Merge pull request #1 from DessimA/dev

Dev

Author: DessimA

.env.example

@@ -0,0 +1,6 @@
+# Credenciais AWS Temporárias (Vocareum)
+# Copie os valores do console da AWS (AWS Details -> Credentials)
+AWS_ACCESS_KEY_ID=sua_access_key
+AWS_SECRET_ACCESS_KEY=sua_secret_key
+AWS_SESSION_TOKEN=seu_session_token
+AWS_REGION=us-west-2

.gitignore

@@ -0,0 +1,29 @@
+# Credenciais e Configurações Dinâmicas
+frontend/shared/config.js
+.env
+*.zip
+function.zip
+
+# Scripts de automação local
+commit.sh
+infrastructure/investigate.sh
+infrastructure/test-iam.sh
+infrastructure/fix-cors.sh
+infrastructure/list-resources.sh
+
+# Arquivos de Debug e Resultados de Teste
+debug-invoke.json
+debug-payload.json
+invoke-result.json
+response.json
+test-payload.json
+test-results.json
+
+# Node dependencies
+node_modules/
+lambda/node_modules/
+
+# Logs e Temporários
+*.log
+.DS_Store
+Thumbs.db

README.md

@@ -1,24 +1,30 @@
 # 🎓 Smart Class Q&A
 
-> **O que é este projeto?** Imagine uma sala de aula online onde os alunos enviam centenas de mensagens. O professor não consegue ler tudo. Nosso sistema funciona como um "filtro inteligente" que separa o que é dúvida do que é conversa, avisando o professor apenas quando ele realmente precisa intervir.
+> **O que é este projeto?** Imagine uma sala de aula online onde os alunos enviam centenas de mensagens. O professor não consegue ler tudo. Nosso sistema funciona como um "filtro inteligente" que separa o que é dúvida técnica do que é interação social, alertando o professor e permitindo que ele foque no que realmente importa: **ensinar**.
 
 ---
 
-## 📖 Glossário para Iniciantes
-
-Se você é novo na nuvem (Cloud), aqui estão os termos que usamos:
-*   **Frontend**: As telas que o usuário vê (o site).
-*   **Backend**: O "cérebro" que roda no servidor, longe dos olhos do usuário.
-*   **AWS S3**: Uma pasta de arquivos na nuvem (onde guardamos o nosso site).
-*   **AWS Lambda**: Uma função que "acorda", faz um trabalho rápido e "dorme". É barata e eficiente.
-*   **DynamoDB**: Nosso caderno de anotações (Banco de Dados). É onde guardamos as dúvidas para sempre.
-*   **Amazon Comprehend**: O serviço de inteligência que "lê" o texto e entende o sentimento.
+## 🌟 Status Atual: Fase 2 (Polished & Functional)
+O projeto evoluiu de um protótipo simples para uma aplicação robusta e visualmente profissional.
+
+### ✅ Novas Funcionalidades
+*   **Design Profissional**: Interfaces migradas para **Bootstrap 5** com tema escuro (Glassmorphism), totalmente responsivas e livres de emojis amadores.
+*   **IA Aprimorada**:
+    *   **Classificação Híbrida**: Combina regras léxicas rigorosas com análise de sentimento e extração de entidades do **Amazon Comprehend**.
+    *   **Blacklist Inteligente**: O sistema agora entende contexto. "Não entendi" é bloqueado se for vago, mas "Não entendi o Lambda" é aprovado.
+    *   **Feedback Loop**: O professor pode sinalizar "Falso Positivo" (Não é dúvida), ajudando a calibrar o sistema.
+*   **UX do Aluno**:
+    *   **Modal de Orientação**: Se o aluno envia uma pergunta vaga, um modal bloqueia a tela orientando-o a adicionar mais detalhes técnicos.
+*   **Dashboard do Professor**:
+    *   **Centro de Comando**: Métricas de IA em tempo real (Acurácia, Confiança, Fallbacks).
+    *   **Top Alunos**: Identifica os alunos mais participativos (maior volume de dúvidas).
+    *   **Auditoria**: Visualização clara do motivo da classificação ("🤖 Motivo: Termo técnico 'EC2' encontrado com sentimento negativo").
 
