WebDoctor

Contextualização

Hoje, vamos sair do terminal e criar nossa primeira aplicação web, usando Streamlit.

Essa aplicação será um Chat Médico, onde o usuário informa sintomas e recebe uma orientação inicial de um assistente médico simulado pelo modelo de linguagem.

Objetivo

O objetivo é criar uma interface simples de chat, onde:

O usuário escreve seus sintomas.
O modelo de IA (executado via LangChain e ChatOllama) analisa os sintomas e dá um retorno.
As mensagens são exibidas em formato de chat, com histórico, igual em aplicativos reais de conversa.

Exemplo

Instalando as Dependências

Nota: Lembre de usar o ambiente virtual ativo, .venv

Instale o Streamlit com:

pip install streamlit

Instale o LangChain Ollama:

pip install langchain-ollama

Para o Histórico de mensagens, instale o LangChain Core:

pip install langchain-core

Passo a passo do código

Configuração inicial da página Streamlit

st.set_page_config(page_title="Chat WebDoctor")
st.header("Chat WebDoctor")

Configura a página com título e cabeçalho personalizados.

Configurando o histórico de chat

if "chat_history" not in st.session_state:
    st.session_state["chat_history"] = [
        AIMessage("Bem-Vindo ao WebDoctor! Quais as suas queixas?")
    ]

Armazena o histórico de mensagens no session_state, começando com uma mensagem inicial.

Exibindo o histórico de mensagens

chat_history = st.session_state["chat_history"]

for history in chat_history:
    if isinstance(history, AIMessage):
        st.chat_message("ai").write(history.content)
    if isinstance(history, HumanMessage):
        st.chat_message("human").write(history.content)

Mostra as mensagens anteriores no formato de chat (IA e usuário).

Capturando a mensagem do usuário

sintomas = st.chat_input("Aguardando sua resposta...")

Input para o usuário digitar seus sintomas.

Adicionando a mensagem do usuário ao histórico

if sintomas:
    st.chat_message("user").write(sintomas)
    st.session_state["chat_history"] += [HumanMessage(sintomas)]

Adiciona a mensagem do usuário ao histórico e exibe no chat.

Montando o prompt (PromptWebDoctor)

prompt = PromptWebDoctor.prompt_inicial(sintomas)

Usa uma função externa para montar o prompt personalizado para o modelo.

Exemplo do arquivo Prompt_Web_Doctor.py:

class PromptWebDoctor:
    @staticmethod
    def prompt_inicial(sintomas):
        return f"""
        Você é um médico assistente virtual especializado em fornecer orientações iniciais.
        O paciente informou os seguintes sintomas:
        {sintomas}
        Com base nesses sintomas, forneça uma análise inicial, possíveis causas e oriente se é necessário buscar um médico presencialmente.
        """

Inicializando o modelo ChatOllama

llm = ChatOllama(model="llama3.2:1b", temperature=0.7)

Configura o modelo a ser usado e sua temperatura.

Gerando resposta com stream

output = llm.stream(prompt)

A resposta é gerada e transmitida em tempo real.

Exibindo a resposta da IA

with st.chat_message("ai"):
    ai_message = st.write_stream(output)

Exibe a resposta do modelo como uma mensagem no chat.

Salvando a resposta no histórico

st.session_state["chat_history"] += [AIMessage(ai_message)]

Adiciona a resposta da IA no histórico.

Conclusão e Demonstração

Para rodar a aplicação:

streamlit run app.py

MasterChef AI

Receitas e Aplicações sobre IA