app.py

import gradio as gr
from datetime import datetime
from sentence_transformers import SentenceTransformer
import numpy as np
from typing import Dict, List, Tuple
from textblob import TextBlob

# Load embeddings model
model = SentenceTransformer('all-MiniLM-L6-v2')

PERGUNTAS = [
    {
        "categoria": "autoconhecimento",
        "pergunta": "Qual foi seu maior desafio como líder e como você o superou?",
        "contexto": "desafios liderança superação aprendizado desenvolvimento",
    },
    {
        "categoria": "comunicacao",
        "pergunta": "Como você adapta seu estilo de comunicação para diferentes membros da equipe?",
        "contexto": "comunicação adaptação equipe feedback clareza",
    },
    {
        "categoria": "decisao",
        "pergunta": "Descreva uma decisão difícil recente e como você a tomou.",
        "contexto": "decisão análise processo resultado impacto",
    },
    {
        "categoria": "autoconhecimento",
        "pergunta": "Como você identificou e desenvolveu seus pontos fortes como líder?",
        "contexto": "fortalezas desenvolvimento crescimento reconhecimento",
    },
    {
        "categoria": "comunicacao",
        "pergunta": "Descreva uma situação em que você precisou dar feedback difícil. Como conduziu?",
        "contexto": "feedback difícil comunicação empatia resolução",
    }
]

TONE_PATTERNS = {
    "confiante": ["certamente", "sem dúvida", "confio", "tenho certeza", "definitivamente"],
    "reflexivo": ["penso que", "considero", "reflito", "analiso", "pondero"],
    "hesitante": ["talvez", "pode ser", "não tenho certeza", "possivelmente", "acho que"],
    "pragmatico": ["na prática", "concretamente", "efetivamente", "resultado", "implementei"],
    "emocional": ["sinto", "emocionalmente", "impactado", "motivado", "frustrado"]
}

RESPOSTAS_COACH = {
    "autoconhecimento": {
        "positive": [
            {
                "context": "superacao_clara",
                "response": "Sua capacidade de superar esse desafio demonstra resiliência. Especialmente interessante foi como você {specific_action}. Como você pode usar essa experiência para orientar outros líderes em situações similares?",
                "keywords": ["superei", "consegui", "aprendi", "mudei", "cresci"]
            },
            {
                "context": "aprendizado_continuo",
                "response": "Sua jornada de autodesenvolvimento é notável. O fato de você {specific_action} mostra maturidade. Que outros aspectos de liderança essa experiência te motivou a explorar?",
                "keywords": ["desenvolvimento", "estudo", "aprendo", "busco", "evoluo"]
            }
        ],
        "neutral": [
            {
                "context": "em_processo",
                "response": "Você está no caminho certo ao identificar esse desafio. Considerando que você {specific_action}, que recursos ou apoio adicional seriam úteis nesse momento?",
                "keywords": ["tentando", "buscando", "desenvolvendo", "praticando"]
            }
        ],
        "improvement": [
            {
                "context": "dificuldade_identificada",
                "response": "É importante reconhecer áreas de desenvolvimento. Sua menção sobre {specific_action} sugere autoconsciência. Vamos explorar estratégias específicas para fortalecer esse aspecto?",
                "keywords": ["difícil", "complicado", "desafiador", "preciso melhorar"]
            }
        ]
    },
    "comunicacao": {
        "positive": [
            {
                "context": "adaptacao_efetiva",
                "response": "Sua abordagem adaptativa é exemplar. O exemplo de como você {specific_action} demonstra sensibilidade às diferentes necessidades. Como você avalia a efetividade dessas adaptações?",
                "keywords": ["adapto", "personalizo", "ajusto", "observo"]
            }
        ],
        "neutral": [
            {
                "context": "desenvolvendo_estilo",
                "response": "Você está desenvolvendo um repertório interessante de estilos de comunicação. Sua estratégia de {specific_action} tem potencial. Que outros métodos você gostaria de experimentar?",
                "keywords": ["testando", "experimentando", "tentando diferentes"]
            }
        ],
        "improvement": [
            {
                "context": "desafios_comunicacao",
                "response": "Reconhecer desafios na comunicação é o primeiro passo. Considerando sua experiência com {specific_action}, que aspectos específicos você gostaria de desenvolver primeiro?",
                "keywords": ["difícil comunicar", "não consegui", "preciso melhorar"]
            }
        ]
    },
    "decisao": {
        "positive": [
            {
                "context": "processo_estruturado",
                "response": "Seu processo decisório é bem estruturado. A forma como você {specific_action} demonstra pensamento sistêmico. Como você poderia documentar essas práticas para futuras referências?",
                "keywords": ["analisei", "considerei", "planejei", "estruturei"]
            }
        ],
        "neutral": [
            {
                "context": "balanceando_fatores",
                "response": "Você está equilibrando diferentes fatores em suas decisões. Sua menção sobre {specific_action} mostra consciência. Que frameworks de decisão você conhece que poderiam complementar sua abordagem?",
                "keywords": ["pesando", "considerando", "avaliando"]
            }
        ],
        "improvement": [
            {
                "context": "decisao_desafiadora",
                "response": "Decisões complexas exigem coragem. Sua experiência com {specific_action} oferece aprendizados valiosos. Que apoio ou recursos adicionais teriam sido úteis nesse momento?",
                "keywords": ["hesitei", "demorei", "incerto"]
            }
        ]
    }
}

