Update app.py

app.py

@@ -1,64 +1,52 @@
 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()
+import os
+from groq import Groq
+
+def consultar_llm(disciplina, perfil):
+    # Constrói o prompt personalizado utilizando os valores informados
+    prompt = f"Considere a disciplina '{disciplina}' e o perfil do estudante '{perfil}'. " \
+             "Forneça um plano de estudos baseadas nesses dados."
+    
+    # Aqui você pode integrar a chamada ao LLM via Groq API
+    # Para este exemplo, simulamos a resposta do LLM retornando o próprio prompt.
+
+    client = Groq(api_key=os.environ.get("GROQ_API_KEY"))
+
+    chat_completion = client.chat.completions.create(
+        messages=[
+            {
+                "role": "user",
+                "content": prompt,
+            }
+        ],
+        model="llama3-8b-8192",
+    )
+
+    return chat_completion.choices[0].message.content
+
+
+# Criação da interface com Gradio utilizando Blocks para organizar os componentes
+with gr.Blocks() as demo:
+    with gr.Row():
+        # Coluna da esquerda: inputs
+        with gr.Column():
+            disciplina_input = gr.Textbox(label="Disciplina", placeholder="Digite o nome da disciplina", value="Introdução a programação")
+            perfil_combo = gr.Dropdown(
+                choices=["Iniciante", "Intermediário", "Avançado"],
+                label="Perfil do Estudante",
+                value="Iniciante"  # valor padrão
+            )
+            consultar_btn = gr.Button("Consultar LLM")
+        # Coluna da direita: área de saída
+        with gr.Column():
+            with gr.Row():
+                aceitar_btn = gr.Button("Aceitar") 
+                rejeitar_btn = gr.Button("Rejeitar")
+                download_btn = gr.Button("Download PDF")
+            resultado = gr.Markdown(label="Plano de estudo")
+            
+    # Configura o botão para chamar a função 'consultar_llm'
+    consultar_btn.click(fn=consultar_llm, inputs=[disciplina_input, perfil_combo], outputs=resultado)
+
+# Inicia a interface web
+demo.launch()