File size: 7,063 Bytes
ea865d5 |
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 |
import gradio as gr
import random
from transformers import AutoModelForCausalLM, AutoTokenizer
import torch
from typing import Dict, List
class PromptGenerator:
def __init__(self):
# Carrega o modelo Mistral em português do Hugging Face
print("Carregando modelo... (pode demorar alguns minutos na primeira vez)")
self.model_name = "beomi/llama-2-ko-7b" # Modelo base que funciona bem com português
self.tokenizer = AutoTokenizer.from_pretrained(self.model_name)
self.model = AutoModelForCausalLM.from_pretrained(
self.model_name,
torch_dtype=torch.float16,
device_map="auto"
)
print("Modelo carregado!")
def generate_with_model(self, prompt: str) -> str:
"""Gera texto usando o modelo local"""
inputs = self.tokenizer(prompt, return_tensors="pt").to(self.model.device)
outputs = self.model.generate(
**inputs,
max_new_tokens=512,
temperature=0.7,
top_p=0.9,
do_sample=True,
pad_token_id=self.tokenizer.eos_token_id
)
return self.tokenizer.decode(outputs[0], skip_special_tokens=True)
# Templates de prompts por categoria
TEMPLATES = {
"história": {
"creative": "Crie uma história {gênero} sobre {tema} com {personagens} personagens. A história deve ter {comprimento} palavras e incluir {elementos}.",
"analysis": "Analise a seguinte história considerando {aspectos}. Foque em {elementos} e forneça exemplos específicos do texto.",
"continuation": "Continue a seguinte história mantendo o {tom} e desenvolvendo {elementos}."
},
"técnico": {
"tutorial": "Crie um tutorial detalhado sobre {tema} para {público}. Inclua {elementos} e forneça {exemplos} exemplos práticos.",
"documentation": "Documente {sistema} incluindo {aspectos}. Foque em {elementos} e forneça {exemplos} exemplos de uso.",
"troubleshooting": "Crie um guia de solução de problemas para {sistema} cobrindo {problemas}."
},
"educacional": {
"lesson": "Prepare uma aula sobre {tema} para {público}. Inclua {objetivos} e atividades práticas.",
"exercise": "Crie exercícios sobre {tema} com {dificuldade} níveis de dificuldade.",
"explanation": "Explique {conceito} para {público} usando {analogias} e exemplos práticos."
}
}
# Inicializa o gerador de prompts
generator = PromptGenerator()
def generate_prompt(categoria: str, subcategoria: str, tema: str, elementos: str,
público_alvo: str, tom: str, comprimento: int,
usar_llm: bool = True) -> str:
"""Gera um prompt baseado nos parâmetros e usa o modelo para expandir"""
if categoria not in TEMPLATES or subcategoria not in TEMPLATES[categoria]:
return "Categoria ou subcategoria não encontrada"
template = TEMPLATES[categoria][subcategoria]
# Parâmetros base para o template
params = {
"tema": tema,
"elementos": elementos,
"público": público_alvo,
"tom": tom,
"comprimento": comprimento,
"gênero": random.choice(["de aventura", "de mistério", "de fantasia", "de ficção científica"]),
"personagens": random.randint(2, 5),
"aspectos": "caracterização, desenvolvimento do enredo, temas principais",
"exemplos": random.randint(3, 5),
"sistema": tema,
"problemas": "problemas comuns e casos específicos",
"dificuldade": random.randint(3, 5),
"conceito": tema,
"analogias": "analogias cotidianas"
}
# Gera o prompt base
base_prompt = template.format(**params)
base_prompt += f"\n\nTom desejado: {tom}"
if comprimento:
base_prompt += f"\nComprimento aproximado: {comprimento} palavras"
# Se solicitado, usa o modelo para expandir o prompt
if usar_llm:
instruction = f"""
Você é um assistente especializado em criar prompts detalhados em português para LLMs.
Expanda e melhore o seguinte prompt base, adicionando mais detalhes, exemplos e estrutura:
{base_prompt}
Crie uma versão mais completa e detalhada deste prompt, mantendo o objetivo original
mas adicionando mais contexto e especificidade.
"""
return generator.generate_with_model(instruction)
return base_prompt
def create_interface():
"""Cria a interface do Gradio"""
with gr.Blocks(title="Gerador de Prompts para LLMs") as app:
gr.Markdown("# 🤖 Gerador de Prompts Inteligente")
gr.Markdown("Crie prompts estruturados e detalhados usando IA")
with gr.Row():
with gr.Column():
categoria = gr.Dropdown(
choices=list(TEMPLATES.keys()),
label="Categoria",
value="história"
)
subcategoria = gr.Dropdown(
choices=list(TEMPLATES["história"].keys()),
label="Subcategoria",
value="creative"
)
tema = gr.Textbox(
label="Tema Principal",
placeholder="Ex: inteligência artificial, sustentabilidade"
)
with gr.Column():
elementos = gr.Textbox(
label="Elementos Específicos",
placeholder="Ex: conflitos, conceitos, exemplos práticos"
)
público_alvo = gr.Textbox(
label="Público Alvo",
placeholder="Ex: iniciantes, profissionais, estudantes"
)
tom = gr.Dropdown(
choices=["formal", "informal", "técnico", "conversacional", "educativo"],
label="Tom",
value="formal"
)
comprimento = gr.Slider(
minimum=100,
maximum=2000,
step=100,
label="Comprimento (palavras)",
value=500
)
usar_llm = gr.Checkbox(
label="Usar IA para expandir prompt",
value=True
)
gerar_btn = gr.Button("Gerar Prompt")
saida = gr.Textbox(label="Prompt Gerado", lines=10)
def atualizar_subcategorias(categoria):
return gr.Dropdown(choices=list(TEMPLATES[categoria].keys()))
categoria.change(atualizar_subcategorias, inputs=[categoria], outputs=[subcategoria])
gerar_btn.click(
generate_prompt,
inputs=[categoria, subcategoria, tema, elementos, público_alvo, tom, comprimento, usar_llm],
outputs=[saida]
)
return app
# Criar e iniciar a aplicação
app = create_interface()
if __name__ == "__main__":
app.launch() |