Update app.py

app.py

@@ -1,57 +1,44 @@
 import os
-import gradio as gr
 import requests
+import gradio as gr
 
-# Verifique se a variável de ambiente está configurada
 API_KEY = os.environ.get("OPENROUTER_API_KEY")
 if not API_KEY:
-    raise ValueError("Defina a variável de ambiente OPENROUTER_API_KEY com sua chave válida.")
+    raise ValueError("OPENROUTER_API_KEY não definida nos secrets!")
 
-# Endpoint correto da OpenRouter
-OPENROUTER_URL = "https://openrouter.ai/api/v1/chat/completions"
+API_URL = "https://openrouter.ai/api/v1/chat/completions"
+HEADERS = {
+    "Authorization": f"Bearer {API_KEY}",
+    "Content-Type": "application/json"
+}
 
-# Modelos a serem utilizados
 MODEL_1 = "meta-llama/llama-3.2-1b-instruct:free"
 MODEL_2 = "mistralai/mistral-7b-instruct:free"
-MODEL_3 = "google/gemma-2-9b-it:free"  # LLM julgadora
-
-def call_model(model_name, messages, max_tokens=512, temperature=0.7, top_p=0.95):
-    headers = {
-        "Authorization": f"Bearer {API_KEY}",
-        "Content-Type": "application/json"
-    }
+MODEL_3 = "google/gemma-2-9b-it:free"
 
+def call_model(model_name, messages):
     payload = {
         "model": model_name,
         "messages": messages,
-        "max_tokens": max_tokens,
-        "temperature": temperature,
-        "top_p": top_p
+        "max_tokens": 512,
+        "temperature": 0.7,
+        "top_p": 0.95
     }
-
     try:
-        response = requests.post(OPENROUTER_URL, headers=headers, json=payload)
+        response = requests.post(API_URL, headers=HEADERS, json=payload)
         response.raise_for_status()
-        return response.json()['choices'][0]['message']['content'].strip()
+        return response.json()["choices"][0]["message"]["content"].strip()
     except Exception as e:
-        return f"Erro na chamada ao modelo {model_name}: {str(e)}"
+        return f"Erro no modelo {model_name}: {str(e)}"
 
 def generate_and_judge(user_input):
-    if not user_input.strip():
-        return "Digite algo válido.", "", ""
-
-    system_prompt = "Você é um assistente útil e objetivo."
+    system_prompt = {"role": "system", "content": "Você é um assistente útil e objetivo."}
+    user_msg = {"role": "user", "content": user_input}
+    messages = [system_prompt, user_msg]
 
-    messages = [
-        {"role": "system", "content": system_prompt},
-        {"role": "user", "content": user_input}
-    ]
-
-    # Gera respostas dos dois primeiros modelos
     response1 = call_model(MODEL_1, messages)
     response2 = call_model(MODEL_2, messages)
 
-    # Monta o prompt para a LLM julgadora
     judge_prompt = f"""
 Você é um avaliador imparcial. Dadas duas respostas para a mesma pergunta, escolha a melhor.
 
@@ -64,31 +51,23 @@ Resposta 2: {response2}
 Indique qual resposta é melhor (Resposta 1 ou Resposta 2) e explique brevemente sua escolha.
 Resposta:
 """
-
-    judge_messages = [
-        {"role": "system", "content": "Você é um avaliador que escolhe a melhor resposta."},
-        {"role": "user", "content": judge_prompt}
-    ]
-
-    judgment = call_model(MODEL_3, judge_messages)
+    judgment_msg = [{"role": "system", "content": "Você é um avaliador objetivo."},
+                    {"role": "user", "content": judge_prompt}]
+    judgment = call_model(MODEL_3, judgment_msg)
 
     return response1, response2, judgment
 
-# Interface Gradio minimalista
 with gr.Blocks() as demo:
-    gr.Markdown("### Cascata de 3 LLMs com Julgamento")
-    user_input = gr.Textbox(label="Pergunta", placeholder="Digite sua pergunta")
-    generate_button = gr.Button("Gerar e Julgar")
-
-    response1_out = gr.Textbox(label="Resposta da LLM 1", interactive=False)
-    response2_out = gr.Textbox(label="Resposta da LLM 2", interactive=False)
-    judgment_out = gr.Textbox(label="Julgamento da LLM 3", interactive=False)
-
-    generate_button.click(
-        fn=generate_and_judge,
-        inputs=user_input,
-        outputs=[response1_out, response2_out, judgment_out]
-    )
-
-if __name__ == "__main__":
-    demo.launch()
+    gr.Markdown("## 💡 Comparador de Respostas com 3 LLMs")
+    user_input = gr.Textbox(label="Digite sua pergunta")
+    generate_button = gr.Button("Gerar e Avaliar")
+
+    with gr.Row():
+        response1_out = gr.Textbox(label="Resposta LLM 1")
+        response2_out = gr.Textbox(label="Resposta LLM 2")
+    judgment_out = gr.Textbox(label="🔎 Julgamento Final")
+
+    generate_button.click(generate_and_judge, inputs=user_input,
+                          outputs=[response1_out, response2_out, judgment_out])
+
+demo.launch()