Update app.py

app.py

@@ -10,15 +10,14 @@ from langchain.memory import ConversationBufferMemory
 from langchain.agents import Tool, initialize_agent
 from langchain.agents.agent_types import AgentType
 
-
-# 🔹 Inicializa pipeline com modelo leve
-pipe = pipeline("text2text-generation", model="google/flan-t5-small", max_new_tokens=50)
+# Inicializa pipeline com modelo leve (aumentei max_new_tokens para evitar truncamento)
+pipe = pipeline("text2text-generation", model="google/flan-t5-small", max_new_tokens=100)
 llm = HuggingFacePipeline(pipeline=pipe)
 
-# 🔹 Memória de conversa para a cadeia de documentos
+# Memória de conversa
 memory = ConversationBufferMemory(memory_key="chat_history", return_messages=True)
 
-# 🔹 Carregamento e preparação do documento
+# Função para carregar documento txt
 def carregar_documento_txt(path):
     loader = TextLoader(path, encoding="latin-1")
     documentos = loader.load()
@@ -30,23 +29,19 @@ def carregar_documento_txt(path):
 
 vectorstore = carregar_documento_txt("meu_documento.txt")
 
-# 🔹 Cadeia de busca com memória
+# Cadeia de busca com memória
 chat_chain = ConversationalRetrievalChain.from_llm(
     llm=llm,
     retriever=vectorstore.as_retriever(),
     memory=memory,
 )
 
-# 🔹 Define ferramentas para o agente
-
-# 1. Responder baseado no documento
+# Ferramentas para o agente
 def responder_documento(pergunta):
     return chat_chain.run({"question": pergunta})
 
-# 2. Responder de forma geral (chat simples)
 def responder_geral(pergunta):
-    # Apenas usa o LLM para responder livremente
-    return llm.run(pergunta)
+    return llm.invoke(pergunta)
 
 tools = [
     Tool(
@@ -61,15 +56,15 @@ tools = [
     )
 ]
 
-# Inicializa agente com as ferramentas acima
 agent = initialize_agent(
     tools=tools,
     llm=llm,
     agent=AgentType.ZERO_SHOT_REACT_DESCRIPTION,
     verbose=False,
+    handle_parsing_errors=True,
 )
 
-# Interface Gradio com histórico
+# Interface Gradio
 with gr.Blocks() as demo:
     gr.Markdown("## 🤖 Chat IA com Agente e Documento TXT")
 
@@ -78,7 +73,10 @@ with gr.Blocks() as demo:
     estado_chat = gr.State([])
 
     def interagir(msg, history):
-        resposta = agent.run(msg)
+        try:
+            resposta = agent.invoke(msg)
+        except Exception as e:
+            resposta = f"Erro ao gerar resposta: {e}"
         history = history + [(msg, resposta)]
         return "", history