Visão Geral

Este é um projeto de um aplicativo de chat interativo que permite aos usuários conversar com um "Tutor" alimentado por um modelo de linguagem grande (LLM) rodando por container via Ollama. O projeto é dividido em duas partes principais: um backend em Python (FastAPI) que serve como uma API para interagir com o Ollama, e um frontend em Next.js (React/TypeScript) que fornece a interface de usuário.

Tecnologias Utilizadas

Este projeto utiliza uma pilha de tecnologias moderna e eficiente:

Backend

• Python: Linguagem de programação principal.
• FastAPI: Um framework web de alta performance para construir APIs assíncronas em Python.
• Httpx: Cliente HTTP assíncrono utilizado para fazer requisições ao serviço Ollama.
• Pydantic: Biblioteca para validação de dados e configurações, garantindo a integridade dos payloads da API.
• Uvicorn (Implícito): Servidor ASGI que executa a aplicação FastAPI.
• Ollama: Um framework para rodar e gerenciar modelos de linguagem grandes (LLMs) localmente.
• Mistral:instruct: O modelo de linguagem específico utilizado via Ollama para as interações do chat.

Frontend

• TypeScript: Superset do JavaScript que adiciona tipagem estática, melhorando a robustez e manutenibilidade do código.
• React: Biblioteca JavaScript para construção de interfaces de usuário dinâmicas e reativas.
• Next.js: Framework React que oferece recursos como Server-Side Rendering (SSR), Static Site Generation (SSG) e um sistema de roteamento intuitivo, além da diretiva use client para componentes interativos.
• Lucide React: Uma biblioteca de ícones leves e personalizáveis, usados para enriquecer a interface do usuário.

Orquestração

• Docker & Docker Compose: Utilizados para empacotar, orquestrar e isolar os serviços do backend (FastAPI) e do LLM (Ollama), garantindo um ambiente de desenvolvimento e produção consistente e fácil de configurar.

Funcionalidades

• Chat Interativo: Permite aos usuários enviar perguntas e receber respostas do Tutor AI.
• Status da API: Exibe o status de conexão com a API do backend (online/offline/verificando).
• Indicação de Carregamento: Mostra um indicador visual enquanto o Tutor AI está processando a resposta.
• Limpar Chat: Opção para resetar a conversa.
• Mensagens de Erro: Trata e exibe mensagens de erro amigáveis em caso de falha na comunicação com a API ou Ollama.

Como Configurar e Executar o Projeto

Siga os passos abaixo para colocar o projeto em funcionamento na sua máquina local.

Pré-requisitos

• Docker (com Docker Compose incluído)
• Node.js (com npm ou yarn) para o frontend

1. Clonar o Repositório

git clone https://github.com/aryelson1/chatBot_IA.git
cd chatBot_IA

2. Configuração do Backend e Ollama (Docker Compose)

Vá no terminal na pasta raiz do projeto onde está o arquivo docker-compose.yml pronto, construa e inicie os serviços:

docker-compose up --build -d

• --build: Garante que as imagens dos seus serviços sejam construídas (ou reconstruídas) se houver mudanças no Dockerfile.
• -d: Executa os contêineres em segundo plano (detached mode).

Você pode verificar o status dos serviços com:

docker-compose ps

# Inicie o bash do Ollama 
docker exec -it ollama bash

# Baixe a versão do mistral
ollama pull mistral:instruct

# Verifique a versão baixada 
ollama list

3. Configuração e Execução do Frontend (Next.js)

Assumindo que seus arquivos do frontend (como page.tsx) estão na raiz do seu projeto Next.js:

# Navegue para a pasta raiz do frontend
cd web 

# Instale as dependências
npm install # ou yarn install

# Execute o servidor de desenvolvimento
npm run dev # ou yarn dev

# Instale as dependencias do python 
pip install -r requirements.txt

# Rode o servidor python 
uvicorn main:app --host 0.0.0.0 --port 8080 --reload

O frontend estará acessível em http://localhost:3000.

Licença

Este projeto está licenciado sob a licença MIT. Veja o arquivo LICENSE para mais detalhes.