MentorIA Carreiras IBMEC - MVP com IA

Descrição do Projeto

O " CarreirAI" é um aplicativo web inovador que utiliza Inteligência Artificial (Vertex AI Gemini do Google Cloud) para auxiliar alunos dos primeiros períodos dos cursos de Engenharia de Software, Engenharia de Computação e Ciência de Dados do IBMEC a explorarem suas afinidades com diferentes carreiras na área de tecnologia. Através de um chatbot dinâmico e conversacional, a aplicação busca entender os interesses e soft skills do aluno, gerando ao final um "prontuário" personalizado com insights e sugestões de carreira. Este prontuário é útil tanto para o aluno quanto para a equipe de Carreiras do IBMEC.

Índice

• Funcionalidades Principais
• Tecnologias Utilizadas
• Estrutura do Projeto
• Pré-requisitos
• Configuração do Ambiente Google Cloud (Vertex AI)
• Configuração e Instalação Local
• Executando a Aplicação
• Como Usar a Aplicação
• Entendendo e Modificando o Comportamento da IA
• Principais Arquivos do Projeto
• Contribuição
• Próximos Passos / Melhorias Futuras
• License

Funcionalidades Principais

• Chatbot Inteligente e Dinâmico: Interface de chat onde as perguntas são geradas e adaptadas em tempo real pela Vertex AI (Gemini) com base na conversa.
• Análise de Interesses e Soft Skills: A IA é instruída para identificar afinidades técnicas e soft skills do aluno durante o diálogo.
• Geração de "Prontuário do Aluno" em JSON: Ao final da conversa, a IA gera um perfil detalhado em formato JSON contendo:
  • Interesses principais identificados.
  • Objetivos de carreira inferidos e/ou declarados.
  • Soft skills com evidências da conversa.
  • Hard skills mencionadas ou de interesse.
  • Sugestões de desenvolvimento e carreiras iniciais.
  • Observações gerais sobre a interação.
• Relatórios Personalizados:
  • Relatório do Aluno: Apresentação dos insights gerados pela IA de forma lúdica e orientadora.
  • Relatório do Consultor de Carreiras: Visão detalhada do prontuário gerado pela IA para auxiliar no aconselhamento.
• Armazenamento de Perfis: Os prontuários JSON gerados pela IA são salvos em um banco de dados SQLite.
• "Salvar como PDF": Os relatórios são páginas web que podem ser facilmente salvas como PDF.

Tecnologias Utilizadas

• Backend: Python 3.x com Micro-framework Flask
• Inteligência Artificial: Google Cloud Vertex AI (Modelo Gemini Pro/Flash)
• SDK da IA: google-cloud-aiplatform
• Banco de Dados: SQLite 3 (para armazenar os perfis gerados pela IA)
• Frontend: HTML5, CSS3, JavaScript (Vanilla/Puro)
• Gerenciamento de Sessão: Flask Sessions
• Gerenciamento de Variáveis de Ambiente: python-dotenv
• Controle de Versão: Git e GitHub

Pré-requisitos

• Python 3.7 ou superior
• pip (gerenciador de pacotes Python)
• Git (para clonar o repositório)
• Uma conta Google Cloud com um projeto configurado e faturamento habilitado.
• Uma Conta de Serviço (Service Account) no GCP com permissões para a Vertex AI e a chave JSON baixada.

Configuração do Ambiente Google Cloud (Vertex AI)

Antes de rodar o projeto localmente, você precisa configurar seu ambiente no Google Cloud:

1. Crie/Selecione um Projeto GCP.
2. Habilite o Faturamento para o projeto.
3. Habilite a API "Vertex AI API" no seu projeto.
4. Crie uma Conta de Serviço:
   • Vá em "IAM e Admin" > "Contas de Serviço".
   • Crie uma nova conta ou use uma existente.
   • Atribua o papel "Usuário da Vertex AI" (Vertex AI User) a esta conta.
   • Crie uma chave JSON para esta conta de serviço e faça o download para sua máquina. Guarde este arquivo em um local seguro.

Configuração e Instalação Local

1. Clone o Repositório:

   git clone <URL_DO_SEU_REPOSITORIO_NO_GITHUB>
   cd mentoria-carreiras-ibmec 

   (Substitua <URL_DO_SEU_REPOSITORIO_NO_GITHUB> e mentoria-carreiras-ibmec se necessário).

