https://github.com/adalbertobrant/socialprofiler
Quer saber o seu perfil com base no seu histórico de navegação usando IA , então lhes apresento o SocialProfiler, não é tão poderoso igual os dos grandes, mas com sua ajuda podemos chegar lá!
https://github.com/adalbertobrant/socialprofiler
browser-history gemini-ai pandas plotly python3 requests social-media socialprofile streamlit-webapp
Last synced: about 1 month ago
JSON representation
Quer saber o seu perfil com base no seu histórico de navegação usando IA , então lhes apresento o SocialProfiler, não é tão poderoso igual os dos grandes, mas com sua ajuda podemos chegar lá!
- Host: GitHub
- URL: https://github.com/adalbertobrant/socialprofiler
- Owner: adalbertobrant
- License: mit
- Created: 2025-06-17T19:58:28.000Z (about 1 year ago)
- Default Branch: main
- Last Pushed: 2025-06-17T20:19:08.000Z (about 1 year ago)
- Last Synced: 2025-06-17T21:28:55.383Z (about 1 year ago)
- Topics: browser-history, gemini-ai, pandas, plotly, python3, requests, social-media, socialprofile, streamlit-webapp
- Language: Python
- Homepage:
- Size: 23.4 KB
- Stars: 0
- Watchers: 0
- Forks: 0
- Open Issues: 0
-
Metadata Files:
- Readme: README.md
- License: LICENSE
Awesome Lists containing this project
README
# 🧠 Analisador de Hábitos Digitais com IA
Uma aplicação web para analisar o histórico de navegação do usuário, combinando uma análise de perfil comportamental (DISC) com insights detalhados gerados pela IA do Google Gemini.
## Funcionalidades
- **Análise Dupla:** Oferece duas perspectivas sobre os seus hábitos:
1. **Perfil Comportamental (DISC):** Uma análise instantânea e local que gera um gráfico de radar (Dominância, Influência, eStabilidade, Consciência) com base nos sites visitados.
2. **Análise Detalhada por IA:** Envia um resumo anonimizado do seu histórico para a API do Google Gemini, que gera um relatório completo sobre seus interesses, padrões, riscos e potencialidades.
- **Privacidade em Primeiro Lugar:** O histórico bruto é processado no backend para criar um resumo diário. Apenas este resumo, sem URLs específicas, é enviado para a IA, protegendo sua privacidade.
- **Interface Interativa:** Frontend construído com Streamlit, permitindo o upload fácil do arquivo de histórico (`.csv`) e exibição clara dos resultados.
- **Arquitetura Robusta:** Utiliza um backend FastAPI para lidar com a lógica de negócio e a comunicação com a API externa, garantindo que o frontend permaneça leve e responsivo.
## Arquitetura do Projeto
Este projeto utiliza uma arquitetura cliente-servidor para separar as responsabilidades:
- **Frontend (Streamlit - `app.py`):** Responsável pela interface do usuário, upload de arquivos e pela análise DISC local e instantânea.
- **Backend (FastAPI - `main.py`):** Um servidor de API que recebe o histórico bruto, o resume para anonimização e eficiência, e se comunica com a API do Google Gemini para a análise aprofundada.
**Fluxo de Dados:**
`Usuário (Frontend) -> Envia CSV -> Backend (FastAPI) -> Resume Dados -> Envia Resumo -> Google Gemini API -> Retorna Análise -> Backend -> Frontend -> Exibe para Usuário`
## Tecnologias Utilizadas
- **Backend:** Python, FastAPI, Uvicorn, Google Generative AI, Pandas.
- **Frontend:** Python, Streamlit, Requests, Plotly, Pandas.
- **IA:** Google Gemini 1.5 Flash.
---
## 🚀 Configuração e Execução
Siga estes passos para configurar e rodar o projeto localmente.
### Pré-requisitos
- Python 3.12.3 ou superior instalado.
- `git` instalado para clonar o repositório.
### Passo 1: Clone o Repositório
Abra seu terminal e clone o projeto para sua máquina local.
```bash
git clone https://github.com/adalbertobrant/socialprofiler
cd socialprofiler
```
## Crie e Ative um Ambiente Virtual
### No Windows:
```bash
python -m venv venv
.\venv\Scripts\activate
```
### No macOS / Linux:
```bash
python3 -m venv venv
source venv/bin/activate
```
## Instale as Dependências
Com o ambiente virtual ativado, instale todas as bibliotecas necessárias com um único comando:
```bash
pip install -r requirements.txt
```
## Configure a Chave da API do Google Gemini
A API do Gemini é essencial para a análise de IA.
1- Obtenha sua API Key: Acesse o Google AI Studio e crie sua chave de API gratuita.
2- Crie o arquivo .env: Na raiz do seu projeto (na mesma pasta de main.py), crie um arquivo chamado .env.
3- Adicione a chave ao arquivo: Abra o arquivo .env e adicione a seguinte linha, substituindo sua_chave_de_api_aqui pela chave que você gerou:
```bash
GOOGLE_API_KEY="sua_chave_de_api_aqui"
```
## Execute a Aplicação
Você precisará de dois terminais separados (ou duas abas no seu terminal) para rodar o backend e o frontend simultaneamente.
No Terminal 1 (Backend):
Navegue até a pasta do projeto, ative o ambiente virtual e inicie o servidor FastAPI.
```bash
uvicorn main:app --reload
```
No Terminal 2 (Frontend):
Abra um novo terminal, navegue até a mesma pasta do projeto e ative o mesmo ambiente virtual.
```bash
streamlit run app.py
```
O Streamlit abrirá automaticamente uma nova aba no seu navegador. Se não abrir, acesse o endereço fornecido (geralmente http://localhost:8501).
Agora você está pronto! Faça o upload do seu arquivo browser_history.csv na interface do Streamlit e clique em "Analisar Histórico".
## Como Obter seu Histórico de Navegação
Google Chrome:
Vá para chrome://history.
Procure por uma extensão na Chrome Web Store chamada "Export History" ou similar que exporte em formato CSV com as colunas URL, Last Visited, Visit Count.
Firefox:
Use um complemento como o "Export History/Bookmarks to JSON/CSV/XLS".
Certifique-se de que o CSV exportado tenha as colunas URL, Last Visited, e Visit Count.