Update app.py

app.py

@@ -1,64 +1,44 @@
 import gradio as gr
-from huggingface_hub import InferenceClient
-
-"""
-For more information on `huggingface_hub` Inference API support, please check the docs: https://huggingface.co/docs/huggingface_hub/v0.22.2/en/guides/inference
-"""
-client = InferenceClient("HuggingFaceH4/zephyr-7b-beta")
-
-
-def respond(
-    message,
-    history: list[tuple[str, str]],
-    system_message,
-    max_tokens,
-    temperature,
-    top_p,
-):
-    messages = [{"role": "system", "content": system_message}]
-
-    for val in history:
-        if val[0]:
-            messages.append({"role": "user", "content": val[0]})
-        if val[1]:
-            messages.append({"role": "assistant", "content": val[1]})
-
-    messages.append({"role": "user", "content": message})
-
-    response = ""
-
-    for message in client.chat_completion(
-        messages,
-        max_tokens=max_tokens,
-        stream=True,
-        temperature=temperature,
-        top_p=top_p,
-    ):
-        token = message.choices[0].delta.content
-
-        response += token
-        yield response
-
-
-"""
-For information on how to customize the ChatInterface, peruse the gradio docs: https://www.gradio.app/docs/chatinterface
-"""
-demo = gr.ChatInterface(
-    respond,
-    additional_inputs=[
-        gr.Textbox(value="You are a friendly Chatbot.", label="System message"),
-        gr.Slider(minimum=1, maximum=2048, value=512, step=1, label="Max new tokens"),
-        gr.Slider(minimum=0.1, maximum=4.0, value=0.7, step=0.1, label="Temperature"),
-        gr.Slider(
-            minimum=0.1,
-            maximum=1.0,
-            value=0.95,
-            step=0.05,
-            label="Top-p (nucleus sampling)",
-        ),
-    ],
-)
-
-
-if __name__ == "__main__":
-    demo.launch()
+from groq import Groq
+
+# Inicializa o cliente Groq - você precisará de uma API key
+client = Groq()
+
+def generate_response(message, history):
+    # Cria um prompt no estilo ELIZA
+    prompt = f"""Você é ELIZA, uma terapeuta que responde com empatia e faz perguntas 
+    para entender melhor o paciente. Responda à seguinte mensagem do paciente: {message}"""
+    
+    # Faz a chamada para a API do Groq
+    chat_completion = client.chat.completions.create(
+        messages=[
+            {
+                "role": "system",
+                "content": "Você é ELIZA, uma terapeuta empática que faz perguntas reflexivas."
+            },
+            {
+                "role": "user",
+                "content": message
+            }
+        ],
+        model="mixtral-8x7b-32768",  # ou outro modelo disponível no Groq
+        temperature=0.7,
+        max_tokens=150
+    )
+    
+    # Retorna a resposta gerada
+    return chat_completion.choices[0].message.content
+
+# Cria a interface Gradio
+with gr.Blocks() as demo:
+    gr.Markdown("# ELIZA Chatbot")
+    gr.Markdown("Converse com ELIZA, uma terapeuta virtual baseada no chatbot clássico de 1966.")
+    
+    chatbot = gr.ChatInterface(
+        generate_response,
+        title="ELIZA Therapy Session",
+        description="Compartilhe seus pensamentos e ELIZA irá ajudar você a refletir sobre eles."
+    )
+
+# Inicia a interface
+demo.launch()