# app.py from flask import Flask, render_template, request, Response, jsonify import markdown2 import json import time import os import uuid import threading # Necessário para o processamento em paralelo # Importações do LangChain from langchain.prompts import PromptTemplate from langchain.chains import LLMChain # Importa os LLMs from llms import claude_llm, grok_llm, gemini_llm # Importa os prompts from config import * # Importa nosso processador RAG from rag_processor import get_relevant_context app = Flask(__name__) app.config['MAX_CONTENT_LENGTH'] = 100 * 1024 * 1024 @app.route('/') def index(): return render_template('index.html') @app.route('/process', methods=['POST']) def process(): form_data = request.form files = request.files.getlist('files') mode = form_data.get('mode', 'real') processing_mode = form_data.get('processing_mode', 'hierarchical') temp_file_paths = [] if mode == 'real': for file in files: if file and file.filename: unique_filename = str(uuid.uuid4()) + "_" + file.filename file_path = os.path.join('uploads', unique_filename) file.save(file_path) temp_file_paths.append(file_path) def generate_stream(current_mode, form_data, file_paths): solicitacao_usuario = form_data.get('solicitacao', '') if current_mode == 'test': mock_text = form_data.get('mock_text', 'Este é um texto de simulação.') mock_html = markdown2.markdown(mock_text, extras=["fenced-code-blocks", "tables"]) yield f"data: {json.dumps({'progress': 100, 'message': 'Simulação concluída!', 'partial_result': {'id': 'grok-output', 'content': mock_html}, 'done': True, 'mode': 'atomic' if processing_mode == 'atomic' else 'hierarchical'})}\n\n" # Simula o preenchimento de todas as caixas no modo teste if processing_mode == 'atomic': yield f"data: {json.dumps({'partial_result': {'id': 'sonnet-output', 'content': mock_html}})}\n\n" yield f"data: {json.dumps({'partial_result': {'id': 'gemini-output', 'content': mock_html}})}\n\n" else: if not solicitacao_usuario: yield f"data: {json.dumps({'error': 'Solicitação não fornecida.'})}\n\n" return try: yield f"data: {json.dumps({'progress': 0, 'message': 'Processando arquivos e extraindo contexto...'})}\n\n" rag_context = get_relevant_context(file_paths, solicitacao_usuario) if processing_mode == 'atomic': # --- LÓGICA ATÔMICA (PARALELA) CORRIGIDA --- results = {} threads = [] def run_chain(chain, inputs, key): try: results[key] = chain.invoke(inputs)['text'] except Exception as e: results[key] = f"Erro ao processar {key}: {e}" models = {'grok': grok_llm, 'sonnet': claude_llm, 'gemini': gemini_llm} prompt = PromptTemplate(template=PROMPT_ATOMICO_INICIAL, input_variables=["solicitacao_usuario", "rag_context"]) yield f"data: {json.dumps({'progress': 15, 'message': 'Iniciando processamento paralelo...'})}\n\n" # 1. Inicia todas as threads for name, llm in models.items(): chain = LLMChain(llm=llm, prompt=prompt) thread = threading.Thread(target=run_chain, args=(chain, {"solicitacao_usuario": solicitacao_usuario, "rag_context": rag_context}, name)) threads.append(thread) thread.start() # 2. Aguarda a conclusão de todas as threads for thread in threads: thread.join() yield f"data: {json.dumps({'progress': 80, 'message': 'Todos os modelos responderam. Formatando saída...'})}\n\n" # 3. Envia todos os resultados de uma vez, agora que estão prontos grok_html = markdown2.markdown(results.get('grok', 'Falha ao obter resposta.'), extras=["fenced-code-blocks", "tables"]) yield f"data: {json.dumps({'partial_result': {'id': 'grok-output', 'content': grok_html}})}\n\n" sonnet_html = markdown2.markdown(results.get('sonnet', 'Falha ao obter resposta.'), extras=["fenced-code-blocks", "tables"]) yield f"data: {json.dumps({'partial_result': {'id': 'sonnet-output', 'content': sonnet_html}})}\n\n" gemini_html = markdown2.markdown(results.get('gemini', 'Falha ao obter resposta.'), extras=["fenced-code-blocks", "tables"]) yield f"data: {json.dumps({'partial_result': {'id': 'gemini-output', 'content': gemini_html}})}\n\n" yield f"data: {json.dumps({'progress': 100, 'message': 'Processamento Atômico concluído!', 'done': True, 'mode': 'atomic'})}\n\n" else: # --- LÓGICA HIERÁRQUICA (SEQUENCIAL) --- yield f"data: {json.dumps({'progress': 15, 'message': 'O GROK está processando sua solicitação com os arquivos...'