Update app.py

app.py

@@ -9,24 +9,22 @@ from langchain_community.llms import HuggingFaceHub
 from typing import Optional
 import tempfile
 
-# Configuração do token da Hugging Face (deve ser definido como variável de ambiente)
-HUGGINGFACE_API_TOKEN = os.getenv("HUGGINGFACE_API_TOKEN")
-if not HUGGINGFACE_API_TOKEN:
-    raise ValueError("Por favor, defina a variável de ambiente HUGGINGFACE_API_TOKEN")
-
 # Configurações
 EMBEDDING_MODEL = "sentence-transformers/all-mpnet-base-v2"
 LLM_REPO_ID = "google/flan-t5-large"
 
-def create_temporary_file(file_obj) -> str:
-    """Cria um arquivo temporário a partir do objeto de arquivo do Gradio."""
-    temp_dir = tempfile.mkdtemp()
-    temp_path = os.path.join(temp_dir, "temp.pdf")
-    
-    with open(temp_path, 'wb') as f:
-        f.write(file_obj.read())
-    
-    return temp_path
+def create_temporary_file(file_content: bytes) -> str:
+    """Cria um arquivo temporário a partir dos bytes do arquivo."""
+    try:
+        temp_dir = tempfile.mkdtemp()
+        temp_path = os.path.join(temp_dir, "temp.pdf")
+        
+        with open(temp_path, 'wb') as f:
+            f.write(file_content)
+        
+        return temp_path
+    except Exception as e:
+        raise Exception(f"Erro ao criar arquivo temporário: {str(e)}")
 
 def load_and_process_pdf(pdf_path: str) -> Optional[FAISS]:
     """
@@ -61,11 +59,11 @@ def load_and_process_pdf(pdf_path: str) -> Optional[FAISS]:
         print(f"Erro ao processar o PDF: {str(e)}")
         return None
 
-def generate_response(pdf_file: Optional[tempfile._TemporaryFileWrapper], query: str) -> str:
+def generate_response(file_obj, query: str) -> str:
     """
     Gera resposta para a consulta usando RAG, com tratamento de erros.
     """
-    if pdf_file is None:
+    if file_obj is None:
         return "Erro: Nenhum arquivo PDF foi carregado."
     
     if not query.strip():
@@ -73,7 +71,7 @@ def generate_response(pdf_file: Optional[tempfile._TemporaryFileWrapper], query:
     
     try:
         # Cria arquivo temporário e processa o PDF
-        temp_path = create_temporary_file(pdf_file)
+        temp_path = create_temporary_file(file_obj)
         db = load_and_process_pdf(temp_path)
         
         if db is None:
@@ -82,7 +80,7 @@ def generate_response(pdf_file: Optional[tempfile._TemporaryFileWrapper], query:
         # Configura o modelo de linguagem
         llm = HuggingFaceHub(
             repo_id=LLM_REPO_ID,
-            huggingfacehub_api_token=HUGGINGFACE_API_TOKEN,
+            huggingfacehub_api_token=os.environ.get("HUGGINGFACE_API_TOKEN"),
             model_kwargs={
                 "temperature": 0.7,
                 "max_length": 512,
@@ -104,6 +102,7 @@ def generate_response(pdf_file: Optional[tempfile._TemporaryFileWrapper], query:
         
         # Limpa arquivos temporários
         os.remove(temp_path)
+        os.rmdir(os.path.dirname(temp_path))
         
         return result["result"]
         
@@ -111,30 +110,43 @@ def generate_response(pdf_file: Optional[tempfile._TemporaryFileWrapper], query:
         return f"Erro ao gerar resposta: {str(e)}"
 
 # Interface Gradio
-def create_interface():
-    """Cria e configura a interface Gradio."""
-    return gr.Interface(
-        fn=generate_response,
-        inputs=[
-            gr.File(
+with gr.Blocks() as demo:
+    gr.Markdown("# Sistema de RAG com LangChain")
+    gr.Markdown("Faça upload de um PDF e faça perguntas sobre o conteúdo.")
+    
+    with gr.Row():
+        with gr.Column():
+            file_input = gr.File(
                 label="Upload PDF",
-                type="binary",  # Alterado para binary
+                type="binary",
                 file_types=[".pdf"]
-            ),
-            gr.Textbox(
+            )
+            query_input = gr.Textbox(
                 label="Sua Pergunta",
-                placeholder="Digite sua pergunta aqui..."
+                placeholder="Digite sua pergunta aqui...",
+                lines=3
             )
-        ],
-        outputs=gr.Textbox(label="Resposta Gerada"),
-        title="Sistema de RAG com LangChain",
-        description="Faça upload de um PDF e faça perguntas sobre o conteúdo.",
+            submit_btn = gr.Button("Enviar Pergunta")
+        
+        with gr.Column():
+            output = gr.Textbox(
+                label="Resposta Gerada",
+                lines=10
+            )
+    
+    submit_btn.click(
+        fn=generate_response,
+        inputs=[file_input, query_input],
+        outputs=output
+    )
+    
+    gr.Examples(
         examples=[
             [None, "Qual é o principal tema deste documento?"],
             [None, "Pode resumir os pontos principais?"]
-        ]
+        ],
+        inputs=[file_input, query_input]
     )
 
 if __name__ == "__main__":
-    iface = create_interface()
-    iface.launch(share=True)
+    demo.launch()