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')

# Define questions with categories and context
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",
    }
]

# Add tone categories with associated words/phrases
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"]
}

# Enhanced response system with more context and situation-specific feedback
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 = []
        
    def analisar_tom(self, texto: str) -> Tuple[str, float]:
        """Analisa o tom predominante na resposta usando TextBlob e padrões lexicais."""
        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:
        """Analisa o sentimento geral da resposta."""
        positive_words = ["consegui", "superei", "aprendi", "melhorei", "efetivo"]
        negative_words = ["difícil", "desafiador", "complicado", "problema", "falha"]
        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:
        """Extrai uma ação específica mencionada na resposta."""
        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:
        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.pergunta_atual += 1
        self.historico_respostas.append({
            "pergunta": pergunta_atual["pergunta"],
            "resposta": texto_usuario,
            "sentimento": self.analisar_sentimento(texto_usuario),
            "tom": tom_predominante
        })
        feedback = self.encontrar_melhor_resposta(texto_usuario, pergunta_atual["categoria"])
        return f"Resposta analisada: {feedback}\n\nPróxima pergunta: {PERGUNTAS[self.pergunta_atual]['pergunta']}" if self.pergunta_atual < len(PERGUNTAS) else feedback
    
    def gerar_sumario_final(self, tempo_total: int) -> str:
        summary = [f"Tonalidade predominante da sessão: {max(set(self.tone_history), key=self.tone_history.count)}."]
        for resposta in self.historico_respostas:
            summary.append(f"- Pergunta: {resposta['pergunta']}\n  Resposta: {resposta['resposta']}\n  Sentimento: {resposta['sentimento']}\n  Tom: {resposta['tom']}\n")
        summary.append(f"Tempo total da sessão: {tempo_total} minutos.")
        self.sessao_completa = True
        return "\n".join(summary)


# Interface Gradio
coach = EnhancedCoach()

def interface_chat(texto_usuario):
    return coach.gerar_resposta(texto_usuario)

demo = gr.Interface(
    fn=interface_chat,
    inputs="text",
    outputs="text",
    title="Coaching Inteligente",
    description="Receba perguntas personalizadas e feedback em tempo real para desenvolvimento pessoal e profissional."
)

if __name__ == "__main__":
    demo.launch()