v0.2 - 19 features: comparator, allergies, gamification, shopping list, achievements, stats, profile, share, bottom nav

backend/app/integrations/openai_client.py

@@ -19,7 +19,7 @@ Responda SEMPRE em JSON válido com esta estrutura exata:
     "proteinas": "<valor, ex: 0g>",
     "carboidratos": "<valor, ex: 35g>"
   },
-  "nutrition_verdict": "<frase curta sobre o perfil nutricional, ex: Alto em açúcar, zero fibras>",
+  "nutrition_verdict": "<frase curta sobre o perfil nutricional>",
   "ingredients": [
     {
       "name": "<nome no rótulo>",
@@ -31,32 +31,50 @@ Responda SEMPRE em JSON válido com esta estrutura exata:
   ],
   "recipe": {
     "title": "<nome da receita saudável>",
-    "description": "<descrição curta, 1-2 frases>",
+    "description": "<descrição curta>",
     "prep_time": "<tempo de preparo>",
-    "calories": "<calorias aproximadas da receita>",
-    "ingredients_list": ["<ingrediente 1>", "<ingrediente 2>", ...],
-    "steps": ["<passo 1>", "<passo 2>", ...],
-    "tip": "<dica nutricional relacionada>"
-  }
+    "calories": "<calorias aproximadas>",
+    "ingredients_list": ["<ingrediente 1>", ...],
+    "steps": ["<passo 1>", ...],
+    "tip": "<dica nutricional>"
+  },
+  "substitutions": [
+    {
+      "name": "<nome do produto alternativo>",
+      "brand": "<marca sugerida ou genérica>",
+      "reason": "<por que é melhor, 1 frase>",
+      "estimated_score": <int 0-100>
+    }
+  ]
 }
 
+REGRAS PARA SUBSTITUIÇÕES:
+- SOMENTE inclua "substitutions" se o score for < 50
+- Sugira 3 produtos REAIS brasileiros que sejam alternativas mais saudáveis
+- Se score >= 50, retorne "substitutions": null
+
 Para a receita:
-- Se o produto for SAUDÁVEL (score > 70): sugira uma receita usando o produto
-- Se o produto for RUIM (score <= 70): sugira uma alternativa saudável que substitua o produto
-- A receita deve ser simples, rápida e brasileira quando possível
+- Se score > 70: sugira receita usando o produto
+- Se score <= 70: sugira alternativa saudável
 
 Critérios para o score:
-- 90-100: Alimento natural, minimamente processado, sem aditivos
-- 70-89: Bom, com poucos aditivos ou processamento leve
-- 50-69: Médio, processado mas aceitável com moderação
-- 30-49: Ruim, ultraprocessado com vários aditivos
-- 0-29: Péssimo, alto em açúcar/sódio/gordura trans, muitos aditivos
+- 90-100: Natural, minimamente processado
+- 70-89: Bom, poucos aditivos
+- 50-69: Médio, processado mas aceitável
+- 30-49: Ruim, ultraprocessado
+- 0-29: Péssimo, alto em açúcar/sódio/gordura trans
 
-Use os dados nutricionais fornecidos quando disponíveis. Estime quando não disponíveis.
-Considere Nutri-Score, classificação NOVA, e ingredientes problemáticos.
-Seja direto e honesto. Use linguagem simples."""
+Use linguagem simples e direta."""
 
-async def analyze_product(product_data: dict) -> dict:
+HEALTH_PROFILE_PROMPTS = {
+    "normal": "",
+    "crianca": "\n⚠️ PERFIL: CRIANÇA. Alerte sobre: excesso de açúcar, corantes artificiais, cafeína, sódio alto. Seja mais rigoroso com ultraprocessados.",
+    "gestante": "\n⚠️ PERFIL: GESTANTE. Alerte sobre: cafeína, adoçantes artificiais, sódio excessivo, conservantes. Priorize folato, ferro, cálcio.",
+    "diabetico": "\n⚠️ PERFIL: DIABÉTICO. Alerte sobre: açúcares, carboidratos refinados, índice glicêmico alto. Valorize fibras e proteínas.",
+    "hipertenso": "\n⚠️ PERFIL: HIPERTENSO. Alerte sobre: sódio (>400mg é ALTO), glutamato monossódico, conservantes com sódio. Limite: <2g sódio/dia.",
+}
+
+async def analyze_product(product_data: dict, user_context: dict = None) -> dict:
     if not settings.OPENAI_API_KEY:
         return _mock_analysis(product_data)
     
@@ -65,21 +83,30 @@ async def analyze_product(product_data: dict) -> dict:
     nutrition_info = product_data.get('nutrition', {})
     nutrition_str = json.dumps(nutrition_info, ensure_ascii=False) if nutrition_info else 'Não disponível'
     
