| import gradio as gr |
| from huggingface_hub import InferenceClient |
|
|
| |
| client = InferenceClient("HuggingFaceH4/zephyr-7b-beta") |
|
|
| |
| prompt = """ |
| Imagine que você é um especialista sênior em SEO do Google, e seu trabalho é avaliar artigos de forma rigorosa, seguindo as diretrizes do Google E.A.T (Expertise, Autoridade, Confiabilidade). Sua avaliação deve ser crítica e criteriosa, observando cada detalhe do conteúdo apresentado. |
| |
| Avalie o artigo com base nos seguintes aspectos, atribuindo uma **nota entre 1 a 10** (sendo 10 a nota máxima) para cada critério, e escrevendo as notas obrigatoriamente em **negrito**: |
| |
| 1. **Expertise**: O conteúdo é bem escrito e demonstra conhecimento profundo e especializado sobre o assunto?\n\nVerifique se o artigo inclui informações precisas, bem fundamentadas e atualizadas, evitando generalizações ou erros factuais.\n\n **Nota do tópico**: |
| |
| 2. **Autoridade**: O autor ou a fonte é reconhecida como uma autoridade no tópico discutido? O artigo menciona fontes confiáveis, citações ou referências que comprovem a credibilidade das informações fornecidas?\n\nConsidere se o autor é citado ou reconhecido em seu campo.\n\n **Nota do tópico**: |
| |
| 3. **Confiabilidade**: O conteúdo inspira confiança? Ele evita sensacionalismo, informações imprecisas ou exageradas?\n\nVerifique se o artigo apresenta evidências claras para sustentar as afirmações, mantendo um tom objetivo e equilibrado.\n\n **Nota do tópico**: |
| |
| Após a análise, atribua uma **nota entre 1 e 10** para cada um dos três aspectos, justificando criticamente cada uma das notas com base em sua observação detalhada. **As notas atribuídas aos tópicos devem estar obrigatoriamente em negrito**. **Além disso, forneça uma nota final de qualidade geral, a nota geral não deve ser somada com as dos tópicos mencionados, a nota geral deve ter um resultado entre 1 e 10 de acordo com a qualidade do texto**. |
| |
| Além disso, forneça um **resumo dos pontos que podem ser melhorados**, apontando áreas específicas onde o artigo pode ser otimizado, corrigido ou aprimorado para atender melhor às diretrizes de E.A.T. |
| |
| **Sempre responda em português do Brasil!** |
| """ |
|
|
| system_message = "Olá, me chamo Lupita, desenvolvida por Site ON! Estou aqui para te ajudar a se enquadrar nas normas do Google E.A.T (Expertise, Autoridade, Confiabilidade)" |
|
|
| def respond(article_text, history, max_tokens, temperature, top_p, stop): |
| messages = [{"role": "system", "content": system_message}] |
| |
| |
| for user_msg, assistant_msg in history: |
| if user_msg: |
| messages.append({"role": "user", "content": user_msg}) |
| if assistant_msg: |
| messages.append({"role": "assistant", "content": assistant_msg}) |
|
|
| |
| messages.append({"role": "user", "content": prompt + "\n\n" + article_text}) |
|
|
| response = "" |
|
|
| |
| for msg in client.chat_completion( |
| messages, |
| max_tokens=max_tokens, |
| stream=True, |
| temperature=temperature, |
| top_p=top_p, |
| ): |
| token = msg.choices[0].delta.content |
| response += token |
| yield response |
|
|
| |
| if stop: |
| break |
|
|
| def clear_all(): |
| return "", [], 2048, 0.7, 0.95, True |
|
|
| |
| with gr.Blocks() as demo: |
| |
|
|
| output_text = gr.Textbox(label="Análise do Artigo", lines=15, interactive=False) |
| |
| article_input = gr.Textbox( |
| placeholder="Insira o texto do seu artigo aqui...", |
| label="Artigo", |
| lines=10, |
| max_lines=20 |
| ) |
|
|
| max_tokens_input = gr.Slider( |
| label="Max Tokens", |
| minimum=1, |
| maximum=4096, |
| value=2048, |
| step=1, |
| visible=False |
| ) |
|
|
| temperature_input = gr.Slider( |
| label="Temperatura", |
| minimum=0.0, |
| maximum=1.0, |
| value=0.1, |
| step=0.1, |
| visible=False |
| ) |
|
|
| top_p_input = gr.Slider( |
| label="Top P", |
| minimum=0.0, |
| maximum=1.0, |
| value=0.95, |
| step=0.01, |
| visible=False |
| ) |
|
|
| |
| with gr.Row(): |
| submit_btn = gr.Button("Enviar") |
| stop_btn = gr.Button("Parar") |
| clear_btn = gr.Button("Limpar Tudo") |
|
|
| |
| history = gr.State([]) |
| stop = gr.State(False) |
|
|
| submit_btn.click( |
| respond, |
| inputs=[article_input, history, max_tokens_input, temperature_input, top_p_input, stop], |
| outputs=output_text |
| ) |
|
|
| stop_btn.click( |
| lambda: True, |
| outputs=stop |
| ) |
|
|
| clear_btn.click( |
| clear_all, |
| outputs=[article_input, output_text, max_tokens_input, temperature_input, top_p_input, stop] |
| ) |
|
|
| if __name__ == "__main__": |
| demo.launch(share=True) |
|
|