 ---
 
 ## 🏗️ Arquitetura do Sistema
 
-Aqui está como os componentes conversam entre si. O fluxo segue as setas:
+O sistema é **Serverless**, garantindo custo zero quando ocioso e escala infinita.
 
 ```mermaid
 graph TD
@@ -27,48 +33,61 @@ graph TD
     Professor((👨‍🏫 Professor))
 
     %% Frontend
-    WebApp_Aluno["📱 App do Aluno<br/>(Hospedado no S3)"]
-    WebApp_Prof["💻 Painel do Professor<br/>(Hospedado no S3)"]
+    WebApp_Aluno["📱 Portal do Aluno<br/>(Bootstrap 5 Dark)"]
+    WebApp_Prof["💻 Command Center<br/>(Bootstrap 5 Analytics)"]
 
     %% Backend
-    API["☁️ Gateway de Entrada<br/>(Function URL)"]
-    Lambda["⚙️ Cérebro (Lambda)<br/>(Processa a Lógica)"]
+    API["☁️ Lambda Function URL<br/>(Gateway)"]
+    Logic["⚙️ Core Logic<br/>(Node.js 18)"]
     
     %% Dados e IA
-    DB[("🗄️ Banco de Dados<br/>(DynamoDB)")]
-    IA["🧠 Inteligência Artificial<br/>(Amazon Comprehend)"]
-    SNS["🔔 Notificação SNS<br/>(Avisa o Professor)"]
-
-    %% Fluxo de Envio
-    Aluno -->|Envia Mensagem| WebApp_Aluno
-    WebApp_Aluno -->|Chama API| API
-    API --> Lambda
-
-    %% Processamento
-    Lambda -->|Pergunta: O que é isso?| IA
-    IA -->|Responde: É uma dúvida!| Lambda
+    DB[("🗄️ DynamoDB<br/>(Persistência)")]
+    IA["🧠 Amazon Comprehend<br/>(NLP & Sentiment)"]
+    SNS["🔔 Amazon SNS<br/>(Alertas)"]
+
+    %% Fluxo
+    Aluno -->|POST /mensagem| WebApp_Aluno
+    WebApp_Aluno --> API --> Logic
+    
+    Logic -->|1. Regras Locais| Logic
+    Logic -->|2. Validação NLP| IA
     
-    %% Decisão
-    Lambda -->|Salva no Caderno| DB
-    Lambda -->|Envia Alerta| SNS
-    Lambda -.->|Se for conversa fiada| Descarte[🗑️ Mensagem Descartada]
-
-    %% Fluxo de Leitura
-    WebApp_Prof -->|Verifica se há dúvidas| API
-    API -->|Lê do Caderno| DB
-    DB --> WebApp_Prof
-    WebApp_Prof -->|Toca Alerta Sonoro 🔊| Professor
+    Logic -->|Salva Dúvida| DB
+    Logic -->|Notifica| SNS
+    
+    WebApp_Prof -->|Polling /duvidas| API
+    API -->|Lê Dados| DB
+    WebApp_Prof -->|Alertas Sonoros| Professor
 ```
 
 ---
 
-## 🚀 Como este projeto ajuda?
+## 📖 Glossário Técnico
+
+*   **Frontend**: HTML5, CSS3, Bootstrap 5, Bootstrap Icons, Vanilla JS.
+*   **Backend**: Node.js (AWS Lambda), AWS SDK v3.
+*   **Banco de Dados**: Amazon DynamoDB (NoSQL).
+*   **IA**: Amazon Comprehend (DetectSentiment, DetectKeyPhrases).
+*   **Infra**: Serverless Framework (conceitual) / Shell Scripts manuais.
+
+---
+
+## 🛠️ Instalação e Uso
+
+Para implantar este projeto na sua conta AWS, consulte o guia detalhado em: [**DEPLOY.md**](DEPLOY.md).
 
-1.  **Foco total**: O professor não se distrai com "Bom dia" ou "kkk".
-2.  **Agilidade**: O alerta sonoro garante que a dúvida seja respondida na hora.
-3.  **Organização**: Todas as dúvidas ficam salvas para consulta posterior.
+### Scripts Disponíveis
+*   `tests/test-classifier.js`: Testa a lógica de classificação local.
+*   `tests/test-filters.js`: Valida casos de borda e blacklist contextual.
+*   `infrastructure/deploy.sh`: (Opcional) Script utilitário para deploy simplificado.
 
