Orçamentista Autônomo
Hackathon Converge Challenge powered by Tako · Porto Digital, Recife · 7–8/11/2026
O arquiteto sobe a lista de materiais do projeto e recebe, em poucos minutos, um estudo de viabilidade: preço
mínimo, médio e máximo de cada item com as lojas de onde veio, quantas embalagens comprar, o que ainda precisa
de especificação, onde comprar e se cabe no orçamento do cliente.
Aviso sobre o repositório: este repositório é um fork do original, enzoemanuelgl/Converge-Challenge.
Durante o hackathon, a conta da Vercel do Enzo bateu no limite de deploys do plano gratuito, e os builds passaram a falhar.
Para continuar publicando, o projeto passou da conta de enzoemanuelgl para a de Joaomoura07: o fork é o
repositório principal e o site e a API são publicados a partir dele. O histórico de commits do time foi preservado.
O problema
Montar orçamento e estudo de viabilidade é trabalho manual: a lista sai do Revit, do SketchUp ou de uma planilha, e o
arquiteto pesquisa preço loja por loja, converte metro quadrado em latas e caixas e soma tudo. Uma lista de 50 itens
leva horas e cada preço fica sem rastro de onde veio.
Como funciona
- Entrada: nome, CEP e orçamento do cliente; lista importada (CSV, Excel —
.xlsx, .xls e .xlsm —,
TXT do Revit ou PDF com texto), planta em DXF, modelo BIM em IFC ou modelo SketchUp (SKP).
Também aceita digitação manual e arquivos de exemplo. Todas as entradas alimentam a mesma lista editável para revisão.
- Revisão antes de gastar IA: regras apontam erros (unidade incompatível, quantidade fora da faixa, duplicados,
colunas trocadas) e sugerem itens que costumam faltar (argamassa e rejunte para porcelanato, selador para pintura).
Nada muda sem o clique do arquiteto.
- Pesquisa agêntica, item por item, ao vivo na tela (Supabase Realtime):
- cache de preços (7 dias);
- busca nas lojas (Tavily, DuckDuckGo de reserva) e em lojas da cidade da obra;
- um modelo rápido lê cada anúncio, extrai preço e embalagem e confere se é o mesmo produto;
- conferências sem IA descartam o que não presta: preço que não está escrito no anúncio, código do produto lido
como preço, embalagem que não bate com o título, ferramenta no lugar do material, fonte que não é loja;
- quando faltam lojas, um agente ReAct (GLM-5.2, tool calling) lê o que deu errado, reformula a busca e tenta
de novo (até 2 vezes);
- o cálculo (Python, sem IA) tira outliers, monta a faixa de preço, converte o quantitativo em embalagens com
perda e dá a confiança.
- Item genérico ("tinta branca") recebe faixa estimada e uma pergunta objetiva ao arquiteto. A resposta
dispara uma nova pesquisa daquele item.
- Resultado: plano de compra por loja, viabilidade (cabe ou quanto falta, com sugestões de economia), ganho de
tempo e custo de IA, e exportação em Excel.
Regra de ouro: nenhum preço sem fonte. Cada pesquisa gera um trace no Langfuse com cada busca, cada chamada ao
LLM, tokens, custo e tempo.
Arquitetura
Site (Next.js, Vercel) ── POST /orcamentos ──▶ API FastAPI (Vercel)
▲ │ grava itens "buscando"
│ Realtime ▼
Supabase ◀── grava cada item pronto ── pesquisar_orcamento (mesma requisição)
(orcamentos, ├─ cache_precos
orcamento_itens, ├─ busca: Tavily / DuckDuckGo / lojas da região
cache_precos) ├─ extração: Qwen3-32B (reserva Mistral Small 3.2)
├─ agente ReAct: GLM-5.2 (reserva Qwen3-32B)
├─ cálculo: embalagens, perda, faixa, confiança
└─ fim: logística, viabilidade, ganho (Fatia C)
Langfuse ◀── 1 trace por orçamento (sessão = id do orçamento)
| Pasta / arquivo | O que tem |
|---|
src/rotas_orcamentos.py | POST /orcamentos: valida, classifica, grava e chama a pesquisa |
src/revisao.py, src/rotas_revisao.py | Revisor E1 e POST /revisao/sugestoes/completo |
src/complementos.py | Itens que costumam faltar (E2) |
src/pesquisa.py, src/busca.py, src/precos.py, src/calculo.py, src/compra.py, src/cache.py | Pesquisa de preço (Fatia B) |
src/orcamento.py | Pesquisa do orçamento no banco, "Pesquisar de novo" e "Responder" |
src/alternativas.py | "Pesquisar de novo" buscando maior qualidade, menor preço ou semelhante |
src/logistica.py, src/viabilidade.py, src/ganho.py, src/exportar.py, src/rotas_resultado.py | Resultado (Fatia C) |
src/agent.py, src/tools.py | Loop ReAct e registro de ferramentas |
prompts/ | Prompts versionados |
sql/002_orcamentos.sql | SQL único das tabelas, funções, RLS e Realtime |
frontend/ | Site (Next.js + TypeScript) |
tests/, frontend/src/**/*.test.ts | Testes do backend (pytest) e do site (vitest) |
Rodar localmente
Requer Python 3.11+ e Node 20+.
pip install -r requirements.txt
cp .env.example .env # preencha as chaves
python -m scripts.check_setup # valida Featherless, Langfuse, Supabase, Tavily
uvicorn src.main:app --reload # API em http://localhost:8000
cd frontend && npm ci && npm run dev
Banco: rode sql/002_orcamentos.sql no SQL Editor do Supabase (pode rodar de novo: é idempotente) e confira com
sql/verificar_supabase.sql.
This is the beginning of the README. Read the rest at the original. Read the full README ↗
