Assistente Inteligente de E-mails 📧✨

Aplicação web que utiliza Inteligência Artificial para classificar e-mails, otimizar o fluxo de trabalho e aumentar a produtividade. O sistema categoriza mensagens como "Produtivo" ou "Improdutivo" e sugere respostas automáticas adequadas ao contexto.

Este projeto foi desenvolvido como o case prático para o processo seletivo de Desenvolvedor da AutoU.

🚀 Acesse a Aplicação ao Vivo: https://emailassistant-5es5.onrender.com/

📖 Sobre o Projeto

O objetivo deste desafio foi desenvolver uma solução para uma empresa do setor financeiro que lida com um alto volume de e-mails. A aplicação automatiza a leitura e triagem, liberando a equipe de tarefas manuais e repetitivas, permitindo que foquem em atividades de maior valor.

O sistema utiliza modelos de Processamento de Linguagem Natural (NLP) para entender o conteúdo dos e-mails e realizar duas ações principais:

Classificação Zero-Shot: Determina se o e-mail requer uma ação (Produtivo) ou não (Improdutivo).

Geração de Texto: Cria uma sugestão de resposta em português, adaptada à categoria do e-mail.

✨ Funcionalidades

✅ Classificação de E-mails: Análise de texto para categorização automática.

✅ Sugestão de Respostas: Geração de respostas contextuais com IA.

✅ Input Flexível: Suporte para inserção de texto direto e upload de arquivos (.txt e .pdf).

✅ Exibição de Confiança: Mostra a porcentagem de confiança do modelo na classificação.

✅ Interface Intuitiva: Feedback visual de "carregando" e botão para copiar a resposta gerada.

✅ Pré-processamento de Texto: Utilização de NLTK para limpeza de stopwords antes da análise.

🛠️ Tecnologias Utilizadas

Backend: Python 3, Flask, Gunicorn

Inteligência Artificial:

    Hugging Face (Inference API)

    Biblioteca huggingface_hub para comunicação robusta com a API

Frontend: HTML5, CSS3, JavaScript (ES6)

Processamento de Arquivos: PyPDF2

Gerenciamento de Dependências: Pip, Venv

Deploy: Render

🧠 Arquitetura e Decisões Técnicas

A aplicação foi estruturada seguindo o padrão Application Factory em Flask para garantir organização e escalabilidade, com uma clara separação de responsabilidades entre rotas, serviços e templates.

O principal desafio técnico foi estabelecer uma comunicação estável e correta com a Inference API da Hugging Face. A jornada de depuração foi um aprendizado valioso:

Diagnóstico de Erros: As tentativas iniciais com requests manuais resultaram em erros 404 Not Found persistentes, mesmo com identificadores de modelo aparentemente válidos.

Identificação da Causa Raiz: Através de logs detalhados e da análise de erros 402 Payment Required (após esgotar a cota gratuita de testes), ficou claro que a comunicação precisava ser mais robusta. O erro final, Model is not supported for task text-generation. Supported task: conversational, revelou que os modelos mais modernos exigem um tipo de tarefa específico.

Solução Profissional: A decisão estratégica foi abandonar a abordagem manual e adotar a biblioteca oficial huggingface_hub. Utilizando o InferenceClient, foi possível interagir com os modelos através das funções corretas (zero_shot_classification e chat_completion), o que resolveu definitivamente os problemas de conexão.

Melhoria de Precisão: Para aumentar a acurácia da classificação de textos em português, foi implementada a técnica de Few-Shot Prompting, fornecendo exemplos diretamente no prompt enviado ao modelo, o que melhorou significativamente seu raciocínio contextual.

⚙️ Como Rodar o Projeto Localmente

Siga os passos abaixo para configurar e executar a aplicação em seu ambiente local.

Clone o repositório:
Bash

git clone https://github.com/SILAS-JOB/Smart_Email_Assistant.git cd Smart_Email_Assistant

Crie e ative um ambiente virtual: Bash

No Windows

python -m venv venv .\venv\Scripts\activate

No macOS/Linux

python3 -m venv venv source venv/bin/activate

Instale as dependências:

pip install -r requirements.txt

Configure as variáveis de ambiente:

Crie um arquivo chamado .env na raiz do projeto.

Adicione sua chave de API da Hugging Face dentro dele:

HUGGING_FACE_API_KEY="hf_sua_chave_secreta_aqui"

Execute a aplicação: Bash

python run.py

A aplicação estará disponível em http://127.0.0.1:5000.

☁️ Deploy

A aplicação está hospedada na plataforma Render, configurada para deploy contínuo a partir da branch main do repositório. O servidor de produção utilizado é o Gunicorn, e as chaves de API são gerenciadas como variáveis de ambiente no painel do Render para garantir a segurança.

📄 Licença

Este projeto está sob a licença MIT. Veja o arquivo LICENSE para mais detalhes.