})}\n\n" prompt_grok = PromptTemplate(template=PROMPT_HIERARQUICO_GROK, input_variables=["solicitacao_usuario", "rag_context"]) chain_grok = LLMChain(llm=grok_llm, prompt=prompt_grok) resposta_grok = chain_grok.invoke({"solicitacao_usuario": solicitacao_usuario, "rag_context": rag_context})['text'] if not resposta_grok or not resposta_grok.strip(): raise ValueError("Falha no serviço GROK: Sem resposta.") grok_html = markdown2.markdown(resposta_grok, extras=["fenced-code-blocks", "tables"]) yield f"data: {json.dumps({'progress': 33, 'message': 'Agora, o Claude Sonnet está aprofundando o texto...', 'partial_result': {'id': 'grok-output', 'content': grok_html}})}\n\n" prompt_sonnet = PromptTemplate(template=PROMPT_HIERARQUICO_SONNET, input_variables=["solicitacao_usuario", "texto_para_analise"]) claude_with_max_tokens = claude_llm.bind(max_tokens=8000) chain_sonnet = LLMChain(llm=claude_with_max_tokens, prompt=prompt_sonnet) resposta_sonnet = chain_sonnet.invoke({"solicitacao_usuario": solicitacao_usuario, "texto_para_analise": resposta_grok})['text'] if not resposta_sonnet or not resposta_sonnet.strip(): raise ValueError("Falha no serviço Claude Sonnet: Sem resposta.") sonnet_html = markdown2.markdown(resposta_sonnet, extras=["fenced-code-blocks", "tables"]) yield f"data: {json.dumps({'progress': 66, 'message': 'Estamos quase lá! Seu texto está passando por uma revisão final com o Gemini...', 'partial_result': {'id': 'sonnet-output', 'content': sonnet_html}})}\n\n" prompt_gemini = PromptTemplate(template=PROMPT_HIERARQUICO_GEMINI, input_variables=["solicitacao_usuario", "texto_para_analise"]) chain_gemini = LLMChain(llm=gemini_llm, prompt=prompt_gemini) resposta_gemini = chain_gemini.invoke({"solicitacao_usuario": solicitacao_usuario, "texto_para_analise": resposta_sonnet})['text'] if not resposta_gemini or not resposta_gemini.strip(): raise ValueError("Falha no serviço Gemini: Sem resposta.") gemini_html = markdown2.markdown(resposta_gemini, extras=["fenced-code-blocks", "tables"]) yield f"data: {json.dumps({'progress': 100, 'message': 'Processamento concluído!', 'partial_result': {'id': 'gemini-output', 'content': gemini_html}, 'done': True, 'mode': 'hierarchical'})}\n\n" except Exception as e: print(f"Ocorreu um erro durante o processamento: {e}") yield f"data: {json.dumps({'error': f'Ocorreu um erro inesperado na aplicação: {e}'})}\n\n" return Response(generate_stream(mode, form_data, temp_file_paths), mimetype='text/event-stream') # --- ROTA PARA O MERGE --- @app.route('/merge', methods=['POST']) def merge(): data = request.get_json() try: prompt_merge = PromptTemplate(template=PROMPT_ATOMICO_MERGE, input_variables=["solicitacao_usuario", "texto_para_analise_grok", "texto_para_analise_sonnet", "texto_para_analise_gemini"]) claude_with_max_tokens = claude_llm.bind(max_tokens=12000) chain_merge = LLMChain(llm=claude_with_max_tokens, prompt=prompt_merge) resposta_merge = chain_merge.invoke({ "solicitacao_usuario": data.get('solicitacao_usuario'), "texto_para_analise_grok": data.get('grok_text'), "texto_para_analise_sonnet": data.get('sonnet_text'), "texto_para_analise_gemini": data.get('gemini_text') })['text'] if not resposta_merge or not resposta_merge.strip(): raise ValueError("Falha no serviço de Merge (Claude Sonnet): Sem resposta.") merge_html = markdown2.markdown(resposta_merge, extras=["fenced-code-blocks", "tables"]) return jsonify({"success": True, "content": merge_html}) except Exception as e: print(f"Erro no processo de merge: {e}") return jsonify({"success": False, "error": str(e)}), 500 if __name__ == '__main__': app.run(debug=True)