init: scripts diversos (crawlers, conversores, scrapers)

2026-03-05 20:38:36 +00:00
commit 6ac6f4be2a
925 changed files with 850330 additions and 0 deletions
@@ -0,0 +1,150 @@
+"""
+ai_chat_processor.py
+
+Author: Descomplicar® Crescimento Digital
+Link: https://descomplicar.pt
+Copyright: 2025 Descomplicar®
+"""
+
+"""
+Processador para chatbot AI integrado com Chatwoot.
+"""
+import json
+import requests
+from typing import Dict, List, Optional
+from .db_processor import DBProcessor
+from .embedding_processor import EmbeddingProcessor
+
+class AIChatProcessor:
+    def __init__(self, chatwoot_api_key: str, chatwoot_account_id: str, chatwoot_base_url: str):
+        """
+        Inicializa o processador de chat AI.
+        
+        Args:
+            chatwoot_api_key: Chave API do Chatwoot
+            chatwoot_account_id: ID da conta Chatwoot
+            chatwoot_base_url: URL base da API Chatwoot (ex: https://app.chatwoot.com)
+        """
+        self.chatwoot_api_key = chatwoot_api_key
+        self.chatwoot_account_id = chatwoot_account_id
+        self.chatwoot_base_url = chatwoot_base_url.rstrip('/')
+        
+        # Inicializa processadores
+        self.db = DBProcessor()
+        self.embedding_processor = EmbeddingProcessor()
+        
+        # Headers para API Chatwoot
+        self.headers = {
+            'api_access_token': chatwoot_api_key,
+            'Content-Type': 'application/json'
+        }
+        
+    def _search_knowledge_base(self, query: str, limit: int = 3) -> List[Dict]:
+        """
+        Pesquisa na base de conhecimento usando embeddings.
+        
+        Args:
+            query: Pergunta do usuário
+            limit: Número máximo de resultados
+            
+        Returns:
+            Lista de resultados mais relevantes
+        """
+        # Gera embedding da pergunta
+        query_embedding = self.embedding_processor.generate_embedding(query)
+        
+        # Busca resultados similares
+        results = self.db.search_similar_chunks(
+            query_embedding,
+            limit=limit
+        )
+        
+        return results
+        
+    def _format_response(self, query: str, results: List[Dict]) -> str:
+        """
+        Formata resposta com base nos resultados da pesquisa.
+        
+        Args:
+            query: Pergunta original
+            results: Resultados da pesquisa
+            
+        Returns:
+            Resposta formatada
+        """
+        if not results:
+            return "Desculpe, não encontrei informações relevantes sobre isso na base de conhecimento."
+            
+        # Formata resposta
+        response = "Com base na nossa base de conhecimento:\n\n"
+        
+        for i, result in enumerate(results, 1):
+            relevance = result.get('relevance', 0) * 100
+            content = result.get('content', '').strip()
+            source = result.get('source', 'Desconhecida')
+            
+            response += f"{i}. Relevância: {relevance:.1f}%\n"
+            response += f"Fonte: {source}\n"
+            response += f"Conteúdo: {content}\n\n"
+            
+        return response
+        
+    def process_message(self, conversation_id: str, message: str) -> None:
+        """
+        Processa mensagem recebida e envia resposta via Chatwoot.
+        
+        Args:
+            conversation_id: ID da conversa no Chatwoot
+            message: Mensagem recebida
+        """
+        # Pesquisa na base de conhecimento
+        results = self._search_knowledge_base(message)
+        
+        # Formata resposta
+        response = self._format_response(message, results)
+        
+        # Envia resposta via API Chatwoot
+        endpoint = f"{self.chatwoot_base_url}/api/v1/accounts/{self.chatwoot_account_id}/conversations/{conversation_id}/messages"
+        
+        payload = {
+            'content': response,
+            'message_type': 'outgoing',
+            'private': False
+        }
+        
+        try:
+            r = requests.post(
+                endpoint,
+                headers=self.headers,
+                data=json.dumps(payload)
+            )
+            r.raise_for_status()
+            
+        except requests.exceptions.RequestException as e:
+            print(f"Erro ao enviar mensagem para Chatwoot: {e}")
+            
+    def handle_webhook(self, data: Dict) -> Optional[str]:
+        """
+        Processa webhook recebido do Chatwoot.
+        
+        Args:
+            data: Dados do webhook
+            
+        Returns:
+            ID da conversa se mensagem deve ser processada
+        """
+        # Verifica se é mensagem de entrada
+        if data.get('message_type') != 'incoming':
+            return None
+            
+        # Extrai dados relevantes
+        conversation_id = data.get('conversation', {}).get('id')
+        message = data.get('content')
+        
+        if not all([conversation_id, message]):
+            return None
+            
+        # Processa mensagem
+        self.process_message(conversation_id, message)
+        
+        return conversation_id