+    system = SYSTEM_PROMPT
+    extra = ""
+    if user_context:
+        hp = user_context.get("health_profile", "normal")
+        system += HEALTH_PROFILE_PROMPTS.get(hp, "")
+        allergies = user_context.get("allergies", [])
+        if allergies:
+            extra = f"\n\n⚠️ ALERGIAS DO USUÁRIO: {', '.join(allergies)}. Destaque QUALQUER ingrediente que possa conter esses alérgenos."
+    
     user_msg = f"""Produto: {product_data.get('name', 'Desconhecido')}
 Marca: {product_data.get('brand', '')}
 Categoria: {product_data.get('category', '')}
 Ingredientes: {product_data.get('ingredients_text', 'Não disponível')}
 Nutri-Score: {product_data.get('nutri_score', 'N/A')}
 NOVA: {product_data.get('nova_group', 'N/A')}
-Dados Nutricionais: {nutrition_str}
+Dados Nutricionais: {nutrition_str}{extra}
 
-Analise este produto com informações nutricionais detalhadas e sugira uma receita."""
+Analise este produto completo."""
 
     try:
         resp = await client.chat.completions.create(
             model=settings.OPENAI_MODEL,
             messages=[
-                {"role": "system", "content": SYSTEM_PROMPT},
+                {"role": "system", "content": system},
                 {"role": "user", "content": user_msg}
             ],
             response_format={"type": "json_object"},
@@ -115,5 +142,74 @@ def _mock_analysis(product_data: dict) -> dict:
         "nutrition": {},
         "nutrition_verdict": "",
         "ingredients": [],
-        "recipe": None
+        "recipe": None,
+        "substitutions": None,
     }
+
+
+PHOTO_PROMPT = """Analise esta foto de um produto alimentar/suplemento. A foto pode mostrar o rótulo, tabela nutricional, ingredientes ou embalagem.
+
+IMPORTANTE: Mesmo que a foto esteja parcial, TENTE extrair o máximo de informações. NUNCA retorne erro se conseguir identificar o produto.
+
+Responda em JSON com este formato:
+{
+  "product_name": "<nome>",
+  "brand": "<marca>",
+  "category": "<categoria>",
+  "ingredients_text": "<ingredientes>",
+  "nutri_score": "<a-e ou null>",
+  "nova_group": <1-4 ou null>,
+  "score": <int 0-100>,
+  "summary": "<resumo 2-3 frases>",
+  "positives": ["..."],
+  "negatives": ["..."],
+  "nutrition": {"calorias":"...","acucar":"...","gordura_total":"...","gordura_saturada":"...","sodio":"...","carboidratos":"...","fibras":"...","proteinas":"..."},
+  "nutrition_verdict": "<frase curta>",
+  "ingredients": [{"name":"...","popular_name":"...","explanation":"...","classification":"good|warning|bad","reason":"..."}],
+  "recipe": {"title":"...","description":"...","prep_time":"...","calories":"...","ingredients_list":["..."],"steps":["..."],"tip":"..."},
+  "substitutions": null
+}
+
+Se score < 50, inclua "substitutions" com 3 alternativas reais brasileiras.
+SOMENTE retorne {"error": "mensagem"} se NÃO for alimento."""
+
+async def analyze_photo(b64_image: str, user_context: dict = None) -> dict:
+    if not settings.OPENAI_API_KEY:
+        return None
+    
+    client = AsyncOpenAI(api_key=settings.OPENAI_API_KEY)
+    
+    system = "Voce eh um nutricionista brasileiro expert em analise de rotulos alimentares."
+    if user_context:
+        hp = user_context.get("health_profile", "normal")
+        system += HEALTH_PROFILE_PROMPTS.get(hp, "")
+    
+    prompt = PHOTO_PROMPT
+    if user_context and user_context.get("allergies"):
+        prompt += f"\n\n⚠️ ALERGIAS: {', '.join(user_context['allergies'])}. Destaque alérgenos!"
+    
+    for detail_level in ["low", "auto"]:
+        try:
+            resp = await client.chat.completions.create(
+                model="gpt-4o",
+                messages=[
+                    {"role": "system", "content": system},
+                    {"role": "user", "content": [
+                        {"type": "text", "text": prompt},
+                        {"type": "image_url", "image_url": {"url": f"data:image/jpeg;base64,{b64_image}", "detail": detail_level}}
+                    ]}
+                ],
+                response_format={"type": "json_object"},
+                temperature=0.3,
+                timeout=30,
+                max_tokens=1500,
+            )
+            result = json.loads(resp.choices[0].message.content)
+            if result.get("error"):
+                continue
+            return result
+        except Exception as e:
+            print(f"OpenAI photo error (detail={detail_level}): {e}")
+            continue
+    
+    return None