 ---
 
-## 🛠️ Próximos Passos
-Para instalar o projeto, siga o guia em: [**DEPLOY.md**](DEPLOY.md)
+## 📊 Roadmap & Progresso
+
+- [x] **Fase 1: MVP** (Protótipo funcional, IA básica).
+- [x] **Fase 2: Refinamento** (UI Bootstrap, Modal de Aviso, Blacklist Contextual, Métricas IA).
+- [ ] **Fase 3: Inteligência Avançada** (Integração com LLM/Claude para respostas automáticas, Persistência de Feedback para retreino).
+
+---
+&copy; 2025 Smart Class Q&A System

debug-invoke.json

@@ -0,0 +1,10 @@
+{
+  "rawPath": "/mensagem",
+  "requestContext": {
+    "http": {
+      "method": "POST"
+    }
+  },
+  "body": "{\"message\":\"Teste de Debug Script\",\"email\":\"debug@teste.com\",\"type\":\"text\"}",
+  "isBase64Encoded": false
+}

debug-payload.json

@@ -1,48 +1,78 @@
-# 🧠 O Cérebro do Smart Class
+# 🧠 Algoritmo de Classificação (v2.0)
 
-Para saber se uma mensagem é importante, usamos uma "Peneira Inteligente" que funciona em três camadas. Se uma mensagem passar por todas, ela chega ao professor.
+O coração do Smart Class Q&A é o seu sistema de classificação híbrido, que decide se uma mensagem é uma **DÚVIDA TÉCNICA** (que deve acordar o professor) ou uma **INTERAÇÃO SOCIAL** (que pode ser ignorada ou apenas logada).
+
+A versão 2.0 introduz o conceito de "Contexto sobre Regra", onde a presença de termos técnicos pode anular regras de bloqueio simples.
 
