🧪 IA-Lab: Laboratório de Inteligência Artificial com Bun & Ollama

Bem-vindo ao IA-Lab, um projeto experimental para explorar as capacidades dos modelos de linguagem locais (LLMs) utilizando o ecossistema Bun e o Ollama.

Este laboratório evolui de um simples script de chat até um assistente multimodal completo integrado ao Telegram.

---

🚀 Tecnologias Utilizadas

• Bun: Runtime JavaScript focado em performance (servidor, gerenciamento de pacotes e testes).
• Ollama: Orquestrador de LLMs locais.
• Gemma 4 E2B: Modelo multimodal (Texto/Visão/Áudio) da Google.
• Whisper: Modelo oficial da OpenAI para transcrição de áudio (Speech-to-Text).
• Grammy: Framework para criação de bots de Telegram.
• SQLite: Banco de dados local para persistência de memória.
• TypeScript: Desenvolvimento com tipagem forte.

---

📈 Trilha de Evolução

Etapa	Funcionalidade	Descrição
01-08	Fundação & Web	Setup, Streams, Contexto, SQLite, API REST e Interface Web.
09	Integração Telegram	Bot para interação em grupos e chats privados via Grammy.
10	Visão Multimodal	Upgrade para Gemma 4 E2B, permitindo que o bot "veja" e analise fotos.
11	Comandos de Voz	Integração do Whisper Oficial via ambiente isolado para transcrição de áudio.

---

🛠️ Como Executar

1. Configuração do Telegram

Crie um arquivo .env na raiz do projeto:

TELEGRAM_TOKEN=seu_token_aqui

2. Pré-requisitos

Certifique-se de ter o Bun, Ollama, FFmpeg e Python 3 instalados.

# Modelos Ollama
ollama pull gemma4:e2b

# Ambiente Isolado Python (para o Whisper)
python3 -m venv .venv
./.venv/bin/pip install openai-whisper

# Dependências de sistema (Mac)
brew install ffmpeg

3. Instalação & Execução

bun install
bun run index.ts

---

🤖 Funcionalidades do Bot

O bot agora é um assistente completo:

🎤 Voz (Speech-to-Text)

O bot utiliza o modelo Whisper small rodando localmente para garantir alta precisão em Português.

• O processamento é feito em um ambiente Python isolado (.venv).
• Suporta áudios do Telegram (OGG/Opus) convertidos via FFmpeg.

📸 Visão (Computer Vision)

Graças ao Gemma 4 E2B, o bot pode:

• Descrever o que vê em uma imagem.
• Responder perguntas sobre o conteúdo visual.
• Ler textos e identificar objetos.

🧠 Memória Persistente

Todas as conversas (texto, transcrição de áudio e análise de imagem) são salvas no banco ia.sqlite, permitindo que o bot lembre do contexto anterior.

---

🛡️ Notas de Desenvolvimento

• Isolamento: O ambiente Python (.venv) e os arquivos temporários de áudio são ignorados pelo Git para manter o repositório leve.
• Performance: Usamos o modelo Whisper small por padrão para equilibrar velocidade e precisão no Mac.
• Privacidade: Todo o processamento de IA (Texto, Imagem e Voz) ocorre localmente na sua máquina.

---

Feito com ❤️ no IA-Lab.