app logs

app.py

@@ -8,6 +8,7 @@ import logging
 import time
 import gc
 import re
+import psutil  # Para monitorar uso de recursos
 
 # Configura logging
 logging.basicConfig(level=logging.INFO)
@@ -73,6 +74,9 @@ def parse_model_output(response):
                 "explanation": explanation
             }
     logger.warning(f"Parsing falhou para: {response[:200]}")
+    # Fallback para tentar extrair algo útil
+    if "Enunciado clínico" in response:
+        return {"question": response[:200], "options": [], "answer": "", "explanation": "Formato parcial detectado"}
     return {"question": response[:200] if len(response) > 200 else response, "options": [], "answer": "", "explanation": "Erro no parsing ou formato inválido"}
 
 def generate_question_from_prompt(theme, difficulty, example_question=None):
@@ -85,15 +89,16 @@ def generate_question_from_prompt(theme, difficulty, example_question=None):
     tokenizer = model_data["tokenizer"]
     model = model_data["model"]
     logger.info(f"Gerando questão com tema: {theme}, dificuldade: {difficulty}")
+    logger.debug(f"Uso de CPU: {psutil.cpu_percent()}%, Memória: {psutil.virtual_memory().percent}%")
 
     if example_question:
         example_text = example_question.get("question", "") + " " + ", ".join(example_question.get("options", []))
-        prompt = f"Com base em: '{example_text[:100]}', gere uma questão curta sobre '{theme}', dificuldade '{difficulty}', estilo USP. Responda apenas: 'Enunciado clínico: [texto]. Alternativas: A) [opção], B) [opção], C) [opção], D) [opção]. Gabarito: [letra]. Explicação: [texto].'"
+        prompt = f"Usando '{example_text[:100]}' como exemplo, gere uma NOVA questão curta sobre '{theme}', dificuldade '{difficulty}', estilo USP. Responda SOMENTE: 'Enunciado clínico: [texto]. Alternativas: A) [opção], B) [opção], C) [opção], D) [opção]. Gabarito: [letra]. Explicação: [texto].'"
     else:
-        prompt = f"Gere uma questão curta sobre '{theme}', dificuldade '{difficulty}', estilo USP. Responda apenas: 'Enunciado clínico: [texto]. Alternativas: A) [opção], B) [opção], C) [opção], D) [opção]. Gabarito: [letra]. Explicação: [texto].'"
+        prompt = f"Gere uma NOVA questão curta sobre '{theme}', dificuldade '{difficulty}', estilo USP. Responda SOMENTE: 'Enunciado clínico: [texto]. Alternativas: A) [opção], B) [opção], C) [opção], D) [opção]. Gabarito: [letra]. Explicação: [texto].'"
     try:
         inputs = tokenizer(prompt, return_tensors="pt", padding=True, truncation=True, max_length=512)
-        outputs = model.generate(**inputs, max_new_tokens=256, do_sample=True, temperature=0.7, top_p=0.9)
+        outputs = model.generate(**inputs, max_new_tokens=512, do_sample=True, temperature=0.7, top_p=0.9)
         response = tokenizer.decode(outputs[0], skip_special_tokens=True)
         logger.debug(f"Resposta bruta: {response}")
         result = parse_model_output(response)

requirements.txt

@@ -4,4 +4,5 @@ transformers==4.45.0
 accelerate==0.21.0
 huggingface_hub
 sentencepiece 
-torch
+torch
+psutil