🐆 Chatbot Conversacional - FURIA CS

Um chatbot web criado para FURIA CS com garra e muito clean code para responder dúvidas, curiosidades e informações sobre a equipe FURIA CS. Ele simula um bot fã experiente, ideal para interações rápidas e informativas com torcedores.

---

🚀 Funcionalidades

• ✅ Interface com HTML, CSS e JavaScript moderna e responsiva
• 🤖 Consumo da API OpenAI GPT-4 com integração via tools
• 📡 Informações atualizadas sobre:
  • Line-up atual
  • Loja oficial
  • Quantos títulos a FURIA já ganhou
  • Onde acompanhar as partidas
  • Como trabalhar na FURIA
• ♻️ Botão para limpar o chat e reiniciar a conversa

---

🛠️ Tecnologias utilizadas

Camada	Tecnologias
🧠 Backend	Python, Flask, Flask-CORS, OpenAI API
🎨 Frontend	HTML5, CSS3, JavaScript puro
🧰 Extra	dotenv

---

📂 Estrutura do Projeto

FlaskChatbot/
├── backend/
│   ├── app.py                 # Entry point Flask
│   ├── .env                   
│   ├── requirements.txt    
│   └── openai_chat/
│       ├── __init__.py
│       ├── service.py
│       └── tools.py
├── static/
│   └── fonts/
│   └── img/
│   └── js/
│       └── actionButton.js
│       └── chatBot.js
│       └── header.js
│       └── menu.js
│       └── slideSobre.js
│   └── css/
│       └── style.css
│       └── clash-grotesk.css
│       └── responsividade.css
├── templates/
│   └── index.html
└── README.md

---

🧠 Como o chat funciona

1. O usuário acessa a interface e envia uma pergunta
2. A pergunta é enviada via fetch (POST) para a rota /chat
3. O backend (Flask) chama o GPT-4 com tools para entender se:
   • A resposta pode ser direta (ex: "Qual a loja da FURIA?")
   • Ou se precisa usar uma função customizada (tool) da tools.py
4. A resposta volta e aparece dinamicamente no chat

---

💻 Como rodar o projeto localmente

✅ Requisitos:

• Python 3.10+
• Virtualenv instalado (opcional, mas recomendado)

1. Clone o repositório

git clone https://github.com/seu-usuario/flask-furia-chatbot.git
cd flask-furia-chatbot

2. Crie e ative o ambiente virtual

python -m venv venv
source venv/bin/activate  # Linux/macOS
venv\Scripts\activate     # Windows

3. Instale as dependências

pip install -r backend/requirements.txt

4. Configure sua chave da OpenAI

Crie um arquivo .env dentro da pasta backend/ com o seguinte conteúdo:

OPENAI_API_KEY=sk-xxxxxxxxxxxxxxxxxxxxxxxx

5. Rode o servidor

cd backend
python app.py

O servidor estará acessível em http://localhost:5000

---

📦 Deploy na nuvem (Render)

O projeto está pronto para deploy com Render, Fly.io ou Railway.

Etapas básicas com Render:

• Suba seu repositório no GitHub
• Crie um Procfile com:

  web: python backend/app.py
  

• Adicione a variável OPENAI_API_KEY no ambiente da Render

---

🧼 Boas práticas aplicadas

• Código organizado em camadas (service, tools, utils)
• Chatbot separado da interface
• Uso de .env para manter segurança da API Key
• tools com design documentado e expansível
• Flexível para receber ferramentas futuras (ex: scraping de resultados, Firebase, SSE)

---

📚 Quer contribuir?

1. Faça um fork deste repositório
2. Crie uma branch (git checkout -b nova-feature)
3. Faça suas alterações e commite (git commit -m 'feat: nova feature')
4. Dê push na sua branch (git push origin nova-feature)
5. Abra um Pull Request

---

🤘 Desenvolvido por

Brenno Brigante.
Contato: LinkedIn

---

🐍 Licença

Este projeto está sob a licença MIT. Veja o arquivo LICENSE para mais detalhes.