configurar_sessao(modelo) | |
| nome_modelo = st.session_state['modelo_atual'] | |
| tokenizer = inicializar_modelo_e_tokenizador(nome_modelo, token) | |
| url = f'/static-proxy?url=https%3A%2F%2Fapi-inference.huggingface.co%2Fmodels%2F%3Cspan class="hljs-subst">{nome_modelo}' | |
| url_classificacao = f'/static-proxy?url=https%3A%2F%2Fapi-inference.huggingface.co%2Fmodels%2Ffacebook%2Fbart-large-mnli%26%23x27%3B%3C%2Fspan%3E%3C!-- HTML_TAG_END --> | |
| mensagens = st.session_state['mensagens'] | |
| area_chat = st.empty() | |
| exibir_mensagens(area_chat, mensagens) # Exibe as mensagens iniciais, incluindo a mensagem de boas-vindas | |
| pergunta_usuario = st.chat_input('Faça sua pergunta aqui: ') | |
| if pergunta_usuario: | |
| label, score = classificar_entrada(pergunta_usuario, opcoes_classificacao, headers, url_classificacao) | |
| if label: | |
| novo_pront = gerar_resposta(label, opcoes_classificacao) | |
| mensagens.append({"role": "system", "content": novo_pront}) | |
| mensagens.append({'role': 'user', 'content': pergunta_usuario}) | |
| mensagens = processar_conversa(url, headers, tokenizer, mensagens, token_modelo) | |
| exibir_mensagens(area_chat, mensagens) | |
| print(mensagens) | |
| # Executa a função principal | |
| if __name__ == "__main__": | |
| main() | |