{"id":25165658,"url":"https://github.com/dore4n/chatbot_waproject","last_synced_at":"2026-04-12T05:31:30.874Z","repository":{"id":275850537,"uuid":"912139649","full_name":"dore4n/chatbot_waproject","owner":"dore4n","description":"O projeto Chatbot Waproject é um chatbot interativo e educacional, utilizando tecnologias como LangChain, LangGraph, ChromaDB, e Streamlit. O agente é especializado em responder perguntas sobre o livro \"O Pequeno Príncipe\", utilizando um mecanismo de Recuperação de Dados por Busca (RAG). ","archived":false,"fork":false,"pushed_at":"2025-02-04T22:05:35.000Z","size":1036,"stargazers_count":0,"open_issues_count":0,"forks_count":0,"subscribers_count":1,"default_branch":"main","last_synced_at":"2025-07-07T01:41:55.982Z","etag":null,"topics":["chatbot","chromadb","docker","groq-api","huggingface","langchain","langgraph","llm","pequeno-principe","python","rag","streamlit"],"latest_commit_sha":null,"homepage":"","language":"Python","has_issues":true,"has_wiki":null,"has_pages":null,"mirror_url":null,"source_name":null,"license":null,"status":null,"scm":"git","pull_requests_enabled":true,"icon_url":"https://github.com/dore4n.png","metadata":{"files":{"readme":"README.md","changelog":null,"contributing":null,"funding":null,"license":null,"code_of_conduct":null,"threat_model":null,"audit":null,"citation":null,"codeowners":null,"security":null,"support":null,"governance":null,"roadmap":null,"authors":null,"dei":null,"publiccode":null,"codemeta":null,"zenodo":null}},"created_at":"2025-01-04T18:00:10.000Z","updated_at":"2025-02-04T22:04:35.000Z","dependencies_parsed_at":null,"dependency_job_id":"e702e770-83e8-4096-961d-53316ada6c69","html_url":"https://github.com/dore4n/chatbot_waproject","commit_stats":null,"previous_names":["dore4n/chatbot_waproject"],"tags_count":0,"template":false,"template_full_name":null,"purl":"pkg:github/dore4n/chatbot_waproject","repository_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/dore4n%2Fchatbot_waproject","tags_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/dore4n%2Fchatbot_waproject/tags","releases_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/dore4n%2Fchatbot_waproject/releases","manifests_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/dore4n%2Fchatbot_waproject/manifests","owner_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/owners/dore4n","download_url":"https://codeload.github.com/dore4n/chatbot_waproject/tar.gz/refs/heads/main","sbom_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/dore4n%2Fchatbot_waproject/sbom","scorecard":null,"host":{"name":"GitHub","url":"https://github.com","kind":"github","repositories_count":286080680,"owners_count":31705574,"icon_url":"https://github.com/github.png","version":null,"created_at":"2022-05-30T11:31:42.601Z","updated_at":"2026-04-12T05:11:36.334Z","status":"ssl_error","status_checked_at":"2026-04-12T05:11:27.332Z","response_time":58,"last_error":"SSL_read: unexpected eof while reading","robots_txt_status":"success","robots_txt_updated_at":"2025-07-24T06:49:26.215Z","robots_txt_url":"https://github.com/robots.txt","online":false,"can_crawl_api":true,"host_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub","repositories_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories","repository_names_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repository_names","owners_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/owners"}},"keywords":["chatbot","chromadb","docker","groq-api","huggingface","langchain","langgraph","llm","pequeno-principe","python","rag","streamlit"],"created_at":"2025-02-09T05:39:56.867Z","updated_at":"2026-04-12T05:31:30.869Z","avatar_url":"https://github.com/dore4n.png","language":"Python","funding_links":[],"categories":[],"sub_categories":[],"readme":"---\n\n# **Documentação do Projeto Chatbot Waproject**\n\n## **Resumo**\nO projeto **Chatbot Waproject** é um chatbot interativo e educacional, utilizando tecnologias como LangChain, LangGraph, ChromaDB, e Streamlit. O agente é especializado em responder perguntas sobre o livro \"O Pequeno Príncipe\", utilizando um mecanismo de Recuperação de Dados por Busca (RAG). Ele pode realizar buscas no banco de dados ChromaDB, analisar o contexto e fornecer respostas relevantes com base nas mensagens anteriores.