Como Criar um Dashboard de Análise de Sentimento Financeiro com IA e Python

# Instalação das dependências no terminal
pip install google-genai shiny shinywidgets plotly requests python-dotenv

# Importação das bibliotecas
import requests, json, os
from shiny import reactive
from shiny.express import ui, render, input
import shinywidgets as sw
from google import genai
from google.genai import types
import plotly.graph_objects as go
from dotenv import load_dotenv

# Carrega as variáveis de ambiente do arquivo .env
load_dotenv()

# Inicializa o cliente da API do Gemini
client = genai.Client(api_key=os.getenv("GEMINI_API_KEY"))

# Interface Visual do Shiny
ui.page_opts(title="🤖 Earning Results AI Assistant")
ui.hr()

# Input do usuário
ui.input_text(
    id="url_empresa",
    label=ui.strong("Link dos resultados financeiros (PDF): "),
    value="https://api.mziq.com/mzfilemanager/v2/d/08f327aa-e610-4d9d-b683-8ff0f7caae07/d6ddf4c5-f683-cbce-90fc-4b80822c946c?origin=2",
    placeholder="Insira a URL do PDF aqui",
    width="100%"
)

# Painel principal com os Gauges
with ui.layout_column_wrap(height="200px"):

    with ui.card():
        ui.card_header("Índice de Sentimento")
        @sw.render_widget
        def sentimento():
            return go.Figure(go.Indicator(
                mode="gauge+number",
                value=prompt_ia()["sentimento"],
                domain={"x": [0, 1], "y": [0, 1]},
                gauge={
                    "axis": {"range": [-100, 100]},
                    "bar": {"color": "black"},
                    "steps": [
                        {"range": [-100, 0], "color": "red"},
                        {"range": [0, 100], "color": "green"},
                    ]
                }))

    with ui.card():
        ui.card_header("Índice de Perspectiva Futura")
        @sw.render_widget
        def incerteza():
            return go.Figure(go.Indicator(
                mode="gauge+number",
                value=prompt_ia()["perspectiva"],
                domain={"x": [0, 1], "y": [0, 1]},
                gauge={
                    "axis": {"range": [0, 100]},
                    "bar": {"color": "black"},
                    "steps": [
                        {"range": [0, 50], "color": "red"},
                        {"range": [50, 100], "color": "green"},
                    ]
                }))

# Painéis de Texto (Markdown)
with ui.card():
    ui.card_header("Resultados Positivos")
    @render.ui
    def topicos():
        return ui.markdown("- " + "\n- ".join(prompt_ia()["positivos"]))

with ui.card():
    ui.card_header("Resultados Negativos")
    @render.ui
    def outliers():
        return ui.markdown("- " + "\n- ".join(prompt_ia()["negativos"]))

with ui.card():
    ui.card_header("Sumário Executivo")
    @render.ui
    def resumo():
        return ui.markdown("- " + "\n- ".join(prompt_ia()["resumo"]))

# Função Reativa Principal
@reactive.calc
def prompt_ia():

    ui.notification_show(
        "Baixando os Resultados Financeiros da empresa...",
        type="message",
        duration=5,
    )

    # 1. Fazer o download do PDF
    response = requests.get(input.url_empresa())

    if response.status_code == 200:
        with open("resultados.pdf", "wb") as f:
            f.write(response.content)
        print("Download concluído e salvo como 'resultados.pdf'.")
    else:
        print(f"Erro ao baixar o arquivo. Status code: {response.status_code}")

    ui.notification_show(
        "Comunicado baixado, preparando dados para análise...",
        type="message",
        duration=5,
    )

    # 2. Faz o upload do PDF para a API do Gemini
    arquivo_pdf = client.files.upload(
        file="resultados.pdf",
        config=types.UploadFileConfig(
            display_name="Resultados PDF",
            mime_type="application/pdf"
        )
    )

    # 3. Engenharia de Prompt
    instructions = """
        Você é um Analista de Ações Sênior com amplo conhecimento em análise de demonstrações
        financeiras de empresas brasileiras de capital aberto.
        Você receberá um documento PDF oficial sobre os resultados trimestrais de uma empresa.
    """

    prompt = """Sua tarefa é:

        1. Analisar o sentimento geral do resultado e retornar um índice numérico de -100 a 100 
        (-100 = muito negativo, 0 = neutro, 100 = muito positivo).
        2. Analisar as perspectivas futuras da empresa com base no *guidance* e cenário macroeconômico. 
        Retorne um índice numérico de 0 a 100 (0 = péssima perspectiva, 100 = excelente perspectiva).
        3. Listar os top 5 tópicos positivos apresentados no resultado.
        4. Listar os top 5 tópicos negativos ou riscos apresentados no resultado.
        5. Resumir o comunicado em 5 pontos-chave.

        Retorne sua resposta ESTRITAMENTE no formato de um arquivo JSON com as seguintes chaves exatas:
        "sentimento", "perspectiva", "positivos", "negativos", "resumo".

        Não inclua formatação markdown (como ```json) na sua resposta. Retorne apenas o objeto JSON puro.
    """

    # Gera o conteúdo estruturado
    response = client.models.generate_content(
        model="gemini-2.5-flash",
        contents=[arquivo_pdf, prompt],
        config=types.GenerateContentConfig(
            system_instruction=instructions,
            temperature=0.1, # Temperatura baixa para respostas mais analíticas e determinísticas
            response_mime_type="application/json" # Força a saída em JSON
        )
    )

    ui.notification_show(
        "Analisando dados com IA...",
        type="message",
        duration=5,
    )

    # Converte a string JSON da resposta em um dicionário Python
    ia_response = json.loads(response.text)

    return ia_response