File size: 9,176 Bytes
ea865d5 eeed458 ea865d5 eeed458 ea865d5 eeed458 ea865d5 eeed458 ea865d5 eeed458 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 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 |
import gradio as gr
import random
from transformers import AutoModelForCausalLM, AutoTokenizer
import torch
from typing import Dict, List
class PromptGenerator:
def __init__(self):
print("Carregando modelo... (pode demorar alguns minutos na primeira vez)")
self.model_name = "beomi/llama-2-ko-7b"
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:
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 = {
"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."
}
}
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:
if categoria not in TEMPLATES or subcategoria not in TEMPLATES[categoria]:
return "Categoria ou subcategoria não encontrada"
template = TEMPLATES[categoria][subcategoria]
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"
}
base_prompt = template.format(**params)
base_prompt += f"\n\nTom desejado: {tom}"
if comprimento:
base_prompt += f"\nComprimento aproximado: {comprimento} palavras"
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():
with gr.Blocks(
title="Gerador de Prompts para LLMs",
theme=gr.themes.Soft(
primary_hue="indigo",
secondary_hue="blue",
),
) as app:
gr.Markdown(
"""
# 🤖 Gerador de Prompts Inteligente
### Crie prompts estruturados e detalhados usando IA
"""
)
with gr.Tabs():
with gr.TabItem("✨ Gerador de Prompts"):
with gr.Group():
with gr.Row():
with gr.Column(scale=1):
categoria = gr.Dropdown(
choices=list(TEMPLATES.keys()),
label="📚 Categoria",
value="história",
container=False,
)
subcategoria = gr.Dropdown(
choices=list(TEMPLATES["história"].keys()),
label="🔍 Subcategoria",
value="creative",
container=False,
)
with gr.Column(scale=2):
tema = gr.Textbox(
label="💡 Tema Principal",
placeholder="Ex: inteligência artificial, sustentabilidade",
container=False,
)
elementos = gr.Textbox(
label="🔮 Elementos Específicos",
placeholder="Ex: conflitos, conceitos, exemplos práticos",
container=False,
)
with gr.Row():
with gr.Column(scale=1):
público_alvo = gr.Textbox(
label="👥 Público Alvo",
placeholder="Ex: iniciantes, profissionais, estudantes",
container=False,
)
tom = gr.Dropdown(
choices=["formal", "informal", "técnico", "conversacional", "educativo"],
label="🎭 Tom",
value="formal",
container=False,
)
with gr.Column(scale=2):
comprimento = gr.Slider(
minimum=100,
maximum=2000,
step=100,
label="📏 Comprimento (palavras)",
value=500,
container=False,
)
usar_llm = gr.Checkbox(
label="🤖 Usar IA para expandir prompt",
value=True,
container=False,
)
with gr.Row():
gerar_btn = gr.Button(
"🚀 Gerar Prompt",
variant="primary",
scale=1,
)
with gr.Row():
saida = gr.TextArea(
label="📝 Prompt Gerado",
lines=10,
container=False,
)
with gr.TabItem("ℹ️ Sobre"):
gr.Markdown(
"""
### Sobre o Gerador de Prompts
Este é um gerador de prompts inteligente que utiliza IA para criar prompts estruturados
e detalhados para diversos tipos de conteúdo. Ele pode ser usado para:
- 📚 Criação de histórias
- 📖 Análise de textos
- 💻 Documentação técnica
- 🎓 Conteúdo educacional
O gerador usa um modelo de linguagem avançado para expandir e melhorar os prompts básicos,
tornando-os mais detalhados e específicos para suas necessidades.
"""
)
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
if __name__ == "__main__":
app = create_interface()
app.launch() |