class EnhancedCoach:
    def __init__(self):
        self.pergunta_atual = 0
        self.inicio = datetime.now()
        self.historico_respostas = []
        self.sessao_completa = False
        self.tone_history = []
        self.response_quality_metrics = []
    
    def analyze_response_quality(self, text: str) -> Dict[str, float]:
        sentences = [s.strip() for s in text.split('.') if s.strip()]
        words = text.lower().split()
        
        metrics = {
            "depth": self._calculate_depth(text, words),
            "clarity": self._calculate_clarity(sentences),
            "specificity": self._calculate_specificity(text, words),
            "actionability": self._calculate_actionability(sentences)
        }
        
        self.response_quality_metrics.append(metrics)
        return metrics
    
    def _calculate_depth(self, text: str, words: List[str]) -> float:
        if not words:
            return 0.0
            
        unique_words = len(set(words))
        word_length_avg = sum(len(word) for word in words) / len(words)
        sentences = [s.strip() for s in text.split('.') if s.strip()]
        
        word_variety = unique_words / len(words)
        sentence_length = len(sentences)
        complexity = word_length_avg / 5
        
        depth_score = (word_variety * 0.4 + 
                      min(sentence_length / 3, 1.0) * 0.4 + 
                      complexity * 0.2)
        
        return min(1.0, depth_score)
    
    def _calculate_clarity(self, sentences: List[str]) -> float:
        if not sentences:
            return 0.0
        avg_length = sum(len(s.split()) for s in sentences) / len(sentences)
        return 1.0 if 10 <= avg_length <= 20 else 0.7
    
    def _calculate_specificity(self, text: str, words: List[str]) -> float:
        specific_indicators = [
            "exemplo", "especificamente", "concretamente", 
            "situação", "caso", "quando", "onde", "como",
            "projeto", "equipe", "reunião", "feedback",
            "resultado", "impacto", "mudança", "melhoria",
            "implementei", "desenvolvi", "criei", "estabeleci",
            "eu", "minha", "nosso", "realizei", "fiz"
        ]
        
        indicator_count = sum(text.lower().count(ind) for ind in specific_indicators)
        response_length_factor = min(len(words) / 20, 1.0)
        
        return min(1.0, (indicator_count * 0.7 + response_length_factor * 0.3))
    
    def _calculate_actionability(self, sentences: List[str]) -> float:
        action_verbs = [
            "implementar", "fazer", "criar", "desenvolver", "estabelecer", 
            "planejar", "executar", "medir", "avaliar", "iniciar",
            "construir", "liderar", "coordenar", "definir", "ajustar"
        ]
        if not sentences:
            return 0.0
        actionable = sum(1 for s in sentences 
                        if any(verb in s.lower() for verb in action_verbs))
        return min(1.0, actionable / len(sentences))

    def analisar_tom(self, texto: str) -> Tuple[str, float]:
        texto_lower = texto.lower()
        blob = TextBlob(texto)
        
        tone_scores = {}
        for tone, patterns in TONE_PATTERNS.items():
            score = sum(texto_lower.count(pattern) for pattern in patterns)
            tone_scores[tone] = score * (1 + abs(blob.sentiment.polarity))
            
        predominant_tone = max(tone_scores.items(), key=lambda x: x[1])
        return predominant_tone[0], predominant_tone[1]

    def analisar_sentimento(self, texto: str) -> str:
        positive_words = [
            "consegui", "superei", "aprendi", "melhorei", "efetivo",
            "cresci", "evoluí", "realizei", "alcancei", "progresso"
        ]
        negative_words = [
            "difícil", "desafiador", "complicado", "problema", "falha",
            "obstáculo", "limitação", "erro", "confuso", "inseguro"
        ]
        
        texto_lower = texto.lower()
        positive_count = sum(1 for word in positive_words if word in texto_lower)
        negative_count = sum(1 for word in negative_words if word in texto_lower)
        
