app.py

import pandas as pd
import gradio as gr
from transformers import BertTokenizer, BertForSequenceClassification
import torch

tokenizer = BertTokenizer.from_pretrained('juridics/bertimbaulaw-base-portuguese-sts-scale')
model = BertForSequenceClassification.from_pretrained('juridics/bertimbaulaw-base-portuguese-sts-scale')

# Dados iniciais
data = {
    'Nome': ['Alice', 'Bob', 'Charlie'],
    'Idade': [25, 30, 35],
    'Cidade': ['Nova York', 'Los Angeles', 'Chicago'],
    'Feedback': [None, None, None]
}
df = pd.DataFrame(data)

# Função para adicionar feedback
def add_feedback(nome, feedback):
    global df
    df.loc[df['Nome'] == nome, 'Feedback'] = feedback
    return df

# Função para obter uma resposta do GPT (substituição para chamada real ao GPT)
def get_gpt_response(query):
    # Converte o DataFrame para string CSV
    csv_data = df.to_csv(index=False)
    # Cria contexto com feedback
    context = f"""
    Aqui estão os dados das pessoas incluindo seus nomes, idades, cidades onde moram e feedback:

    {csv_data}
    
    """
    inputs = tokenizer(query, return_tensors="pt", padding=True, truncation=True)
    outputs = model(**inputs)
    prediction = torch.argmax(outputs.logits, dim=1)
    labels = data.columns
    predicted_label = labels[prediction]
    return predicted_label


def ask_question(pergunta):
    resposta = get_gpt_response(pergunta)
    return resposta

def submit_feedback(nome, feedback):
    updated_df = add_feedback(nome, feedback)
    return updated_df

with gr.Blocks() as demo:
    gr.Markdown("# Sistema de Consulta e Feedback de Dados")

    with gr.Row():
        with gr.Column():
            question_input = gr.Textbox(label="Faça uma Pergunta")
            response_output = gr.Textbox(label="Resposta do GPT", interactive=False)
            ask_button = gr.Button("Perguntar")

        with gr.Column():
            name_input = gr.Textbox(label="Nome para Feedback")
            feedback_input = gr.Textbox(label="Feedback")
            submit_button = gr.Button("Enviar Feedback")
            feedback_df = gr.Dataframe(label="DataFrame Atualizado", interactive=False)
    
    ask_button.click(fn=ask_question, inputs=question_input, outputs=response_output)
    submit_button.click(fn=submit_feedback, inputs=[name_input, feedback_input], outputs=feedback_df)

demo.launch()