tabAI

Este projeto implementa um chatbot simples utilizando Flask, sklearn para similaridade de texto e a API Gemini para gerar respostas com base em um conjunto de documentos de FAQ do TabNews. Usei https://www.firecrawl.dev/ desde quando foi apresentado por vedovelli.

Pré-requisitos

Antes de começar, certifique-se de ter instalado:

Python 3.x (versão 3.8 ou superior é recomendada)
pip (gerenciador de pacotes do Python)

Configuração do Ambiente

Siga os passos abaixo para configurar e executar o projeto:

1. Clonar o Repositório

Repositório Git, clone-o primeiro:

git clone https://github.com/Jeiel0rbit/tabIA
cd  tabIA

2. Criar um Ambiente Virtual

Use um ambiente virtual para isolar as dependências do projeto.

python3 -m venv venv

3. Ativar o Ambiente Virtual

No Windows:
```
.\venv\Scripts\activate
```
No macOS/Linux:
```
source venv/bin/activate
```

Você verá (venv) no início do seu prompt de comando, indicando que o ambiente virtual está ativo.

4. Instalar as Dependências

Veja o requirements.txt na raiz do seu projeto com o seguinte conteúdo:

Flask
scikit-learn
google-generativeai
numpy

Agora, instale as dependências usando pip:

pip3 install -r requirements.txt

5. Configurar a Chave da API Gemini

No seu arquivo app.py, você tem a seguinte linha:

genai.configure(api_key="*******")

É crucial que você substitua "******" pela sua chave de API real do Google Gemini. Você pode obter uma chave de API no Google AI Studio.
Recomendação de Segurança: Para ambientes de produção, é uma boa prática não embutir a chave de API diretamente no código. Em vez disso, use variáveis de ambiente. Esse exemplo, é apenas um teste local com Flask.

6. Executar a Aplicação Flask

Com o ambiente virtual ativado e as dependências instaladas, você pode executar o aplicativo:

python3 app.py

O aplicativo será iniciado e geralmente estará disponível em http://127.0.0.1:5000/ no seu navegador.

7. Acessar a Interface Web

Abra seu navegador e navegue até http://127.0.0.1:5000/. Você verá uma interface simples onde poderá digitar suas perguntas sobre o TabNews e receber respostas baseadas no conteúdo do FAQ com resposta fluída por Gemini.

Estrutura do Projeto

app.py: O arquivo principal da aplicação Flask, contendo a lógica do chatbot e as rotas.
templates/index.html: O arquivo HTML que define a interface do usuário.
requirements.txt: Lista das dependências do Python.

Como Funciona

Carregamento do FAQ: O conteúdo do FAQ do TabNews é carregado e dividido em documentos.
Vetorização TF-IDF: Os documentos do FAQ são vetorizados usando TF-IDF para criar representações numéricas do texto.
Busca de Relevância: Quando uma pergunta é feita, ela é vetorizada e comparada com os documentos do FAQ para encontrar os mais relevantes usando similaridade de cosseno.
Geração de Resposta: Os documentos relevantes são passados como contexto para o modelo Gemini 1.5 Flash, que então gera uma resposta concisa e natural para a pergunta do usuário, utilizando apenas as informações fornecidas e com modelo ultrarrápido.

Escrito para meu blog: https://jeielmiranda.is-a.dev/jeiel-blog/

Construí um FAQ TabNews com IA