hugooleal / wanderai-imersao-alura

Breve projeto criado no Google Colab para entrega na Imersão IA da Alura + Google.

WanderAI - Gerador de Roteiros de Viagem com Google Gemini

1. Introdução

Este repositório contém um script Python que utiliza o poder do modelo de linguagem Google Gemini para gerar roteiros de viagem personalizados. Através de perguntas sobre suas preferências, o script constrói um roteiro detalhado, incluindo sugestões de atividades, restaurantes e dicas de transporte.

2. Explicação do Código

O código se divide nas seguintes etapas:

2.1 Instalação e Importações:

Instala a biblioteca google-generativeai. Importa as bibliotecas necessárias: google.generativeai, pandas, numpy, pathlib, textwrap, IPython.display.

2.2 Funções Auxiliares:

to_markdown(text): Formata o texto da resposta para o formato Markdown.

2.3 Configuração do Modelo Gemini:

Define a chave da API do Google Gemini (api_key), que está guardada secretamente no Google Golab. Lista os modelos disponíveis com suporte para geração de conteúdo. Define as configurações do modelo (temperatura, top_p, top_k, max_output_tokens). Nessa etapa, criamos um dicionário contendo 3 configs diferentes cada uma com uma temperatura, sendo elas: 0.5, 0.75 e 1. Configura parâmetros de segurança para evitar conteúdo inadequado.

2.4 Coleta de Informações do Usuário:

Solicita ao usuário as informações sobre o destino, estilo de viagem, duração, atividades preferidas e orçamento.

2.5 Geração do Roteiro:

Constrói um prompt detalhado com as informações fornecidas pelo usuário. Com base no prompt gerado, fazemos uma iteração entre as 3 configurações criadas nos passos acima. Dessa forma, recebemos 3 respostas diferentes para o mesmo prompt, considerando temperaturas de 0.5, 0.75 e 1. Dessa forma conseguimos explorar diferentes níveis de criatividade.

2.6 Processamento das Respostas:

Em seguida, armazenamos as respostas em um DataFrame Pandas e criamos a função "embedFunction" para se utilizar dos modelos de embedding do Google Gemini para gerar embeddings para cada resposta, representando seu significado semanticamente.

2.7 Seleção da Melhor Resposta:

Posteriormente, criamos a função "consultarMelhorResposta" que compara o embedding do prompt inicial com os embeddings das respostas e seleciona a resposta com o maior produto escalar, ou seja, aquela que indica maior similaridade semântica com o prompt. Dessa forma, aplicamos um método de autovalidação pelo próprio Gemini, combinando tanto o modelo gerador de conteúdo quanto o modelo de embedding.

2.8 Apresentação da Melhor Resposta:

A melhor resposta é formatada com Markdown e exibida ao usuário.

3. Conclusão

Este script demonstra o enorme potencial do Google Gemini nas mais diversas áreas que a imaginação pode chegar. A criação de roteiros de viagem personalizados e informativos é apenas uma das milhares de possibilidades. Ao ajustar as configurações do modelo e coletar informações detalhadas do usuário, o script oferece uma experiência de planejamento de viagem interativa e eficiente, de forma rápida.