Update app.py

app.py

@@ -1,4 +1,3 @@
-# app.py
 import gradio as gr
 import requests
 import os
@@ -15,6 +14,7 @@ import pytesseract
 import cv2
 import numpy as np
 from datetime import datetime
+from ratelimiter import RateLimiter
 
 # Carrega variáveis de ambiente de um arquivo .env (opcional para dev local)
 load_dotenv()
@@ -30,12 +30,15 @@ GEMINI_API_URL = f"https://generativelanguage.googleapis.com/v1beta/models/gemin
 # Configurações da aplicação
 CONFIG = {
     "max_retry_attempts": 3,
-    "retry_delay": 2,
+    "retry_delay": 10,  # Aumentado para 10 segundos para respeitar limites
     "timeout": 60,
     "temperatura": 0.2,
     "max_tokens": 4096
 }
 
+# Limite de 60 requisições por minuto (ajuste conforme seu limite real)
+rate_limiter = RateLimiter(max_calls=60, period=60)
+
 # Banco de dicas contextuais
 DICAS_OAB = {
     "Endereçamento": "Em relações de consumo, prefira o foro do domicílio do autor (art. 101, I, CDC).",
@@ -45,8 +48,9 @@ DICAS_OAB = {
     "Custas": "Inclua 'Requer a juntada da guia de custas devidamente recolhida'."
 }
 
-# Histórico de correções
+# Histórico de correções e cache
 HISTORICO = []
+CORRECAO_CACHE = {}
 
 def preprocess_image_for_ocr(img):
     try:
@@ -300,7 +304,8 @@ def gerar_caso_ficticio():
     headers = {"Content-Type": "application/json"}
     for tentativa in range(CONFIG["max_retry_attempts"]):
         try:
-            response = requests.post(GEMINI_API_URL, headers=headers, data=json.dumps(payload), timeout=CONFIG["timeout"])
+            with rate_limiter:
+                response = requests.post(GEMINI_API_URL, headers=headers, data=json.dumps(payload), timeout=CONFIG["timeout"])
             if response.status_code != 200:
                 response_data = response.json()
                 error_msg = response_data.get("error", {}).get("message", "Erro desconhecido")
@@ -340,6 +345,12 @@ def corrigir_peticao(caso, peticao_texto=None, peticao_arquivo=None, modo_treina
         peticao_conteudo = peticao_texto or ""
     if not peticao_conteudo.strip():
         return "⚠️ Forneça uma petição."
+    
+    # Chave única para o cache
+    cache_key = f"{caso[:50]}|{peticao_conteudo[:50]}|{modo_treinamento}"
+    if cache_key in CORRECAO_CACHE:
+        return CORRECAO_CACHE[cache_key]
+
     prompt = estruturar_prompt_correcao(caso, peticao_conteudo, modo_treinamento)
     payload = {
         "contents": [{"parts": [{"text": prompt}]}],
@@ -348,7 +359,8 @@ def corrigir_peticao(caso, peticao_texto=None, peticao_arquivo=None, modo_treina
     headers = {"Content-Type": "application/json"}
     for tentativa in range(CONFIG["max_retry_attempts"]):
         try:
-            response = requests.post(GEMINI_API_URL, headers=headers, data=json.dumps(payload), timeout=CONFIG["timeout"])
+            with rate_limiter:
+                response = requests.post(GEMINI_API_URL, headers=headers, data=json.dumps(payload), timeout=CONFIG["timeout"])
             if response.status_code != 200:
                 response_data = response.json()
                 error_msg = response_data.get("error", {}).get("message", "Erro desconhecido")
@@ -375,6 +387,7 @@ def corrigir_peticao(caso, peticao_texto=None, peticao_arquivo=None, modo_treina
                 "peticao": peticao_conteudo,
                 "correcao_completa": correção_completa
             })
+            CORRECAO_CACHE[cache_key] = correção_formatada  # Armazena no cache
             return correção_formatada
         except requests.Timeout:
             if tentativa < CONFIG["max_retry_attempts"] - 1:
@@ -546,6 +559,7 @@ def comparar_peticao_melhorada(caso, peticao_texto, correcao):
 def interface_gradio():
     with gr.Blocks(theme=gr.themes.Soft()) as demo:
         gr.Markdown("# 📝 Corretor Avançado de Petições Iniciais (Critérios OAB)")
+        gr.Markdown("⚠️ Nota: Devido a limites de cota da API, pode haver atrasos ou erros se muitas requisições forem feitas rapidamente.")
         with gr.Row():
             with gr.Column(scale=1):
                 gr.Markdown("""
@@ -671,6 +685,5 @@ def interface_gradio():
 
     return demo
 
-# No Hugging Face, não usamos if __name__ == "__main__":
 app = interface_gradio()
 app.launch()