DataChat AI

Converse com uma base de vendas em português — o app traduz a pergunta em SQL, executa numa base SQLite (modo somente leitura) e responde com tabela + gráfico.

Construído com Streamlit + LangChain + Groq (llama-3.3-70b-versatile).

Stack

• app.py — interface Streamlit (chat, sidebar, render de tabela/gráfico)
• agent.py — agente SQL (LangChain + Groq) e tratamento de erros da API
• database.py — cria e popula vendas.db com 500 registros de exemplo
• theme.py — tema visual (CSS + componentes HTML)

Rodar localmente

python -m venv .venv
.venv\Scripts\activate          # Windows
# source .venv/bin/activate     # Linux/Mac
pip install -r requirements.txt

Crie um .env (veja .env.example) com sua chave da Groq:

GROQ_API_KEY=...

Depois:

streamlit run app.py

O banco vendas.db é criado e semeado automaticamente na primeira execução, então não é necessário rodar database.py manualmente.

No Windows há também o atalho run.bat.

Deploy (Streamlit Community Cloud)

1. Suba o repositório no GitHub (o .env e o *.db ficam de fora pelo .gitignore — isso é esperado).
2. Em share.streamlit.io, aponte para app.py.
3. Em Settings → Secrets, adicione:

   GROQ_API_KEY = "sua_chave"
   

4. Deploy. O vendas.db é gerado no primeiro carregamento.

Limites da API

A Groq aplica limites por minuto (TPM/RPM) e por dia (TPD/RPD). O app diferencia os dois: perguntas pesadas podem atingir o limite por minuto temporariamente — basta aguardar alguns segundos; isso não consome a cota diária.