Update app.py

app.py

@@ -1,40 +1,8 @@
 import gradio as gr
 import requests
 import pandas as pd
-from scipy import stats
 from difflib import get_close_matches
 
-import google.generativeai as genai
-
-# Proper configuration with your API key
-genai.configure(api_key="AIzaSyCm57IpC9_TTL7U3m8wvje9_3qtfxAASgI")  # Replace YOUR_API_KEY with the actual API key
-
-# Set up the model configuration
-generation_config = {
-    "temperature": 0.7,
-    "top_p": 1,
-    "top_k": 1,
-    "max_output_tokens": 2048,}
-
-# Safety settings
-safety_settings = [
-    {"category": "HARM_CATEGORY_HARASSMENT", "threshold": "BLOCK_MEDIUM_AND_ABOVE"},
-    {"category": "HARM_CATEGORY_HATE_SPEECH", "threshold": "BLOCK_MEDIUM_AND_ABOVE"},
-    {"category": "HARM_CATEGORY_SEXUALLY_EXPLICIT", "threshold": "BLOCK_MEDIUM_AND_ABOVE"},
-    {"category": "HARM_CATEGORY_DANGEROUS_CONTENT", "threshold": "BLOCK_MEDIUM_AND_ABOVE"},
-]
-
-# Initialize the model
-model = genai.GenerativeModel(model_name="gemini-pro",
-                              generation_config=generation_config,
-                              safety_settings=safety_settings)
-
-def interpretar_e_refinar_busca(query):
-    prompt = f"Corrigir e refinar a busca: '{query}' para uma consulta mais precisa."
-    response = model.generate_content(prompt)
-    refined_query = response.text.strip() 
-    return refined_query
-    
 def fetch_data_to_dataframe(query, limit=50, source="mercadolibre"):
     if source == "mercadolibre":
         BASE_URL = "https://api.mercadolibre.com/sites/MLB/search"
@@ -57,20 +25,16 @@ def filtrar_itens_similares(df, termo_pesquisa, limite=5):
     return df_filtrado
 
 def integrated_app(query):
-    # Primeiro, use o GEMINI para interpretar e possivelmente corrigir/refinar a busca
-    refined_query = interpretar_e_refinar_busca(query)
-    
-    # Depois, busque os dados no Mercado Livre usando a query refinada
-    df = fetch_data_to_dataframe(refined_query, 50, "mercadolibre")
-    
+    df = fetch_data_to_dataframe(query, 50, "mercadolibre")
     if df.empty:
         return "Nenhum dado encontrado. Tente uma consulta diferente.", pd.DataFrame()
-    
-    # A partir daqui, você pode continuar com a filtragem por similaridade ou outra lógica de pós-processamento
-    # Por simplicidade, vamos retornar diretamente os resultados
-    median_price = df['Price'].median()
-    return f"Preço Mediano: {median_price}", df
 
+    df_similares = filtrar_itens_similares(df, query)
+    if df_similares.empty:
+        return "Nenhum item similar encontrado.", pd.DataFrame()
+    else:
+        median_price = df_similares['Price'].median()
+        return f"Preço Mediano dos Itens Similares: {median_price}", df_similares
 
 iface = gr.Interface(fn=integrated_app,
                      inputs=gr.Textbox(label="Digite sua consulta"),
@@ -78,4 +42,4 @@ iface = gr.Interface(fn=integrated_app,
                      title="Análise Integrada de Bens",
                      description="Esta aplicação busca dados no Mercado Livre e filtra para encontrar itens com nomes similares ao termo de pesquisa, oferecendo uma análise de preços e características desses itens.")
 
-iface.launch()
+iface.launch()