Spaces:
Sleeping
Sleeping
File size: 3,431 Bytes
176cdb1 d04163a 176cdb1 d04163a 176cdb1 d04163a 176cdb1 d04163a 176cdb1 d04163a 176cdb1 d04163a 176cdb1 d04163a 176cdb1 8a16dfe d04163a 8a16dfe d04163a 176cdb1 d04163a 35d4b8b |
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 |
# Importações necessárias
from transformers import AutoModelForCausalLM, AutoTokenizer
import torch
import pandas as pd
import gradio as gr
from typing import List, Dict, Tuple, Optional
# Carregando o tokenizador e o modelo
tokenizer = AutoTokenizer.from_pretrained("microsoft/DialoGPT-medium")
model = AutoModelForCausalLM.from_pretrained("microsoft/DialoGPT-medium")
# Criando um dataframe com status de pedidos
dados_pedidos = {
"numero_pedido": ["12345", "67890", "11121", "22232"],
"status": ["Shipped", "Processing", "Delivered", "Cancelled"]
}
df_status_pedidos = pd.DataFrame(dados_pedidos)
# Função para verificar o status do pedido
def verificar_status_pedido(numero_pedido: str) -> str:
try:
status = df_status_pedidos[df_status_pedidos['numero_pedido'] == numero_pedido]['status'].iloc[0]
return f'The status of your order {numero_pedido} is: {status}'
except IndexError:
return 'Order number not found. Please check and try again'
# Lista de palavras-chave para o status
palavras_chave_status = ['order', 'order status', 'status of my order', 'check my order', 'track my order', 'order update']
def responder(input_usuario: str, ids_historico_chat: Optional[torch.Tensor]) -> Tuple[str, torch.Tensor]:
if any(keyword in input_usuario.lower() for keyword in palavras_chave_status):
return 'Could you please enter your order number?', ids_historico_chat
novo_usuario_input_ids = tokenizer.encode(input_usuario + tokenizer.eos_token, return_tensors='pt')
if ids_historico_chat is not None:
bot_input_ids = torch.cat([ids_historico_chat, novo_usuario_input_ids], dim=-1)
else:
bot_input_ids = novo_usuario_input_ids
ids_historico_chat = model.generate(
bot_input_ids,
max_length=1000,
pad_token_id=tokenizer.eos_token_id
)
resposta = tokenizer.decode(ids_historico_chat[:, bot_input_ids.shape[-1]:][0], skip_special_tokens=True)
return resposta, ids_historico_chat
# Criando interface
with gr.Blocks() as app:
gr.Markdown("# Chat automatizado para E-Commerce")
gr.Markdown("Envie uma pergunta sobre os seguintes pedidos em inglês: 12345, 67890, 11121, 22232")
chatbot = gr.Chatbot(label="Chat")
msg = gr.Textbox(label="Sua mensagem", placeholder='Digite sua mensagem aqui...')
estado = gr.State(None)
aguardando_numero_pedido = gr.State(False)
def processar_entrada(input_usuario: str, historico: List[Dict[str, str]],
ids_historico_chat: Optional[torch.Tensor],
aguardando_numero_pedido: bool) -> Tuple[List[Dict[str, str]], Optional[torch.Tensor], bool, str]:
if aguardando_numero_pedido:
resposta = verificar_status_pedido(input_usuario)
aguardando_numero_pedido = False
else:
resposta, ids_historico_chat = responder(input_usuario, ids_historico_chat)
if resposta == 'Could you please enter your order number?':
aguardando_numero_pedido = True
historico.append((input_usuario, resposta))
return historico, ids_historico_chat, aguardando_numero_pedido, ""
msg.submit(
processar_entrada,
[msg, chatbot, estado, aguardando_numero_pedido],
[chatbot, estado, aguardando_numero_pedido, msg]
)
if __name__ == "__main__":
app.launch(share=True) |