📧 Classificador Inteligente de Emails

Solução completa de IA para classificação automática de emails corporativos e geração de respostas inteligentes.

🎯 Sobre o Projeto

Este projeto foi desenvolvido como resposta ao desafio AutoU, criando uma aplicação web que utiliza inteligência artificial para:

• ✅ Classificar emails em Produtivo ou Improdutivo
• ✅ Gerar respostas automáticas contextualizadas
• ✅ Processar arquivos .txt e .pdf
• ✅ Interface moderna e intuitiva
• ✅ Deploy em nuvem

🚀 Funcionalidades

Classificação Inteligente

• Análise de conteúdo usando NLP
• Categorização automática (Produtivo/Improdutivo)
• Nível de confiança da classificação

Geração de Respostas

• Respostas automáticas contextualizadas
• Adaptadas ao tipo de solicitação
• Prontas para copiar e usar

Interface Amigável

• Design moderno e responsivo
• Upload por drag & drop
• Feedback visual em tempo real
• Experiência mobile-first

🛠️ Tecnologias Utilizadas

Backend

• Python 3.11+
• Flask - Framework web
• PyPDF2 - Processamento de PDFs
• NLP - Processamento de linguagem natural

Frontend

• HTML5
• CSS3 (Design moderno com variáveis CSS)
• JavaScript (Vanilla JS - sem frameworks)

Deploy

• Render / Heroku / Vercel (compatível com múltiplas plataformas)
• Gunicorn - Servidor WSGI

📋 Pré-requisitos

• Python 3.11 ou superior
• pip (gerenciador de pacotes Python)
• Git

🔧 Instalação e Uso Local

1. Clone o repositório

git clone https://github.com/seu-usuario/DesafioLeitorEmail.git
cd DesafioLeitorEmail

2. Crie um ambiente virtual

# Windows
python -m venv venv
venv\Scripts\activate

# Linux/Mac
python3 -m venv venv
source venv/bin/activate

3. Instale as dependências

pip install -r requirements.txt

4. Execute a aplicação

python app.py

5. Acesse no navegador

Abra seu navegador e acesse: http://localhost:5000

🌐 Deploy na Nuvem

Opção 1: Render (Recomendado)

1. Crie uma conta em render.com
2. Conecte seu repositório GitHub
3. Configure um novo Web Service
4. Use as seguintes configurações:
   • Build Command: pip install -r requirements.txt
   • Start Command: gunicorn app:app
   • Environment: Python 3

Opção 2: Heroku

# Instale o Heroku CLI
heroku login
heroku create seu-app-name
git push heroku main
heroku open

Opção 3: Vercel

1. Instale Vercel CLI: npm i -g vercel
2. Execute: vercel
3. Siga as instruções

📂 Estrutura do Projeto

cd DesafioLeitorEmail
/
├── app.py                  # Aplicação Flask principal
├── requirements.txt        # Dependências Python
├── README.md              # Documentação
├── Procfile               # Configuração Heroku (opcional)
├── static/
│   ├── css/
│   │   └── style.css      # Estilos da aplicação
│   └── js/
│       └── script.js      # Lógica do frontend
├── templates/
│   └── index.html         # Página principal
└── uploads/               # Pasta temporária (criada automaticamente)

🎨 Como Usar a Aplicação

Método 1: Colar Texto

1. Selecione a aba "Colar Texto"
2. Cole o conteúdo do email no campo de texto
3. Clique em "Analisar Email"

Método 2: Upload de Arquivo

1. Selecione a aba "Upload de Arquivo"
2. Arraste um arquivo .txt ou .pdf OU clique para selecionar
3. Clique em "Analisar Email"

Resultado

• Veja a categoria (Produtivo/Improdutivo)
• Confira o nível de confiança da análise
• Leia a resposta sugerida
• Clique em "Copiar" para usar a resposta

🧠 Como Funciona a IA

1. Pré-processamento

• Limpeza do texto
• Remoção de caracteres especiais
• Normalização de espaços

2. Classificação

O sistema usa análise de palavras-chave e contexto para classificar:

Emails Produtivos contêm termos como:

• Solicitações (suporte, ajuda, dúvida)
• Status (atualização, prazo, pendência)
• Problemas (erro, bug, problema)
• Documentos (relatório, análise, aprovação)

Emails Improdutivos contêm termos como:

• Felicitações (parabéns, feliz)
• Agradecimentos
• Mensagens sociais

3. Geração de Resposta

Baseado na categoria e contexto, o sistema gera uma resposta adequada:

• Para problemas técnicos → Resposta com número de ticket
• Para dúvidas → Resposta com prazo de atendimento
• Para mensagens sociais → Resposta cordial

🔄 Integração com APIs de IA (Opcional)

O código está preparado para integração com APIs como:

Hugging Face

import requests

API_URL = "https://api-inference.huggingface.co/models/..."
headers = {"Authorization": f"Bearer {YOUR_TOKEN}"}
response = requests.post(API_URL, headers=headers, json={"inputs": text})

OpenAI

import openai

openai.api_key = "your-api-key"
response = openai.ChatCompletion.create(
    model="gpt-3.5-turbo",
    messages=[{"role": "user", "content": text}]
)

📊 Exemplos de Emails para Teste

Email Produtivo - Suporte

Assunto: Problema no sistema

Olá,

Estou tendo dificuldades para acessar o sistema desde ontem.
Quando tento fazer login, recebo uma mensagem de erro.

Podem me ajudar?

Obrigado

Email Produtivo - Status

Assunto: Status da requisição #1234

Boa tarde,

Gostaria de saber o andamento da requisição #1234
que foi aberta na semana passada.

Há previsão de conclusão?

Atenciosamente

Email Improdutivo

Assunto: Feliz Natal!

Olá equipe,

Desejo a todos um Feliz Natal e um próspero Ano Novo!

Que 2025 seja repleto de realizações.

Abraços!

🎯 Diferenciais do Projeto

• ✨ Interface moderna e profissional
• 🎨 Design system consistente
• 📱 Totalmente responsivo
• ⚡ Performance otimizada
• 🔒 Tratamento de erros robusto
• 📝 Código limpo e documentado
• 🚀 Fácil deploy em múltiplas plataformas

🤝 Contribuições

Contribuições são bem-vindas! Sinta-se à vontade para:

• Reportar bugs
• Sugerir novas funcionalidades
• Enviar pull requests

📝 Licença

Este projeto foi desenvolvido como parte de um desafio técnico e está disponível para fins educacionais.

👤 Autor

Jose Ailton Desenvolvido para o desafio AutoU

📧 Contato

Para dúvidas ou sugestões, entre em contato através do GitHub.

---

⭐ Se este projeto foi útil para você, considere dar uma estrela no GitHub!