Update app.py

app.py

@@ -1,96 +1,33 @@
-# app.py
+# app.py  —  executa modelo localmente (sem Inference API)
 import gradio as gr
-import json
-import os
-import requests
-
-# ====== CONFIGURAÇÕES ======
-# Nome do modelo gratuito a ser usado pela Inference API.
-# (pode trocar depois por outro modelo disponível no Hugging Face Hub)
-MODEL_ID = "google/flan-t5-large"
-
-
-# ====== CARREGAR PROMPT MESTRE ======
-with open("aura_prompt.json", "r", encoding="utf-8") as f:
-    AURA_DATA = json.load(f)
-
-# Construir o prompt base a partir do arquivo JSON
-SYSTEM_PROMPT = f"""
-Você é {AURA_DATA['system']['name']}, uma {AURA_DATA['system']['description']}.
-Missão: {AURA_DATA['system']['mission']}
-Declaração: {AURA_DATA['system']['declaration']}
-
-Siga estas diretrizes:
-- Seja empática, clara e não julgadora.
-- Use linguagem centrada e humana.
-- Utilize perguntas reflexivas e micropráticas quando apropriado.
-- Jamais diagnostique ou substitua profissionais humanos.
-- Ative protocolo de crise se detectar risco.
-"""
-
-# Adicionar resumo dos princípios terapêuticos
-for key, value in AURA_DATA.get("principles", {}).items():
-    SYSTEM_PROMPT += f"\n[{key}] foco: {value.get('focus','')}"
-SYSTEM_PROMPT += "\n\n=== Início da conversa ===\n"
-
-# ====== FUNÇÃO PARA CONSULTAR A INFERENCE API ======
-def query_huggingface(prompt, model_id=MODEL_ID, max_tokens=250):
-    """Faz chamada à API de inferência do Hugging Face."""
-    hf_token = os.environ.get("HF_TOKEN", None)
-    if not hf_token:
-        return "Erro: variável HF_TOKEN não configurada nas 'Secrets' do Space."
-    
-    url = f"https://api-inference.huggingface.co/models/{model_id}"
-    headers = {"Authorization": f"Bearer {hf_token}"}
-    payload = {"inputs": prompt, "parameters": {"max_new_tokens": max_tokens}}
-    
-    response = requests.post(url, headers=headers, json=payload, timeout=60)
-    if response.status_code != 200:
-        return f"Erro da API ({response.status_code}): {response.text}"
-    
-    data = response.json()
-    if isinstance(data, list) and "generated_text" in data[0]:
-        return data[0]["generated_text"]
-    else:
-        return str(data)
-
-# ====== FUNÇÃO DE RESPOSTA DA AURA ======
-def aura_respond(user_input, chat_history):
-    """Constrói o prompt final e gera resposta da AURA."""
-    full_prompt = SYSTEM_PROMPT
-    for msg in chat_history:
-        full_prompt += f"Usuário: {msg[0]}\nAURA: {msg[1]}\n"
-    full_prompt += f"Usuário: {user_input}\nAURA:"
-
-    response = query_huggingface(full_prompt)
-    if response.startswith(full_prompt):
-        response = response[len(full_prompt):]
-    response = response.strip()
-
-    # salvar no log local (opcional)
-    try:
-        with open("conversations_log.txt", "a", encoding="utf-8") as logf:
-            logf.write(json.dumps({"user": user_input, "aura": response}, ensure_ascii=False) + "\n")
-    except Exception as e:
-        print("Erro ao salvar log:", e)
-
-    chat_history.append((user_input, response))
-    return "", chat_history
-
-# ====== INTERFACE GRADIO ======
-with gr.Blocks(title="AURA — Inteligência Terapêutica Integrativa") as demo:
-    gr.Markdown(
-        """
-        # 🕊️ AURA — Inteligência Terapêutica Integrativa
-        Converse com a AURA.  
-        *(Prototipo experimental — não substitui acompanhamento psicológico profissional.)*
-        """
-    )
-    chatbot = gr.Chatbot()
-    msg = gr.Textbox(label="Escreva para a AURA:", placeholder="Olá, AURA...")
+from transformers import pipeline
+
+# carrega modelo localmente (funciona em CPU)
+generator = pipeline("text2text-generation", model="google/flan-t5-base")
+
+SYSTEM_PROMPT = (
+    "Você é AURA, uma Inteligência Terapêutica Integrativa. "
+    "Fale com empatia, faça perguntas reflexivas, "
+    "jamais diagnostique ou prescreva. "
+    "Mantenha tom humano e centrado."
+)
+
+def aura_respond(message, history):
+    prompt = SYSTEM_PROMPT + "\nUsuário: " + message + "\nAURA:"
+    resp = generator(prompt, max_new_tokens=150)
+    reply = resp[0]["generated_text"].strip()
+    history = history or []
+    history.append(("Você", message))
+    history.append(("AURA", reply))
+    return "", history
+
+with gr.Blocks(title="AURA — IA Terapêutica Integrativa") as demo:
+    gr.Markdown("# 🕊️ AURA — Inteligência Terapêutica Integrativa")
+    chat = gr.Chatbot()
+    msg = gr.Textbox(label="Escreva para a AURA", placeholder="Olá, AURA…")
     state = gr.State([])
-    msg.submit(aura_respond, [msg, state], [msg, chatbot])
-    gr.Button("Enviar").click(aura_respond, [msg, state], [msg, chatbot])
+    msg.submit(aura_respond, [msg, state], [msg, chat])
+    gr.Button("Enviar").click(aura_respond, [msg, state], [msg, chat])
 
 if __name__ == "__main__":
     demo.launch()