\n\n\u003cimg src=\"/public/readme/home-conversas-pequeno.png\"\u003e\n\u003cimg src=\"/public/readme/home-conversas-pequeno-iniciada.png\"\u003e\n\n---\n\n## **Índice**\n1. [Pré-requisitos](#pré-requisitos)\n2. [Configuração do Ambiente](#configuração-do-ambiente)\n3. [Como Executar](#como-executar)\n4. [Estrutura do Projeto](#estrutura-do-projeto)\n5. [Principais Dependências](#principais-dependências)\n6. [Uso](#uso)\n7. [Debugging e Logs](#debugging-e-logs)\n8. [Contribuições](#contribuições)\n9. [Licença](#licença)\n\n---\n\n## **Pré-requisitos**\nCertifique-se de ter as seguintes ferramentas instaladas antes de configurar o projeto:\n- **Python 3.10+**\n- **Docker** e **Docker Compose**\n- **Git**\n\n---\n\n## **Configuração do Ambiente**\n\n1. Clone o repositório:\n   ```bash\n   git clone \u003chttps://github.com/dore4n/chatbot_waproject.git\u003e\n   cd chatbot_waproject\n   ```\n\n2. Configure o ambiente virtual:\n   ```bash\n   python -m venv venv\n   source venv/bin/activate  # No Windows: venv\\Scripts\\activate\n   ```\n\n3. Instale as dependências:\n   ```bash\n   pip install -r requirements.txt\n   ```\n\n4. Configure as variáveis de ambiente:\n   Crie um arquivo `.env` na raiz do projeto com as seguintes variáveis:\n   ```\n   GROQ_API_KEY=\u003csua_api_key\u003e\n   HUGGING_FACE_API_KEY=\u003csua_api_key\u003e\n   ```\n\n---\n\n## **Como Executar**\n\n### **Usando o Docker**\n1. Construa e inicie os contêineres:\n   ```bash\n   docker-compose up --build\n   ```\n\n2. Acesse o Streamlit no navegador em:\n   ```\n   http://localhost:8501\n   ```\n\n### **Sem Docker**\n1. Execute o Streamlit diretamente:\n   ```bash\n   streamlit run app.py\n   ```\n\n2. O chatbot estará disponível na interface do Streamlit.\n\n---\n\n## **Estrutura do Projeto**\n\n### **Raiz do Projeto**\n- `langgraph.json`: Configurações e definições do LangGraph para roteamento do agente.\n- `dockerfile`: Configuração para criar a imagem Docker.\n- `docker-compose.yml`: Orquestração dos contêineres Docker.\n- `app.py`: Arquivo principal do Streamlit para interface do usuário.\n- `.env.example`: Exemplo de como você vai criar seu .env com variáveis de ambiente sensíveis.\n- `requirements.txt`: Lista de dependências.\n\n### **Diretório `agent_chatbot/`**\n- `agent.py`: Implementação principal do agente e integração com LangGraph.\n- `graph.py`: Configuração e manipulação do grafo do LangGraph.\n\n---\n\n## **Principais Dependências**\n- **LangChain**: Framework para construção de agentes LLM.\n- **LangGraph**: Integração com gráficos para roteamento dinâmico.\n- **ChromaDB**: Banco de dados vetorial para armazenamento e recuperação.\n- **Streamlit**: Interface gráfica interativa.\n- **Hugging Face**: Para embeddings vetoriais.\n\nVeja a lista completa de dependências em `requirements.txt`.\n\n---\n\n## **Uso**\n\n### **Interação com o Agente**\n1. Acesse o Streamlit:\n   ```\n   http://localhost:8501\n   ```\n2. Interaja com o chatbot enviando mensagens sobre \"O Pequeno Príncipe\". O agente responderá com base no contexto do livro e nas interações anteriores.\n\n### **Adicionar Novos Dados ao Chroma (Caso Necessário)**\nSe você precisar adicionar novos chunks ao banco de dados Chroma (por exemplo, para atualizar o conteúdo com mais informações ou incluir novos tópicos), será necessário rodar o script chroma_config.py para gerar novamente o banco de dados com os novos dados.\n\n 1. Rodar o chroma_config.py para adicionar novos chunks:\n\n  Caso deseje atualizar o Chroma com novos dados, execute o script chroma_config.py, que irá processar os novos chunks e atualizar o banco de dados:\n\n```bash\npython agent_chatbot/chroma_config.py\n```\n 2. Rodar o Streamlit novamente:\n\nApós rodar o chroma_config.py e atualizar o banco de dados Chroma, execute novamente o Streamlit:\n\n```bash\nstreamlit run app.py\n```\nO chatbot agora estará usando o banco de dados atualizado, pronto para interagir com os novos dados.\n\n---\n\n## **Debugging e Logs**\n### **Logs**\nOs logs são gerados automaticamente e exibidos no terminal. Para maior detalhamento, ative o modo `DEBUG`:\n```bash\nexport DEBUG=true\nstreamlit run app.py\n```\n\n### **Problemas Comuns**\n- **Erro no Docker Compose**:\n  - Verifique o arquivo `requirements.txt`.\n  - Confirme se as variáveis no `.env` estão configuradas corretamente.\n- **Respostas vazias do chatbot**:\n  - Certifique-se de que o ChromaDB está ativo e funcional.\n\n---\n\n## **Contribuições**\n1. Faça um fork do projeto.\n2. Crie uma branch para suas alterações:\n   ```bash\n   git checkout -b minha-nova-feature\n   ```\n3. Envie suas alterações e crie um Pull Request.\n\n---\n\n## **Licença**\nEste projeto está sob a licença MIT. Consulte o arquivo `LICENSE` para mais detalhes.\n\n---\n","project_url":"https://awesome.ecosyste.ms/api/v1/projects/github.com%2Fdore4n%2Fchatbot_waproject","html_url":"https://awesome.ecosyste.ms/projects/github.com%2Fdore4n%2Fchatbot_waproject","lists_url":"https://awesome.ecosyste.ms/api/v1/projects/github.com%2Fdore4n%2Fchatbot_waproject/lists"}