Update app.py

app.py

@@ -1,64 +1,110 @@
 import gradio as gr
-from huggingface_hub import InferenceClient
+from openai import OpenAI
 
-"""
-For more information on `huggingface_hub` Inference API support, please check the docs: https://huggingface.co/docs/huggingface_hub/v0.22.2/en/guides/inference
-"""
-client = InferenceClient("HuggingFaceH4/zephyr-7b-beta")
+client = OpenAI()
 
+def process_message(message, history, temperature=1.0, max_tokens=2048, top_p=1.0, model="gpt-4.1", system_prompt=""):
+    
+    # Verificar se já existe uma mensagem do sistema no início do histórico
+    system_message_exists = any(msg.get("role") == "system" for msg in history)
+    
+    # Se não existir e o system_prompt não estiver vazio, adicionar no início do histórico
+    if not system_message_exists and system_prompt.strip():
+        history.insert(0, {"role": "system", "content": system_prompt})
+    
+    history.append({"role": "user", "content": message})
+    
+    # Filtrar o histórico e remover metadata e options
+    filtered_history = []
+    for msg in history:
+        if msg.get("role") in ["user", "system", "assistant"]:
+            # Criar novo dicionário apenas com role e content
+            filtered_msg = {
+                "role": msg["role"],
+                "content": msg["content"]
+            }
+            filtered_history.append(filtered_msg)
+    
+    print(history)
 
-def respond(
-    message,
-    history: list[tuple[str, str]],
-    system_message,
-    max_tokens,
-    temperature,
-    top_p,
-):
-    messages = [{"role": "system", "content": system_message}]
-
-    for val in history:
-        if val[0]:
-            messages.append({"role": "user", "content": val[0]})
-        if val[1]:
-            messages.append({"role": "assistant", "content": val[1]})
-
-    messages.append({"role": "user", "content": message})
-
-    response = ""
-
-    for message in client.chat_completion(
-        messages,
-        max_tokens=max_tokens,
-        stream=True,
-        temperature=temperature,
+    response = client.responses.create(
+        model=model, 
+        input=filtered_history,  # Usando o histórico filtrado
+        text={
+            "format": {
+                "type": "text"
+            }
+        },
+        reasoning={},
+        
+        tools=[
+        {
+            "type": "file_search",
+            "vector_store_ids": [
+                "vs_680171e31fcc8191937768624f4f4a18"
+            ]
+        }
+        ],
+        
+        temperature=temperature,  # Use as variáveis de parâmetros
+        max_output_tokens=max_tokens,  # Corrigido de max_output_tokens para max_tokens
         top_p=top_p,
-    ):
-        token = message.choices[0].delta.content
-
-        response += token
-        yield response
-
-
-"""
-For information on how to customize the ChatInterface, peruse the gradio docs: https://www.gradio.app/docs/chatinterface
-"""
-demo = gr.ChatInterface(
-    respond,
-    additional_inputs=[
-        gr.Textbox(value="You are a friendly Chatbot.", label="System message"),
-        gr.Slider(minimum=1, maximum=2048, value=512, step=1, label="Max new tokens"),
-        gr.Slider(minimum=0.1, maximum=4.0, value=0.7, step=0.1, label="Temperature"),
-        gr.Slider(
-            minimum=0.1,
-            maximum=1.0,
-            value=0.95,
-            step=0.05,
-            label="Top-p (nucleus sampling)",
-        ),
-    ],
-)
+        store=True
+    )
+    
+    # Atualize para obter o texto da resposta do objeto de resposta corretamente
+    history.append({"role": "assistant", "content": response.output_text})
+    return "", history
 
+with gr.Blocks() as interface:
+    with gr.Row():
+        with gr.Column():
+            history = gr.Chatbot(type='messages')
+            msg = gr.Textbox(label="Mensagem")
+            clear = gr.Button("Limpar")
+        
+        with gr.Column():
+            system_prompt = gr.Textbox(
+                label="Prompt do Sistema",
+                value="Você é um assistente inteligente treinado para responder exclusivamente com base nas informações fornecidas nos documentos anexados (armazenados na base vetorial).\nNunca forneça respostas baseadas em conhecimento próprio, conhecimento geral, ou treinamento anterior.\nSe a resposta à pergunta não estiver clara ou presente nos documentos fornecidos, responda educadamente que você não tem essa informação.\n",
+                lines=3,
+                info="Define o comportamento base do assistente"
+            )
+            model = gr.Dropdown(
+                choices=["gpt-4.1", "GPT-4.1-mini", "GPT-4.1-nano"],
+                value="gpt-4.1",
+                label="Modelo",
+                info="Selecione o modelo de linguagem"
+            )
+            temperature = gr.Slider(
+                minimum=0.0,
+                maximum=2.0,
+                value=1.0,
+                step=0.1,
+                label="Temperatura",
+                info="Controla a aleatoriedade das respostas (0=focado, 2=criativo)"
+            )
+            max_tokens = gr.Slider(
+                minimum=256,
+                maximum=4096,
+                value=4096,
+                step=256,
+                label="Tokens máximos",
+                info="Limite máximo de tokens na resposta"
+            )
+            top_p = gr.Slider(
+                minimum=0.0,
+                maximum=1.0,
+                value=1.0,
+                step=0.1,
+                label="Top P",
+                info="Controla a diversidade das respostas"
+            )
+    
+    msg.submit(process_message, 
+              [msg, history, temperature, max_tokens, top_p, model, system_prompt], 
+              [msg, history])
+    # clear.click(lambda: None, None, history, queue=False)
 
-if __name__ == "__main__":
-    demo.launch()
+if __name__ == "__main__": 
+    interface.launch()