Persano's picture
Rename app.py to apptop.py
22607d7 verified
import gradio as gr
import pandas as pd
import os
import json
from google.oauth2 import service_account
from googleapiclient.discovery import build
from googleapiclient.http import MediaIoBaseDownload
import io
import openai
# Carregar as credenciais do OpenAI e da API do Google
openai.api_key = os.getenv("OPENAI_API_KEY")
# Função para carregar e ler a planilha do Google Drive
def load_and_get_data():
try:
# Carrega as credenciais a partir da variável de ambiente do Hugging Face Secrets
cred_json = os.getenv("GOOGLE_APPLICATION_CREDENTIALS")
creds = service_account.Credentials.from_service_account_info(json.loads(cred_json))
service = build('drive', 'v3', credentials=creds)
file_id = '1lNadnIVnDs9Oex5ckNXj1-56nvlEea6p'
# Baixa o arquivo CSV
request = service.files().get_media(fileId=file_id)
fh = io.FileIO('imoveis_ficticios.csv', 'wb')
downloader = MediaIoBaseDownload(fh, request)
done = False
while done is False:
status, done = downloader.next_chunk()
# Carrega o CSV no pandas
df = pd.read_csv('imoveis_ficticios.csv')
return df
except Exception as e:
return f"Erro ao acessar o arquivo CSV: {e}"
# Função para filtrar os imóveis com base nas condições fornecidas
def buscar_imoveis(preco_maximo, status_imovel):
df = load_and_get_data()
# Filtros
df_filtrado = df[df['valor'] <= preco_maximo]
if status_imovel:
df_filtrado = df_filtrado[df_filtrado['status'].isin(status_imovel)]
# Exibe as opções filtradas
if df_filtrado.empty:
return "Desculpe, não encontrei imóveis que atendem aos critérios."
sugestões = df_filtrado[['nome', 'bairro', 'valor', 'status']].head(5) # Limita a 5 opções
resposta = "Aqui estão algumas opções de imóveis para você:\n"
for _, imovel in sugestões.iterrows():
resposta += f"{imovel['nome']} - {imovel['bairro']} - R${imovel['valor']} - Status: {imovel['status']}\n"
return resposta
# Função do agente conversacional com OpenAI usando a versão correta de ChatCompletion
def conversar_com_agente(preco_maximo, status_imovel, mensagem_usuario):
try:
# Buscar imóveis
imóveis_resposta = buscar_imoveis(preco_maximo, status_imovel)
# Preparar a mensagem para o agente OpenAI com o contexto
contexto = f"Com base na sua busca, encontrei os seguintes imóveis:\n{imóveis_resposta}\n\nAgora, o usuário quer saber mais ou conversar sobre os imóveis. Ele diz: {mensagem_usuario}"
# Usando o método ChatCompletion.create() com a versão correta
resposta_openai = openai.ChatCompletion.create(
model="gpt-3.5-turbo", # Ou outro modelo GPT-4 ou 3.5 dependendo do que você tem acesso
messages=[
{"role": "system", "content": "Você é um assistente de imóveis."},
{"role": "user", "content": contexto}
],
max_tokens=150,
temperature=0.7
)
return resposta_openai['choices'][0]['message']['content'].strip()
except Exception as e:
return f"Erro ao conversar com o agente OpenAI: {e}"
# Interface do Gradio
def interface():
return gr.Interface(
fn=conversar_com_agente,
inputs=[
gr.Slider(minimum=0, maximum=2000000, label="Preço Máximo Procurado"),
gr.CheckboxGroup(label="Status do Imóvel", choices=["pronto", "em construção", "na planta"]),
gr.Textbox(label="Mensagem do Usuário", placeholder="Digite sua pergunta ou mensagem...") # Novo campo para mensagem do usuário
],
outputs="text",
title="Agente Conversacional de Imóveis",
description="Converse com o agente para encontrar o imóvel ideal! Defina o preço máximo, o status do imóvel e envie sua mensagem."
)
# Rodar o app
if __name__ == "__main__":
interface().launch()