 ---
 
-## 🔬 As 3 Camadas da Peneira
+## 🔬 O Fluxo de Decisão (Pipeline)
+
+O sistema processa cada mensagem em etapas sequenciais:
 
 ```mermaid
 flowchart TD
-    Inicio(["Mensagem do Aluno"]) --> Camada1{"1. Peneira Rápida<br/>(Regras Simples)"}
+    Inicio(["📩 Nova Mensagem"]) --> Normalizacao[("1. Normalização<br/>(Lowercase, remove acentos)")]
+    
+    Normalizacao --> AnaliseLexica{"2. Análise Léxica"}
+    
+    AnaliseLexica -- "Identifica Termos" --> TermosTecnicos["Termos AWS/Tech<br/>(Lambda, EC2, Erro...)"]
+    AnaliseLexica -- "Identifica Padrões" --> Blacklist["Blacklist<br/>('Não entendi', 'Oi')"]
+    
+    TermosTecnicos --> DecisaoLogica{"3. Lógica Contextual"}
+    Blacklist --> DecisaoLogica
+    
+    DecisaoLogica -- "Tem Termo Técnico?" --> SimTermo["✅ Sim (Contexto Rico)"]
+    DecisaoLogica -- "Sem Termo Técnico?" --> NaoTermo["❌ Não (Vago)"]
+    
+    SimTermo --> IA{"4. Validação IA<br/>(Amazon Comprehend)"}
+    NaoTermo -- "Está na Blacklist?" --> Lixeira(["🗑️ Rejeitar (VAGA)"])
+    NaoTermo -- "Score Baixo?" --> Lixeira
     
-    Camada1 -- "Frase muito curta<br/>ou só 'Oi'" --> Lixeira(["🗑️ INTERAÇÃO<br/>Ignorada"])
+    IA -- "Confiança Alta +<br/>Sentimento Negativo/Neutro" --> Aprovado[["🔔 DÚVIDA APROVADA"]]
+    IA -- "Confiança Baixa" --> Fallback["⚠️ Fallback (Usa Regra Local)"]
     
-    Camada1 -- "Frase completa ou<br/>com interrogação" --> Camada2{"2. Peneira Técnica<br/>(Palavras-Chave)"}
+    Aprovado --> Persistencia[("DynamoDB + SNS")]
+```
 
-    Camada2 -- "Tem '?' ou termos como<br/>'Lambda', 'Erro', 'Acesso'" --> Camada3{"3. Peneira de IA<br/>(Amazon Comprehend)"}
-    Camada2 -- "Saudações educadas<br/>'Obrigado', 'Valeu'" --> Lixeira
+---
 
-    Camada3 -- "Detecta Dúvida ou<br/>Problema Técnico" --> Sucesso[["✅ DÚVIDA SALVA"]]
-    Camada3 -- "Elogio social sem<br/>conteúdo técnico" --> Lixeira
+## 📝 Detalhes das Camadas
 
-    Sucesso --> Notificar["🔔 Avisar Professor"]
-```
+### 1. Camada de Regras & Contexto
+Diferente da versão anterior, a blacklist não é absoluta.
+*   **Antes:** Se a mensagem continha "não entendi", era rejeitada (assumia-se vago).
+*   **Agora:** 
+    *   "Não entendi nada" -> **REJEITADA** (Está na blacklist E não tem termo técnico).
+    *   "Não entendi o Comprehend" -> **APROVADA** (Termo técnico "Comprehend" anula a blacklist).
 
----
+### 2. Vocabulário Expandido (`constants.js`)
+O sistema agora reconhece mais de 50 termos técnicos, incluindo:
+*   **Serviços de IA:** Comprehend, Rekognition, Polly, Bedrock.
+*   **Infraestrutura:** EC2, Lambda, VPC, Subnet.
+*   **Conceitos:** Erro, Log, Console, Tela, Configuração.
 
-## 📝 O que cada camada faz?
+### 3. Validação de IA (Amazon Comprehend)
+Se a mensagem passa pelas regras locais, ela é enriquecida pela IA da AWS:
+*   **Sentimento:** Mensagens com sentimento `NEGATIVO` (frustração) ou `NEUTRO` (pergunta técnica direta) ganham pontos.
+*   **Key Phrases:** A IA extrai entidades. Se a confiança da extração for alta, o score da mensagem sobe.
 
-### 1. Camada de Regras (O "Segurança")
-Esta camada é a mais rápida. Ela olha o tamanho da frase. 
-*   Se o aluno digitar apenas "Oi", o sistema já sabe que não é uma dúvida técnica e nem gasta tempo (ou dinheiro) chamando a Inteligência Artificial.
+---
 
-### 2. Camada Técnica (O "Especialista")
-Aqui o sistema procura por palavras importantes da nossa aula, como:
-*   **Serviços AWS**: Lambda, S3, EC2.
-*   **Sinais de Dúvida**: "Como", "Porque", "Erro", "Não funciona".
+## 🔄 O Loop de Feedback (Aprendizado)
 
-### 3. Camada de IA (O "Mestre")
-Esta é a parte mais avançada. Usamos o **Amazon Comprehend** para entender o *sentimento* da frase. 
-*   Se o aluno estiver frustrado ("Não estou conseguindo acessar o link"), a IA detecta isso como algo urgente.
-*   Se for apenas um elogio ("Aula top professor!"), a IA entende que é uma interação social e não interrompe o professor.
+O sistema agora possui um mecanismo de correção humana:
+1.  Se o classificador errar e marcar uma conversa como dúvida, ela aparece no dashboard.
+2.  O professor clica no botão **"✕" (Falso Positivo)**.
+3.  O sistema envia um evento para o endpoint `/feedback`.
+4.  A mensagem é marcada no banco de dados com `correctClassification: 'INTERACAO'`.
+5.  *(Futuro)* Esses dados serão usados para re-treinar o modelo ou ajustar os pesos do classificador automaticamente.
 
 ---
 
-## 💡 Por que usamos IA se já temos regras?
-As regras são ótimas para o óbvio, mas a IA é necessária para o **contexto**. 
-Exemplo: "O S3 está dando erro" não tem um ponto de interrogação, mas é claramente uma dúvida/problema que o professor precisa saber. A IA consegue perceber isso!
+## 📊 Métricas de Decisão
+
+O dashboard exibe em tempo real:
+*   **Confiança Média:** Quão seguro o sistema está de suas classificações.
+*   **Taxa de Fallback:** Quantas vezes o Amazon Comprehend falhou e o sistema teve que confiar apenas nas regras locais.
+*   **Score de IA:** Uma pontuação de 0 a 100 calculada combinando Regras + Sentimento + Entidades.