apptoptop.py

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

# Chave da OpenAI
openai.api_key = os.getenv("OPENAI_API_KEY")

# Função para carregar os dados da planilha do Google Drive
def load_and_get_data():
    try:
        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'

        request = service.files().get_media(fileId=file_id)
        fh = io.FileIO('imoveis_ficticios.csv', 'wb')
        downloader = MediaIoBaseDownload(fh, request)

        done = False
        while not done:
            _, done = downloader.next_chunk()

        df = pd.read_csv('imoveis_ficticios.csv')
        return df
    except Exception as e:
        return f"Erro ao acessar o arquivo CSV: {e}"

# Busca imóveis com base no preço máximo, status e bairro
def buscar_imoveis(preco_maximo=None, status_imovel=None, bairro=None):
    df = load_and_get_data()
    if isinstance(df, str):
        return df  # mensagem de erro

    if preco_maximo:
        df = df[df['valor'] <= preco_maximo]
    if status_imovel:
        df = df[df['status'].isin(status_imovel)]
    if bairro:
        df = df[df['bairro'].str.contains(bairro, case=False, na=False)]

    if df.empty:
        return "Desculpe, não encontrei imóveis que atendem aos critérios."

    sugestões = df[['nome', 'bairro', 'valor', 'aluguel', 'rentabilidade', 'status']].head(5)
    resposta = "Aqui estão algumas opções de imóveis para você:\n"
    for _, imovel in sugestões.iterrows():
        resposta += (
            f"{imovel['nome']} - {imovel['bairro']} - "
            f"Valor: R${imovel['valor']} - Aluguel: R${imovel['aluguel']} - "
            f"Rentabilidade: {imovel['rentabilidade']}% - Status: {imovel['status']}\n"
        )
    return resposta

# Agente de conversa com contexto
def conversar_com_agente(preco_maximo, status_imovel, mensagem_usuario):
    try:
        # Tenta inferir bairro a partir da mensagem do usuário
        bairros_comuns = ['Bela Vista', 'Moema', 'Pinheiros', 'Centro', 'Vila Mariana']
        bairro_mencionado = next((b for b in bairros_comuns if b.lower() in mensagem_usuario.lower()), None)

        resultado = buscar_imoveis(preco_maximo, status_imovel, bairro=bairro_mencionado)

        contexto = (
            f"O usuário está procurando imóveis.\n"
            f"Mensagem do usuário: {mensagem_usuario}\n"
            f"Resultado da busca: {resultado}\n"
            f"Ajude o usuário a entender as opções e continue a conversa de forma natural."
        )

        resposta_openai = openai.ChatCompletion.create(
            model="gpt-3.5-turbo",
            messages=[
                {"role": "system", "content": "Você é um agente imobiliário que responde de forma simpática e útil."},
                {"role": "user", "content": contexto}
            ],
            max_tokens=300,
            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 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 preferências aqui...")
        ],
        outputs="text",
        title="Agente Conversacional de Imóveis",
        description="Converse com o agente para encontrar o imóvel ideal com base nas suas preferências!"
    )

if __name__ == "__main__":
    interface().launch()