✍️ AI Essay Parser - Corretor de Redações com IA

Bem-vindo ao AI Essay Parser, uma solução inteligente para automatizar a correção de redações manuscritas. Utilizando o poder do modelo Google Gemini 2.0 (Multimodal), o sistema lê imagens de textos manuscritos, realiza uma análise pedagógica completa baseada em competências e gera relatórios formatados em Word (.docx).

🚀 Funcionalidades

• Leitura de Manuscritos: Capacidade avançada de OCR e interpretação de texto manuscrito via IA.
• Correção Pedagógica: Avaliação detalhada baseada em competências (personalizável via prompt), com atribuição de notas e comentários construtivos.
• Interface Web Amigável: Aplicação interativa construída com Streamlit para uploads e correções individuais rápidas.
• Processamento em Lote (Batch): Integração com o Google Drive para monitorar uma pasta, processar novas imagens automaticamente e salvar as correções em uma pasta de saída.
• Arquitetura Modular: Código organizado em serviços (services/), facilitando manutenção e expansão.
• Configuração Segura: Gerenciamento de credenciais via variáveis de ambiente e pasta secrets/.

📂 Estrutura do Projeto

O projeto segue o padrão Service Layer, separando a lógica de negócio dos scripts de execução:

Corretor_redacao_AI/
├── app.py                  # Interface Web (Frontend Streamlit)
├── corrigir_em_lote.py     # Script de automação via Google Drive
├── health_check.py         # Script de diagnóstico do sistema
├── config.py               # Gerenciador de configurações centralizado
├── services/               # Camada de Serviços (Lógica de Negócio)
│   ├── ai_service.py       # Comunicação com Google Gemini
│   ├── drive_service.py    # Comunicação com Google Drive
│   └── report_service.py   # Geração de arquivos .docx
├── assets/                 # Recursos Estáticos
│   ├── prompt.txt          # Prompt System com critérios de correção
│   └── template.docx       # Modelo base para o relatório final
├── secrets/                # Pasta segura para credenciais (ignorada pelo Git)
└── .env                    # Variáveis de ambiente

🛠️ Instalação e Configuração

1. Pré-requisitos

• Python 3.10+ instalado.
• Conta no Google Cloud Platform (GCP) com API Vertex AI/Gemini habilitada.
• (Opcional) Credenciais OAuth do Google Drive API para o modo lote.

2. Instalação

Clone o repositório e instale as dependências:

git clone [email protected]:claudio1code/Essay_Parser.git
cd Essay_Parser

# Criar ambiente virtual
python -m venv venv

# Ativar (Windows)
venv\Scripts\activate
# Ativar (Linux/Mac)
source venv/bin/activate

# Instalar pacotes
pip install -r requirements.txt

3. Configuração de Credenciais

Este projeto utiliza uma pasta secrets/ para organizar chaves de API com segurança.

1. Crie a pasta secrets/ na raiz do projeto.
2. Coloque o arquivo da sua Service Account do Google Cloud lá dentro (ex: google-credentials.json).
3. (Para Drive) Coloque o credentials.json do OAuth Client lá dentro.

Configure o arquivo .env:

cp .env.example .env

Edite o .env e ajuste os nomes dos arquivos e IDs das pastas do Drive:

GOOGLE_CREDENTIALS_FILE=google-credentials.json
DRIVE_FOLDER_INPUT_ID=seu_id_da_pasta_entrada
DRIVE_FOLDER_OUTPUT_ID=seu_id_da_pasta_saida
GEMINI_MODEL_NAME=gemini-2.0-flash

💻 Como Usar

🏥 Diagnóstico (Health Check)

Antes de começar, verifique se tudo está conectado corretamente:

python health_check.py

Se houver erros, o script indicará exatamente o que está faltando.

🌐 Interface Web (Correção Individual)

Ideal para correções rápidas e visuais.

streamlit run app.py

🤖 Automação em Lote (Google Drive)

Monitora a pasta do Drive definida no .env, corrige as imagens que encontrar e salva os Docs na pasta de saída.

python corrigir_em_lote.py

🧩 Personalização

• Critérios de Correção: Edite assets/prompt.txt.
• Layout do Relatório: Edite assets/template.docx.

📄 Licença

Este projeto é distribuído sob a licença Apache 2.0. Veja o arquivo LICENSE para mais detalhes.