Correções e evoluções

app.py

@@ -188,7 +188,10 @@ def merge():
             yield f"data: {json.dumps({'progress': 0, 'message': 'Iniciando o processo de merge...'})}\n\n"
             
             prompt_merge = PromptTemplate(template=PROMPT_ATOMICO_MERGE, input_variables=["solicitacao_usuario", "texto_para_analise_grok", "texto_para_analise_sonnet", "texto_para_analise_gemini"])
-            chain_merge = LLMChain(llm=grok_llm, prompt=prompt_merge)
+            
+            # Cria uma instância do GROK com limite de tokens aumentado para o merge
+            grok_with_max_tokens = grok_llm.bind(max_tokens=100000)
+            chain_merge = LLMChain(llm=grok_with_max_tokens, prompt=prompt_merge)
 
             yield f"data: {json.dumps({'progress': 50, 'message': 'Enviando textos para o GROK para consolidação...'})}\n\n"
 

config.py

@@ -182,9 +182,10 @@ PROMPT_ATOMICO_MERGE = """
       Analise e escolha a melhor estrutura de seções entre os 3 textos e aplique no texto consolidado. A melhor estrutura de seções é aquela que melhor entendeu o objetivo da solicitação do usuário e que mais conseguir se aprofundar na abordagem do tema.
     </structure>
 
-    <word_count>
-      Valide se o texto atingiu a quantidade de mínima de 24000 caracteres e máxima de 30000 caracteres.
-    </word_count>
+    <caracters_count>
+        <minimum>24000</minimum>
+        <maximum>30000</maximum>
+    </caracters_count>
 
     <analysis>
       Verifique a coesão, coerência e profundidade dos argumentos.

custom_grok.py

@@ -38,6 +38,10 @@ class GrokChatModel(BaseChatModel):
             "temperature": 0.7
         }
 
+         # Adiciona max_tokens ao payload se for fornecido
+        if "max_tokens" in kwargs:
+            payload["max_tokens"] = kwargs["max_tokens"]       
+
         try:
             response = requests.post(
                 self.base_url,