        if positive_count > negative_count:
            return "positive"
        elif negative_count > positive_count:
            return "improvement"
        return "neutral"

    def extrair_acao_especifica(self, texto: str) -> str:
        sentences = texto.split('.')
        for sentence in sentences:
            if any(action in sentence.lower() for action in ["eu", "minha", "realizei", "fiz"]):
                return sentence.strip()
        return texto.split('.')[0].strip()

    def encontrar_melhor_resposta(self, texto_usuario: str, categoria: str) -> str:
        sentimento = self.analisar_sentimento(texto_usuario)
        acao_especifica = self.extrair_acao_especifica(texto_usuario)
        
        respostas_categoria = RESPOSTAS_COACH[categoria][sentimento]
        user_embedding = model.encode(texto_usuario)
        
        melhor_resposta = None
        maior_similaridade = -1
        
        for template in respostas_categoria:
            context_embedding = model.encode(template["context"])
            similaridade = np.dot(user_embedding, context_embedding)
            
            if similaridade > maior_similaridade:
                maior_similaridade = similaridade
                melhor_resposta = template["response"]
        
        return melhor_resposta.format(specific_action=acao_especifica.lower())
    
    def gerar_resposta(self, texto_usuario: str) -> str:
        quality_metrics = self.analyze_response_quality(texto_usuario)
        
        if quality_metrics["depth"] < 0.15 and quality_metrics["specificity"] < 0.1:
            return """### Feedback Inicial 💭

Para oferecer um feedback mais valioso, poderia compartilhar mais detalhes específicos sobre sua experiência? 
Alguns aspectos que enriqueceriam sua reflexão:
- Exemplos concretos da situação
- Ações específicas tomadas
- Resultados observados"""

        if self.sessao_completa:
            self.__init__()
            
        if self.pergunta_atual >= len(PERGUNTAS):
            tempo = (datetime.now() - self.inicio).seconds // 60
            return self.gerar_sumario_final(tempo)
            
        tom_predominante, intensidade = self.analisar_tom(texto_usuario)
        self.tone_history.append(tom_predominante)
        
        pergunta_atual = PERGUNTAS[self.pergunta_atual]
        self.historico_respostas.append(texto_usuario)
        
        feedback = self.encontrar_melhor_resposta(
            texto_usuario, 
            pergunta_atual["categoria"]
        )
        
        tom_insight = self._gerar_insight_tom(tom_predominante, intensidade)
        padrao_identificado = self._analisar_padroes()
        
        resposta = f"""### Feedback Personalizado 💭\n\n{feedback}{padrao_identificado}\n\n{tom_insight}"""
        resposta += self._gerar_pontos_aprofundamento()
        
        self.pergunta_atual += 1
        if self.pergunta_atual < len(PERGUNTAS):
            resposta += self._gerar_proxima_pergunta()
        else:
            self.sessao_completa = True
            tempo = (datetime.now() - self.inicio).seconds // 60
            resposta += self.gerar_sumario_final(tempo)
        
        return resposta

    def _gerar_insight_tom(self, tom: str, intensidade: float) -> str:
        insights = {
            "confiante": "Sua confiança ao abordar este tema é notável. Como você construiu esta segurança?",
            "reflexivo": "Sua abordagem reflexiva traz profundidade à análise. Continue explorando diferentes perspectivas.",
            "hesitante": "Percebo algumas incertezas naturais do processo. Que apoio ajudaria a fortalecer sua confiança?",
            "pragmatico": "Seu foco em resultados práticos é valioso. Como você equilibra isso com visão de longo prazo?",
            "emocional": "Sua conexão emocional com a liderança demonstra comprometimento genuíno."
        }
        
        if intensidade > 2:
            return f"\n\n💡 {insights[tom]} Sua expressão é particularmente intensa neste aspecto."
        return f"\n\n💡 {insights[tom]}"

    def _analisar_padroes(self) -> str:
        if len(self.historico_respostas) <= 1:
            return ""
            
        sentimento_atual = self.analisar_sentimento(self.historico_respostas[-1])
        sentimento_anterior = self.analisar_sentimento(self.historico_respostas[-2])
        
        if sentimento_atual == sentimento_anterior == "positive":
            return "\n\n💡 Observo um padrão consistente de confiança em suas respostas. Continue desenvolvendo esses pontos fortes!"
        elif sentimento_atual == sentimento_anterior == "improvement":
            return "\n\n💡 Percebo que você está identificando áreas de desenvolvimento. Vamos focar em estratégias práticas para esses desafios."
        return ""

    def _gerar_pontos_aprofundamento(self) -> str:
        return """

