Update app.py

app.py

@@ -17,12 +17,7 @@ memory = ConversationBufferMemory(memory_key="chat_history", return_messages=Tru
 
 # 🔹 Função de carregamento do documento (TXT com codificação explícita)
 def carregar_documento_txt(path):
-    # ATENÇÃO: Adicionado o parâmetro 'encoding' ao TextLoader
-    # Tente 'latin-1' ou 'iso-8859-1' primeiro, são os mais comuns para português
     loader = TextLoader(path, encoding="latin-1")
-    # Se 'latin-1' não funcionar, tente 'cp1252' (Windows-1252)
-    # loader = TextLoader(path, encoding="cp1252")
-
     documentos = loader.load()
 
     splitter = RecursiveCharacterTextSplitter(chunk_size=1000, chunk_overlap=200)
@@ -32,7 +27,7 @@ def carregar_documento_txt(path):
     vectorstore = FAISS.from_documents(documentos_divididos, embeddings)
     return vectorstore
 
-# 🔹 Carrega documento TXT do root
+# 🔹 Carrega documento TXT
 vectorstore = carregar_documento_txt("meu_documento.txt")
 
 # 🔹 Cria cadeia de resposta com memória + busca por similaridade
@@ -42,21 +37,24 @@ chat_chain = ConversationalRetrievalChain.from_llm(
     memory=memory,
 )
 
-# 🔹 Função de chat
+# 🔹 Função de resposta
 def responder(pergunta):
     return chat_chain.run({"question": pergunta})
 
 # 🔹 Interface Gradio
 with gr.Blocks() as demo:
-    gr.Markdown("## 🤖 Chat IA com Documento TXT fixo (consultas baseadas em documentos)")
-    chatbot = gr.Chatbot(type='tuples')
+    gr.Markdown("## 🤖 Chat IA com Documento TXT fixo")
+
+    chatbot = gr.Chatbot()
     entrada = gr.Textbox(placeholder="Digite sua pergunta…", show_label=False)
 
-    def interagir(msg, history):
+    def interagir(msg, history=[]):
         resposta = responder(msg)
-        history.append([msg, resposta])
+        history.append((msg, resposta))
         return "", history
 
     entrada.submit(interagir, [entrada, chatbot], [entrada, chatbot])
 
-demo.launch()
+# 🔹 Lança interface sem API
+demo.launch(share=False, show_api=False)
+