Update app.py

app.py

@@ -5,14 +5,19 @@ import os
 
 app = FastAPI()
 
-HF_API_KEY = os.getenv("HF_API_KEY")
+# Garante que a chave existe
+HF_API_KEY = os.getenv("HF_API_KEY", "").strip()
+if not HF_API_KEY:
+    print("⚠️ Aviso: Variável HF_API_KEY não configurada. A API pode não funcionar.")
 
 TRANSLATION_MODEL = "Helsinki-NLP/opus-mt-pt-en"
 EMOTION_MODEL = "j-hartmann/emotion-english-distilroberta-base"
 
+
 class TextInput(BaseModel):
     text: str
 
+
 EMOTION_SUGGESTIONS = {
     "joy": "Ótimo! Continue aproveitando esses momentos positivos!",
     "anger": "Respire fundo e tente se acalmar antes de reagir.",
@@ -25,14 +30,19 @@ EMOTION_SUGGESTIONS = {
 }
 DEFAULT_SUGGESTION = "Tente respirar fundo e escrever seus sentimentos."
 
+
 async def query_inference(model: str, payload: dict):
+    """Consulta à HuggingFace Inference API"""
+    if not HF_API_KEY:
+        return {"error": "HF_API_KEY não configurada no ambiente"}
+
     headers = {"Authorization": f"Bearer {HF_API_KEY}"}
     try:
         async with httpx.AsyncClient(timeout=60) as client:
             response = await client.post(
                 f"https://api-inference.huggingface.co/models/{model}",
                 headers=headers,
-                json=payload
+                json=payload,
             )
         if response.status_code != 200:
             return {"error": f"Erro {response.status_code}: {response.text}"}
@@ -40,34 +50,47 @@ async def query_inference(model: str, payload: dict):
     except Exception as e:
         return {"error": f"Falha ao conectar com a Inference API: {str(e)}"}
 
+
 async def translate_to_english(text: str) -> str:
+    """Traduz PT -> EN se necessário"""
     result = await query_inference(TRANSLATION_MODEL, {"inputs": text})
-    if isinstance(result, list) and len(result) > 0 and "translation_text" in result[0]:
+    if isinstance(result, list) and result and "translation_text" in result[0]:
         return result[0]["translation_text"]
     return text
 
+
 async def classify_emotion(text: str) -> dict:
+    """Classifica emoção e retorna sugestão"""
     result = await query_inference(EMOTION_MODEL, {"inputs": text})
 
     if isinstance(result, dict) and "error" in result:
-        return {"emotion": "unknown", "suggestion": "Não foi possível analisar a emoção.", "debug": result}
+        return {
+            "emotion": "unknown",
+            "suggestion": "Não foi possível analisar a emoção.",
+            "debug": result,
+        }
 
-    if isinstance(result, list) and len(result) > 0:
+    if isinstance(result, list) and result:
         top_label = result[0]["label"].lower()
         suggestion = EMOTION_SUGGESTIONS.get(top_label, DEFAULT_SUGGESTION)
         return {"emotion": top_label, "suggestion": suggestion, "raw": result}
 
     return {"emotion": "unknown", "suggestion": "Não foi possível analisar a emoção."}
 
+
 @app.post("/analyze")
 async def analyze_text(input: TextInput):
+    """Endpoint principal de análise"""
     text = input.text.strip()
+    # Heurística simples para decidir se traduz
     if any(c in text for c in "áéíóúãõâêôçà"):
         text_en = await translate_to_english(text)
     else:
         text_en = text
     return await classify_emotion(text_en)
 
+
 @app.get("/")
 async def root():
+    """Endpoint de saúde"""
     return {"status": "ok", "message": "API de análise emocional rodando 🚀"}