🧠 Analisador de Hábitos Digitais com IA

Uma aplicação web para analisar o histórico de navegação do usuário, combinando uma análise de perfil comportamental (DISC) com insights detalhados gerados pela IA do Google Gemini.

Funcionalidades

• Análise Dupla: Oferece duas perspectivas sobre os seus hábitos:
  1. Perfil Comportamental (DISC): Uma análise instantânea e local que gera um gráfico de radar (Dominância, Influência, eStabilidade, Consciência) com base nos sites visitados.
  2. Análise Detalhada por IA: Envia um resumo anonimizado do seu histórico para a API do Google Gemini, que gera um relatório completo sobre seus interesses, padrões, riscos e potencialidades.
• Privacidade em Primeiro Lugar: O histórico bruto é processado no backend para criar um resumo diário. Apenas este resumo, sem URLs específicas, é enviado para a IA, protegendo sua privacidade.
• Interface Interativa: Frontend construído com Streamlit, permitindo o upload fácil do arquivo de histórico (.csv) e exibição clara dos resultados.
• Arquitetura Robusta: Utiliza um backend FastAPI para lidar com a lógica de negócio e a comunicação com a API externa, garantindo que o frontend permaneça leve e responsivo.

Arquitetura do Projeto

Este projeto utiliza uma arquitetura cliente-servidor para separar as responsabilidades:

• Frontend (Streamlit - app.py): Responsável pela interface do usuário, upload de arquivos e pela análise DISC local e instantânea.
• Backend (FastAPI - main.py): Um servidor de API que recebe o histórico bruto, o resume para anonimização e eficiência, e se comunica com a API do Google Gemini para a análise aprofundada.

Fluxo de Dados: Usuário (Frontend) -> Envia CSV -> Backend (FastAPI) -> Resume Dados -> Envia Resumo -> Google Gemini API -> Retorna Análise -> Backend -> Frontend -> Exibe para Usuário

Tecnologias Utilizadas

• Backend: Python, FastAPI, Uvicorn, Google Generative AI, Pandas.
• Frontend: Python, Streamlit, Requests, Plotly, Pandas.
• IA: Google Gemini 1.5 Flash.

---

🚀 Configuração e Execução

Siga estes passos para configurar e rodar o projeto localmente.

Pré-requisitos

• Python 3.12.3 ou superior instalado.
• git instalado para clonar o repositório.

Passo 1: Clone o Repositório

Abra seu terminal e clone o projeto para sua máquina local.

git clone https://github.com/adalbertobrant/socialprofiler
cd socialprofiler

Crie e Ative um Ambiente Virtual

No Windows:

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

No macOS / Linux:

python3 -m venv venv
source venv/bin/activate

Instale as Dependências

Com o ambiente virtual ativado, instale todas as bibliotecas necessárias com um único comando:

pip install -r requirements.txt

Configure a Chave da API do Google Gemini

A API do Gemini é essencial para a análise de IA.

1- Obtenha sua API Key: Acesse o Google AI Studio e crie sua chave de API gratuita. 2- Crie o arquivo .env: Na raiz do seu projeto (na mesma pasta de main.py), crie um arquivo chamado .env. 3- Adicione a chave ao arquivo: Abra o arquivo .env e adicione a seguinte linha, substituindo sua_chave_de_api_aqui pela chave que você gerou:

GOOGLE_API_KEY="sua_chave_de_api_aqui"

Execute a Aplicação

Você precisará de dois terminais separados (ou duas abas no seu terminal) para rodar o backend e o frontend simultaneamente. No Terminal 1 (Backend): Navegue até a pasta do projeto, ative o ambiente virtual e inicie o servidor FastAPI.

uvicorn main:app --reload

No Terminal 2 (Frontend): Abra um novo terminal, navegue até a mesma pasta do projeto e ative o mesmo ambiente virtual.

streamlit run app.py

O Streamlit abrirá automaticamente uma nova aba no seu navegador. Se não abrir, acesse o endereço fornecido (geralmente http://localhost:8501). Agora você está pronto! Faça o upload do seu arquivo browser_history.csv na interface do Streamlit e clique em "Analisar Histórico".

Como Obter seu Histórico de Navegação

Google Chrome:

Vá para chrome://history.

Procure por uma extensão na Chrome Web Store chamada "Export History" ou similar que exporte em formato CSV com as colunas URL, Last Visited, Visit Count.

Firefox:

Use um complemento como o "Export History/Bookmarks to JSON/CSV/XLS".

Certifique-se de que o CSV exportado tenha as colunas URL, Last Visited, e Visit Count.