2. Crie e Ative um Ambiente Virtual:

   python -m venv venv
   # No Windows: .\venv\Scripts\activate
   # No macOS/Linux: source venv/bin/activate

3. Crie o Arquivo .env: Na raiz do projeto, crie um arquivo chamado .env e adicione as seguintes variáveis, substituindo pelos seus valores:

   GCP_PROJECT_ID="SEU_ID_DE_PROJETO_GCP"
   GCP_REGION="sua-regiao-gcp-ex-southamerica-east1"
   GOOGLE_APPLICATION_CREDENTIALS="/caminho/completo/para/seu/arquivo-chave-service-account.json"

   IMPORTANTE: Adicione .env ao seu arquivo .gitignore!

4. Instale as Dependências:

   pip install -r requirements.txt

   Seu requirements.txt deve incluir Flask, google-cloud-aiplatform, python-dotenv.

5. Configure a Chave Secreta do Flask em app.py:

   • Abra app.py e altere a linha app.secret_key = '...' para uma chave longa, aleatória e segura.

6. Banco de Dados:

   • O arquivo chatbot_com_ia.db e a tabela student_ai_profiles serão criados automaticamente ao iniciar app.py pela primeira vez, devido à função init_db().

Executando a Aplicação

1. Certifique-se de que seu ambiente virtual está ativo e as variáveis no .env estão corretas.
2. No terminal, na raiz do projeto, execute:

   python app.py

3. Acesse http://127.0.0.1:5000/ no seu navegador.

Como Usar a Aplicação

1. Acesse a URL no navegador.
2. A saudação inicial do "GuIA Carreiras IBMEC" aparecerá.
3. Responda às perguntas geradas dinamicamente pela IA. A conversa é aberta e visa explorar seus interesses.
4. Quando a IA julgar que tem informações suficientes (ou você indicar que quer finalizar), ela perguntará se você deseja ver um resumo/perfil.
5. Ao confirmar, seu perfil detalhado será gerado pela IA e você será redirecionado para a página de relatório.
6. O relatório pode ser salvo em PDF usando a função "Imprimir" do navegador (escolha "Salvar como PDF").

Entendendo e Modificando o Comportamento da IA

O comportamento do chatbot e a qualidade do perfil gerado são fortemente influenciados pelos "prompts de sistema" definidos em gemini_client.py:

• DEFAULT_SYSTEM_INSTRUCTION_CAREER_GUIDE: Define a persona, o tom, os objetivos da conversa e como o GuIA deve interagir e fazer perguntas. Modificar este prompt altera a dinâmica do chat.
• SYSTEM_INSTRUCTION_JSON_GENERATOR: Instrui o modelo a gerar o perfil final estritamente no formato JSON especificado. Alterar os campos ou descrições aqui muda a estrutura do "prontuário do aluno".
• Engenharia de Prompt: Melhorar esses prompts é um processo iterativo. Teste diferentes formulações para otimizar a qualidade das interações e do perfil gerado.

Principais Arquivos do Projeto

• app.py: Backend Flask, gerencia sessões, rotas da API, e orquestra chamadas ao gemini_client.py.
• gemini_client.py: Contém toda a lógica de interação com a Vertex AI (Gemini), incluindo inicialização, prompts de sistema, e as funções conversar_com_gemini e gerar_prontuario_com_gemini.
• .env: Armazena suas credenciais e configurações do GCP (NÃO DEVE SER VERSIONADO).
• static/script.js: Lógica do frontend para o chat, chamadas AJAX para o backend.
• templates/index.html: Interface do chat.
• templates/report.html: Página que exibe o perfil gerado pela IA.
• requirements.txt: Dependências Python.

Próximos Passos / Melhorias Futuras

• Aprimorar continuamente os prompts de sistema para o Gemini.
• Implementar uma interface de administração para visualizar os perfis salvos no banco de dados.
• Adicionar mais contexto ou conhecimento específico do IBMEC à IA (ex: via RAG - Retrieval Augmented Generation, se aplicável).
• Permitir que o aluno salve/exporte seu perfil de forma mais direta.
• Expandir as análises e os tipos de insights gerados.
• Testes automatizados.
• Deploy em ambiente de produção (ex: Google Cloud Run).

---