Update app.py

app.py

@@ -10,20 +10,20 @@ from langchain.memory import ConversationBufferMemory
 from langchain.agents import Tool, initialize_agent
 from langchain.agents.agent_types import AgentType
 
-# Pipeline com limite maior de tokens e truncamento ativado
+# Modelo com melhor performance para agentes
 pipe = pipeline(
     "text2text-generation",
-    model="google/flan-t5-small",
+    model="declare-lab/flan-alpaca-base",
     max_new_tokens=100,
     truncation=True,
     max_length=512,
 )
 llm = HuggingFacePipeline(pipeline=pipe)
 
-# Memória limitada para 3 turnos
+# Memória limitada para evitar prompts muito longos
 memory = ConversationBufferMemory(memory_key="chat_history", return_messages=True, k=3)
 
-# Carregamento do documento com chunks menores
+# Carrega e divide documento em partes menores
 def carregar_documento_txt(path):
     loader = TextLoader(path, encoding="latin-1")
     documentos = loader.load()
@@ -35,14 +35,14 @@ def carregar_documento_txt(path):
 
 vectorstore = carregar_documento_txt("meu_documento.txt")
 
-# Cadeia de consulta com memória
+# Cadeia de busca com memória
 chat_chain = ConversationalRetrievalChain.from_llm(
     llm=llm,
     retriever=vectorstore.as_retriever(),
     memory=memory,
 )
 
-# Ferramentas para o agente
+# Ferramentas do agente
 def responder_documento(pergunta):
     return chat_chain.run({"question": pergunta})
 
@@ -53,15 +53,16 @@ tools = [
     Tool(
         name="Responder com Documento",
         func=responder_documento,
-        description="Usa para responder perguntas específicas sobre o documento."
+        description="Use para responder perguntas específicas sobre o documento."
     ),
     Tool(
         name="Responder Geral",
         func=responder_geral,
-        description="Usa para perguntas gerais ou bate-papo."
+        description="Use para perguntas gerais ou bate-papo."
     )
 ]
 
+# Agente com tratamento de parsing
 agent = initialize_agent(
     tools=tools,
     llm=llm,
@@ -81,9 +82,9 @@ with gr.Blocks() as demo:
     def interagir(msg, history):
         try:
             resposta = agent.invoke(msg)
-            # Garantir resposta string para o chatbot
+            # Extrai texto se for dict
             if isinstance(resposta, dict):
-                resposta = str(resposta)
+                resposta = resposta.get('output', str(resposta))
             elif not isinstance(resposta, str):
                 resposta = str(resposta)
         except Exception as e:
@@ -92,10 +93,8 @@ with gr.Blocks() as demo:
         return "", history
 
     entrada.submit(interagir, [entrada, estado_chat], [entrada, chatbot])
-    enviar_btn = gr.Button("Enviar")
-    enviar_btn.click(interagir, [entrada, estado_chat], [entrada, chatbot])
+    gr.Button("Enviar").click(interagir, [entrada, estado_chat], [entrada, chatbot])
 
 demo.launch(server_name="0.0.0.0", server_port=7860, show_api=False)
 
 
-