🤖 Chat-BotWhatsApp

Este projeto implementa um chatbot inteligente para WhatsApp, utilizando a API WAHA (WhatsApp HTTP API) para integração com o WhatsApp Web e a API da Groq para processamento de linguagem natural com o modelo DeepSeek.

🧩 Visão Geral

• WAHA: API HTTP auto-hospedada que permite interações com o WhatsApp Web.

• Flask: Framework web utilizado para criar a API que recebe e processa mensagens.

• **Groq + llama: Integração com a API da Groq para utilizar o modelo llama no processamento das mensagens.

• RAG (Retrieval-Augmented Generation): Técnica utilizada para melhorar as respostas do chatbot, permitindo acesso a fontes de dados externas.

🐳 Docker

O projeto utiliza contêineres Docker para facilitar a implantação:

1. WAHA: Contêiner baseado na imagem oficial do WAHA.

2. API Flask: Contêiner personalizado para a API desenvolvida em Flask.

Ambos os contêineres são orquestrados utilizando o Docker Compose.

⚙️ Configuração do WAHA

• Acesse o Swagger UI disponível no contêiner do WAHA.

• Configure um webhook para encaminhar as mensagens recebidas para a rota chatbot/webhook da API Flask.

• O WAHA será responsável por receber as mensagens do WhatsApp e repassá-las para a API Flask.

🧠 Integração com a IA (Groq + llama)

A integração com a IA é realizada da seguinte forma:

1. Recebimento de Mensagens: O WAHA recebe as mensagens do WhatsApp e as encaminha para a API Flask.

2. Processamento com IA: A API Flask utiliza a API da Groq para processar as mensagens com o modelo llama.

3. Resposta ao Usuário: A resposta gerada pela IA é enviada de volta ao usuário no WhatsApp.

🧩 Implementação do RAG (Retrieval-Augmented Generation)

Para melhorar as respostas do chatbot, foi implementada a técnica RAG:

1. Carregamento de Documentos: Um script carrega arquivos .pdf contendo informações relevantes.

2. Divisão em Chunks: Os documentos são divididos em pedaços menores (chunks) com sobreposição (overlap) para preservar o contexto.

3. Geração de Embeddings: Utiliza-se um modelo de embeddings para transformar os chunks em vetores numéricos.

4. Armazenamento em Vector Store: Os vetores são armazenados em uma base de dados vetorial para permitir buscas semânticas eficientes.

🚀 Como Executar o Projeto

1. Clone o Repositório:

   git clone https://github.com/DomRyaan/Chat-BotWhatsApp.git
   cd Chat-BotWhatsApp

2. Configure as Variáveis de Ambiente:

   Crie um arquivo .env com as seguintes variáveis:

   GROQ_API_KEY=your_groq_api_key
   HUGGINGFACE_API_KEY=your_huggingface_api_key

3. Inicie os Contêineres com Docker Compose:

   docker-compose up --build

4. Configure o WAHA:

   • Acesse o Swagger UI do WAHA.

   • Configure o webhook para apontar para http://localhost:5000/chatbot/webhook.

5. Conecte o WhatsApp:

   • Siga as instruções do WAHA para escanear o QR code e conectar o WhatsApp.