Dockerfile

# AIDA — imagem para Hugging Face Spaces (SDK: docker)
#
# Por que Docker e não Gradio/Streamlit: o front-end do AIDA é um site próprio,
# em outro domínio, que consome a API por HTTP. Os SDKs de UI do HF servem para
# interfaces geradas por eles; aqui precisamos expor um endpoint REST.
#
# O Spaces publica o container em HTTPS numa URL do tipo
#   https://<usuario>-<space>.hf.space
# e espera que a aplicação escute na porta 7860.

FROM python:3.12-slim

# libGL e libglib: dependências nativas do opencv-python.
# Sem elas o import de cv2 falha com "libGL.so.1: cannot open shared object".
RUN apt-get update && apt-get install -y --no-install-recommends \
        libgl1 \
        libglib2.0-0 \
    && rm -rf /var/lib/apt/lists/*

# O Spaces roda o container como usuário 1000. Criar o usuário e trabalhar na
# home dele evita erros de permissão quando a aplicação grava saídas.
RUN useradd -m -u 1000 aida
USER aida
ENV HOME=/home/aida \
    PATH=/home/aida/.local/bin:$PATH \
    PYTHONUNBUFFERED=1 \
    # Cache do HuggingFace dentro da home, senão o download do CLIP falha.
    HF_HOME=/home/aida/.cache/huggingface

WORKDIR /home/aida/app

COPY --chown=aida requirements.txt constraints.txt ./
# Índice de CPU do PyTorch: a roda padrão traz CUDA (~2 GB) que não é usada.
# constraints.txt trava as versões validadas (sem ele, cada rebuild pega a última).
RUN pip install --no-cache-dir --user -r requirements.txt -c constraints.txt \
        --extra-index-url https://download.pytorch.org/whl/cpu

COPY --chown=aida . .

# Baixa os pesos do CLIP na construção da imagem, não na primeira requisição.
# Sem isto, o primeiro usuário depois de um cold start espera ~350 MB de
# download antes de ver qualquer resposta.
RUN python -c "import open_clip; open_clip.create_model_and_transforms('ViT-B-32-quickgelu', pretrained='openai')"

EXPOSE 7860
ENV PORT=7860

# 1 worker: cada worker carrega sua própria cópia do CLIP (~1 GB). Vários
# workers multiplicam a memória sem ganho, porque a carga é limitada por CPU.
# threads=4 atende requisições concorrentes compartilhando o mesmo modelo.
# timeout=180: uma foto de 50 MP leva ~6 s, mas o cold start é bem mais lento.
CMD ["gunicorn", "--bind", "0.0.0.0:7860", "--workers", "1", "--threads", "4", \
     "--timeout", "180", "--access-logfile", "-", "site_api.app:app"]