Update app.py

app.py

@@ -1,37 +1,53 @@
 import gradio as gr
 from huggingface_hub import InferenceClient
-import pandas as pd
 
-# Inicializa o cliente de inferência com o modelo Zephyr-7b-beta
+# Inicializa o cliente de inferência
 client = InferenceClient("HuggingFaceH4/zephyr-7b-beta")
 
-# Carrega o DataFrame para armazenar o feedback (cria um novo se não existir)
-try:
-    feedback_df = pd.read_csv("feedback.csv")
-except FileNotFoundError:
-    feedback_df = pd.DataFrame(columns=["prompt", "feedback"])
-
-# Função para gerar a resposta e coletar feedback
-def respond(message, history, system_message, max_tokens, temperature, top_p, feedback):
-    # ... (código original para gerar a resposta)
-
-    # Após a resposta, solicita feedback e armazena
-    response += "\n Gostaria de fornecer algum feedback sobre a minha análise? Sua opinião é muito importante para melhorar meus resultados."
-
-    if feedback:
-        new_feedback = {'prompt': message, 'feedback': feedback}
-        feedback_df = pd.concat([feedback_df, pd.DataFrame([new_feedback])], ignore_index=True)
-        feedback_df.to_csv("feedback.csv", index=False)
-
-# Função para analisar o feedback (exemplo básico)
-def analyze_feedback():
-    # Calcula métricas básicas de feedback
-    word_counts = feedback_df['feedback'].str.split(expand=True).stack().value_counts()
-    print("Palavras mais frequentes no feedback:", word_counts.head())
-
-    # ... (análises mais complexas podem ser adicionadas aqui, como análise de sentimentos)
-
-# Configura a interface do Gradio 
+# Define o prompt para avaliação de artigos conforme E.A.T
+prompt = """
+Por favor, analise o seguinte artigo com base nas diretrizes do Google E.A.T (Expertise, Autoridade, Confiabilidade). 
+Avalie o conteúdo nos seguintes aspectos:
+
+1. **Expertise**: O conteúdo é bem escrito e demonstra conhecimento especializado sobre o assunto? Verifique se o artigo inclui informações precisas, bem fundamentadas e atualizadas.
+   
+2. **Autoridade**: O autor ou a fonte é confiável e uma autoridade no tópico discutido? Verifique se o artigo menciona fontes confiáveis ou referências que sustentem as informações fornecidas.
+
+3. **Confiabilidade**: O conteúdo inspira confiança? Ele evita exageros, informações sensacionalistas ou imprecisas? Verifique se o artigo é objetivo e fornece evidências para as afirmações feitas.
+
+Após a análise, atribua uma nota de 1 a 10 para a qualidade do artigo em relação aos três aspectos mencionados, com uma breve justificativa para cada nota. Também forneça uma nota final de qualidade geral com base nesses critérios.
+"""
+
+system_message = "Você é um bot assistente especializado em análise de conteúdo de SEO."
+
+def respond(message, history, system_message, max_tokens, temperature, top_p):
+    messages = [{"role": "system", "content": system_message}]
+    
+    # Adiciona o histórico de conversas
+    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})
+
+    # Adiciona a nova mensagem do usuário (o artigo a ser analisado)
+    messages.append({"role": "user", "content": prompt + "\n\n" + message})
+
+    response = ""
+
+    # Gera a resposta (análise do artigo)
+    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
+
+# Configura a interface do Gradio
 demo = gr.ChatInterface(
     respond,
     additional_inputs=[
@@ -42,10 +58,5 @@ demo = gr.ChatInterface(
     ],
 )
 
-# Botão para analisar o feedback
-btn = gr.Button("Analisar Feedback")
-btn.click(analyze_feedback, inputs=None, outputs=None)
-
-# Inicia a interface
 if __name__ == "__main__":
-    demo.launch(share=True)
+    demo.launch(share=True)