📧 Email Classifier AI

Aplicação web com IA para classificação automática de emails corporativos e geração de respostas inteligentes.

🚀 Acessar aplicação · 📋 Ver testes · 🐳 Rodar com Docker

---

📌 Sobre o projeto

O Email Classifier AI automatiza a leitura e classificação de emails corporativos do setor financeiro, eliminando a necessidade de triagem manual. A aplicação analisa o conteúdo de cada email e:

• 🏷️ Classifica o email como Produtivo ou Improdutivo
• 💬 Gera uma resposta automática adequada ao contexto
• 📊 Exibe um índice de confiança da classificação
• 📁 Suporta upload de arquivos .txt e .pdf

---

✨ Funcionalidades

Funcionalidade	Descrição
📝 Entrada por texto	Cole o conteúdo do email diretamente no formulário
📁 Upload de arquivo	Envie arquivos .txt ou .pdf para processamento
🤖 Classificação com IA	Modelo LLaMA 3.3 70B via Groq API
💬 Resposta automática	Sugestão de resposta gerada pela IA
📊 Índice de confiança	Percentual de certeza da classificação
📋 Copiar resposta	Botão para copiar a resposta sugerida
🌙 Interface dark	Design moderno com tema escuro

---

🗂️ Estrutura do projeto

email-classifier/
├── 📂 backend/
│   ├── main.py               # Servidor FastAPI e rotas da API
│   ├── classifier.py         # Integração com a IA (Groq API)
│   ├── utils.py              # Leitura de arquivos .txt e .pdf
│   └── tests/
│       ├── __init__.py
│       └── test_classifier.py  # Testes automatizados com pytest
│
├── 📂 frontend/
│   ├── index.html            # Interface web
│   └── style.css             # Estilização com tema escuro
│
├── 📂 .github/
│   └── workflows/
│       └── ci.yml            # Pipeline CI/CD com GitHub Actions
│
├── .env                      # Variáveis de ambiente (não versionado)
├── .gitignore
├── Dockerfile                # Configuração do container
├── docker-compose.yml        # Orquestração local
├── requirements.txt          # Dependências Python
└── README.md

---

🛠️ Tecnologias utilizadas

Backend

• Python 3.10 — linguagem principal
• FastAPI — framework web moderno e de alta performance
• Uvicorn — servidor ASGI
• Groq API + LLaMA 3.3 70B — modelo de linguagem para classificação e geração de respostas
• PyPDF2 — extração de texto de arquivos PDF
• python-dotenv — gerenciamento de variáveis de ambiente

Frontend

• HTML5 + CSS3 — interface responsiva com tema escuro
• JavaScript — consumo da API e interatividade

Infraestrutura

• Docker + Docker Compose — containerização da aplicação
• GitHub Actions — CI/CD automatizado
• Render — hospedagem na nuvem (free tier)

---

🚀 Como rodar localmente

Pré-requisitos

• Python 3.10+
• Docker Desktop
• Git
• Chave de API do Groq

Configuração do ambiente

1. Clone o repositório:

git clone https://github.com/Defendi22/AutoU
cd email-classifier

2. Crie o arquivo .env na raiz do projeto:

GROQ_API_KEY=sua_chave_aqui

---

🐳 Rodando com Docker

docker-compose up

Acesse: http://localhost:8000

---

🐍 Rodando sem Docker

1. Crie e ative o ambiente virtual:

python -m venv venv

# Windows
venv\Scripts\activate

# Linux/Mac
source venv/bin/activate

2. Instale as dependências:

pip install -r requirements.txt

3. Inicie o servidor:

cd backend
uvicorn main:app --reload

Acesse: http://localhost:8000

---

🧪 Testes

Os testes cobrem os principais cenários da API usando pytest com mocks para não depender da API externa.

cd backend
pytest tests/ -v

Casos de teste

Teste	Descrição
test_health_check	Verifica se o servidor está respondendo
test_classify_produtivo	Classifica corretamente email produtivo
test_classify_improdutivo	Classifica corretamente email improdutivo
test_classify_sem_conteudo	Retorna erro 400 sem conteúdo
test_classify_texto_vazio	Retorna erro 400 para texto vazio

---

🔄 CI/CD Pipeline

A cada git push na branch main, o GitHub Actions executa automaticamente:

Push para main
     │
     ▼
┌─────────────┐
│  Roda testes │  ← pytest tests/ -v
└──────┬──────┘
       │ passou
       ▼
┌──────────────┐
│ Deploy Render │  ← trigger automático via webhook
└──────────────┘

---

🌐 API

GET /health

Verifica se o servidor está online.

Resposta:

{ "status": "ok" }

---

POST /classify

Classifica o email e retorna a análise.

Parâmetros (form-data):

Campo	Tipo	Descrição
email_text	string	Texto do email (opcional)
file	file	Arquivo .txt ou .pdf (opcional)

Resposta:

{
  "categoria": "Produtivo",
  "confianca": 90,
  "motivo": "Solicitação de suporte técnico",
  "resposta_sugerida": "Prezado, agradecemos seu contato..."
}

---

📂 Categorias de classificação

Categoria	Descrição	Exemplos
✅ Produtivo	Requer ação ou resposta	Suporte técnico, dúvidas, status de casos
⏸️ Improdutivo	Não requer ação imediata	Felicitações, agradecimentos, mensagens sociais

---

🔐 Variáveis de ambiente

Variável	Descrição
GROQ_API_KEY	Chave de API do Groq (obrigatória)

⚠️ Nunca versione o arquivo .env. Ele já está no .gitignore.

---

📄 Licença

Este projeto foi desenvolvido como desafio técnico. Espero que gostem 😀

---

Desenvolvido por Fernando