Fiz usando ollama e ficou bacana apesar do tempo de resposta não ser tão bom com meu equipamento. Funcionou nos conformes.
from openai import OpenAI
from dotenv import load_dotenv
import os
import openai
load_dotenv()
API_KEY = os.getenv("OLLAMA_API_KEY")
OLLAMA_HOST = os.getenv("OLLAMA_BASE_URL")
def get_ollama_client() -> OpenAI:
return OpenAI(
api_key=API_KEY, # Necessário para a biblioteca, mesmo sendo ignorado pelo Ollama
base_url=OLLAMA_HOST
)
cliente = get_ollama_client()
modelo = "gemma4:e4b"
def carrega(nome_do_arquivo):
try:
with open(nome_do_arquivo, "r") as arquivo:
dados = arquivo.read()
return dados
except IOError as e:
print(f"Erro: {e}")
def salva(nome_do_arquivo, conteudo):
try:
with open(nome_do_arquivo, "w", encoding="utf-8") as arquivo:
arquivo.write(conteudo)
except IOError as e:
print(f"Erro ao salvar arquivo: {e}")
def analisador_sentimentos(produto):
prompt_sistema = f"""
Você é um analisador de sentimentos de avaliações de produtos.
Escreva um parágrafo com até 50 palavras resumindo as avaliações e
depois atribua qual o sentimento geral para o produto.
Identifique também 3 pontos fortes e 3 pontos fracos identificados a partir das avaliações.
# Formato de Saída
Nome do Produto:
Resumo das Avaliações:
Sentimento Geral: [utilize aqui apenas Positivo, Negativo ou Neutro]
Ponto fortes: lista com três bullets
Pontos fracos: lista com três bullets
""" # noqa: F541
prompt_usuario = carrega(f"./dados/avaliacoes-{produto}.txt")
print(f"Iniciou a análise de sentimentos do produto {produto}")
lista_mensagens = [
{
"role": "system",
"content": prompt_sistema
},
{
"role": "user",
"content": prompt_usuario
}
]
try:
resposta = cliente.chat.completions.create(
messages=lista_mensagens,
model=modelo
)
texto_resposta = resposta.choices[0].message.content
salva(f"./dados/analise-{produto}.txt", texto_resposta)
print(f"Análise de sentimentos do produto {produto} concluída e salva em ./dados/analise-{produto}.txt")
except openai.AuthenticationError as e:
print(f"Erro de Autenticação: {e}")
except openai.APIError as e:
print(f"Erro de API: {e}")
# Processamento único
analisador_sentimentos("Maquiagem mineral")
# Processamento em lotes
lista_de_produtos = ["Camisetas de algodão orgânico", "Jeans feitos com materiais reciclados", "Maquiagem mineral"]
for produto in lista_de_produtos:
analisador_sentimentos(produto)
