Sistema de Gerenciamento de ATAs com IA

Sistema para gestão de Atas de Reunião com capacidade de busca semântica e chat utilizando modelos de LLM (Google Gemini, Ollama) e embeddings OpenAI.

Pré-requisitos

• Python 3.8+
• Git (para clonar o repositório)
• 4GB+ de RAM livre (para execução dos modelos locais Ollama, se utilizados)
• Chaves de API:
  • OPENAI_API_KEY para embeddings (OpenAI text-embedding-3-large).
  • GOOGLE_API_KEY para geração de texto com Gemini Pro.
• Ollama instalado e configurado (APENAS se for utilizar modelos Ollama para geração via chat).

Instalação

1. Configure as Chaves de API Crie um arquivo .env na raiz do projeto e adicione suas chaves:

   OPENAI_API_KEY="sk-..."
   GOOGLE_API_KEY="AIza..."
   FLASK_SECRET_KEY="uma_chave_secreta_forte_aqui"

2. (Opcional) Instale e configure o Ollama (se for usar modelos Ollama)

   # Baixe e instale o Ollama
   curl -fsSL [https://ollama.com/install.sh](https://ollama.com/install.sh) | sh
   
   # Inicie o serviço Ollama (em background)
   ollama serve &
   
   # Baixe um modelo (ex: deepseek-coder) em outro terminal (se for usar)
   ollama pull deepseek-r1:1.5b
   # ollama pull llama3

3. Clone o repositório e navegue até a pasta correta

   git clone [https://github.com/WalterHenri/AtasUfs.git](https://github.com/WalterHenri/AtasUfs.git)
   cd AtasUfs/Codigo/flaskProject

4. Configure o ambiente virtual

   python -m venv .venv
   .venv\Scripts\Activate.ps1 # em windows em linux eu nao sei

5. Instale as dependências

   pip install -r requirements.txt

6. Crie o banco de dados Instale o PostgreSQL na porta 5432. Crie um banco de dados com nome: AtasUfs). Coloque suas credenciais de conexão no arquivo AtasUfs/Codigo/flaskProject/model/database.py isso aqui ainda não foi mudado Rode o AtasUfs/Documentacao/Banco de dados/Script.sql para criar as tabelas.

7. Executando a aplicação

   # Certifique-se que o Ollama está rodando em segundo plano SE você planeja usar um modelo Ollama.
   # flask run # Ou use o python app.py
   python Codigo/flaskProject/app.py

   A aplicação estará disponível em: http://localhost:5000 A interface de chat em http://localhost:5000/chat/ permitirá selecionar entre Gemini e modelos Ollama configurados.

Exemplo de Uso

1. Criar nova ATA (via interface web em http://localhost:5000/atas/new):

   • Título: Reunião Mensal
   • Arquivo: ata_reuniao_mensal.pdf

2. Conversar com as ATAs (via interface web em http://localhost:5000/chat/):

   • Selecione o modelo (Gemini Pro / Ollama).
   • Pergunta: "Quais foram os pontos principais discutidos na Reunião Mensal?"

Troubleshooting

Problema: Erros de API Key (OpenAI/Google)

• Verifique se as chaves OPENAI_API_KEY e GOOGLE_API_KEY estão corretamente configuradas no arquivo .env na raiz do projeto.
• Certifique-se de que as chaves são válidas e têm os serviços necessários habilitados nas respectivas plataformas de nuvem.

Problema: Erros de modelo Ollama não encontrado

• Verifique os modelos disponíveis no seu Ollama local: ollama list
• Baixe o modelo necessário se estiver faltando: ollama pull nome_do_modelo (ex: ollama pull deepseek-r1:1.5b)
• Certifique-se que o serviço ollama serve está em execução.

Problema: Arquivos não sendo processados ou erros de embedding

• Verifique as permissões das pastas uploads/ e vector_store/.
• Garanta que os arquivos enviados não estão corrompidos, são PDF ou TXT válidos, e contêm texto extraível.
• Verifique os logs da aplicação Flask para mensagens de erro detalhadas do AtaService.
• Arquivos muito grandes ou com formatação complexa podem levar mais tempo para processar ou, em raros casos, falhar na extração de texto.