#### Pontos para Aprofundamento:
1. Como essa experiência se conecta com seus valores de liderança?
2. Que recursos específicos você identificou como necessários?
3. Qual seria o próximo marco de desenvolvimento nessa área?"""

    def _gerar_proxima_pergunta(self) -> str:
        proxima = PERGUNTAS[self.pergunta_atual]
        return f"""\n\n### Próxima Reflexão: {proxima['categoria'].title()} 🎯\n\n{proxima['pergunta']}\n\nTome um momento para refletir e conectar com suas experiências..."""

    def gerar_sumario_final(self, tempo: int) -> str:
        sentimentos = [self.analisar_sentimento(resp) for resp in self.historico_respostas]
        predominante = max(set(sentimentos), key=sentimentos.count)
        
        tone_pattern = max(set(self.tone_history), key=self.tone_history.count)
        tone_insight = f"\n\n#### Padrão de Comunicação:\nSeu estilo predominante é {tone_pattern}, o que sugere {self._interpretar_padrao_tom(tone_pattern)}"
        
        avg_metrics = {
            key: sum(m[key] for m in self.response_quality_metrics) / len(self.response_quality_metrics)
            for key in ["depth", "clarity", "specificity", "actionability"]
        }
        
        quality_insights = "\n\n#### Insights de Qualidade das Respostas:"
        if avg_metrics["depth"] > 0.7:
            quality_insights += "\n- Suas reflexões demonstram profundidade significativa"
        if avg_metrics["specificity"] > 0.7:
            quality_insights += "\n- Você fornece exemplos concretos e detalhados"
        if avg_metrics["actionability"] > 0.7:
            quality_insights += "\n- Suas respostas são orientadas para ação"
        
        if predominante == "positive":
            perfil = "Você demonstra forte autoconhecimento e confiança em sua liderança."
        elif predominante == "improvement":
            perfil = "Você demonstra excelente capacidade de identificar oportunidades de desenvolvimento."
        else:
            perfil = "Você demonstra uma abordagem equilibrada entre conquistas e desafios."
        
        return f"""
### 🎉 Jornada de Desenvolvimento Concluída!

⏱️ Tempo de reflexão: {tempo} minutos
📝 Temas explorados: {len(PERGUNTAS)}

#### Perfil de Liderança Observado:
{perfil}{tone_insight}{quality_insights}

#### Recomendações Personalizadas:
1. Implemente uma ação específica mencionada em suas reflexões esta semana
2. Mantenha um diário de liderança focado nos temas discutidos
3. Estabeleça checkpoints mensais para revisar seu progresso

Deseja iniciar uma nova jornada de desenvolvimento com outros temas?"""

    def _interpretar_padrao_tom(self, tom: str) -> str:
        interpretacoes = {
            "confiante": "uma base sólida para influenciar e liderar equipes.",
            "reflexivo": "uma capacidade valiosa de considerar múltiplas perspectivas.",
            "hesitante": "uma oportunidade para fortalecer sua confiança através da prática.",
            "pragmatico": "um foco valioso em resultados e implementação.",
            "emocional": "uma forte conexão com o impacto humano da liderança."
        }
        return interpretacoes.get(tom, "um estilo único de liderança.")

    def primeira_pergunta(self):
        return f"""### 👋 Bem-vindo à sua Jornada de Desenvolvimento!

Vamos explorar aspectos importantes da sua liderança através de reflexões guiadas.

{PERGUNTAS[0]['pergunta']}

Tome um momento para conectar com suas experiências e compartilhe sua perspectiva..."""

def criar_interface():
    coach = EnhancedCoach()
    
    with gr.Blocks(title="Coach de Liderança", theme=gr.themes.Soft()) as app:
        gr.Markdown("""# 🚀 Coach de Liderança
        Desenvolva sua liderança através de reflexão guiada e feedback personalizado.""")
        
        chat = gr.Chatbot(
            value=[[None, coach.primeira_pergunta()]],
            height=600,
            show_label=False
        )
        
        with gr.Row():
            txt = gr.Textbox(
                placeholder="Compartilhe sua reflexão aqui...",
                lines=4,
                label="Sua Resposta"
            )
            btn = gr.Button("Enviar", variant="primary")
        
        def responder(mensagem, historico):
            if not mensagem.strip():
                return "", historico
            
            resposta = coach.gerar_resposta(mensagem)
            historico.append([mensagem, resposta])
            return "", historico
        
        txt.submit(responder, [txt, chat], [txt, chat])
        btn.click(responder, [txt, chat], [txt, chat])
    
    return app

if __name__ == "__main__":
    app = criar_interface()
    app.launch()