Prompt Completo para Desenvolvimento do Sistema
de Automação: "Diagnóstico Energético Assimétrico"
Visão Geral do Projeto
Desenvolver um sistema de automação para o "Diagnóstico Energético Assimétrico", uma
plataforma inovadora que visa otimizar os gastos com energia elétrica para consumidores
residenciais e pequenos negócios. O sistema transformará dados complexos de contas de
energia em clareza financeira acionável, identificando potenciais de economia e monetizando-
os através de soluções otimizadas. A arquitetura será baseada em microsserviços modulares
com foco em serverless, priorizando escalabilidade, resiliência e otimização de custos.
Objetivo Principal
Implementar um Produto Mínimo Viável (MVP) que demonstre a capacidade de ingestão,
parsing, análise básica e apresentação de diagnóstico de contas de energia, com um modelo
de monetização inicial via geração de leads.
Stack Tecnológico Principal
● Frontend: React ([Link])
● Backend: Python com FastAPI
● OCR: AWS Textract (com potencial fallback para Tesseract)
● Banco de Dados: PostgreSQL (para dados estruturados e base de conhecimento),
AWS S3 (para armazenamento temporário de arquivos de conta)
● Infraestrutura: AWS (S3, Lambda, API Gateway, SQS, RDS, CloudWatch, KMS,
Terraform para IaC)
● Filas de Mensagens: AWS SQS
● Cache: Redis
Fases de Desenvolvimento (Sprints de 2 semanas)
Fase 1: Coleta e Diagnóstico Básico (Sprints 0-2)
Objetivo: Provar a capacidade de ingestão, parsing e análise básica de uma única
concessionária (Enel SP).
Entregáveis Chave:
● Infraestrutura básica provisionada (IaC).
● Endpoint de upload funcional.
● Integração com AWS Textract para OCR.
● Parser para faturas da Enel SP (JSON padronizado).
● Base de conhecimento inicial de tarifas da Enel SP.
● Algoritmo de análise de tarifa (Tarifa Branca) implementado.
● Geração de JSON de diagnóstico.
● Fila de processamento assíncrona.
● Monitoramento e logging básicos.
Backlog Priorizado:
1. Sprint 0: Fundações e Setup
● Provisionar infraestrutura básica (VPC, S3, Lambda, API Gateway, RDS
PostgreSQL) usando Terraform.
● Configurar monitoramento básico (CloudWatch) e logging centralizado.
2. Sprint 1: Módulo de Ingestão e Parsing
● Implementar API REST (FastAPI) para upload de arquivos (PDF/JPG/PNG).
● Integrar com AWS SQS para processamento assíncrono.
● Desenvolver função Lambda para invocar AWS Textract e armazenar resultado
bruto no S3.
● Desenvolver parser (Python) para faturas da Enel SP, convertendo output do
Textract em JSON padronizado.
3. Sprint 2: Módulo de Análise e Diagnóstico
● Popular PostgreSQL com estruturas tarifárias da Enel SP e dados históricos de
bandeiras tarifárias.
● Implementar algoritmo (Python) para simular custo na Tarifa Branca e comparar
com a tarifa atual (economia >10%).
● Consolidar resultados em um JSON de diagnóstico padronizado.
● Realizar testes de integração ponta-a-ponta e testes de performance (SLA de 30
segundos).
Fase 2: Visualização e Geração de Leads (Sprints 3-4)
Objetivo: Apresentar o diagnóstico ao usuário de forma impactante e iniciar a monetização via
geração de leads.
Entregáveis Chave:
● UI de upload e processamento.
● Dashboard de resultados com destaque de economia e plano de ação.
● Formulário de captura de leads.
● Guia para ações simples.
Backlog Priorizado (Exemplos):
1. Sprint 3: Interface do Usuário
● Desenvolver interface React ([Link]) para upload de arquivos e exibição de
animação de processamento.
● Construir o dashboard de resultados, exibindo potencial de economia,
diagnóstico principal e plano de ação.
2. Sprint 4: Automação e Monetização
● Implementar formulário para captura de leads (ações complexas).
● Desenvolver páginas de conteúdo para guias de ações simples.
Fase 3: Expansão e Otimização (Sprints 5 em diante)
Objetivo: Expandir para mais concessionárias, refinar modelos de análise e monetização, e
otimizar a experiência do usuário.
Entregáveis Chave:
● Parsers para 4 novas concessionárias (CPFL, Light, Cemig, Neoenergia).
● Melhorias nos algoritmos de análise (consumo, tributária).
● Integração com CRM.
● Testes A/B na UI.
Requisitos Não-Funcionais
● Segurança: Conformidade LGPD, criptografia (AES-256 at rest, TLS 1.3 in transit),
anonimização de dados, controle de acesso (RBAC), auditoria, consentimento explícito.
● Escalabilidade: Arquitetura serverless para picos de upload.
● Velocidade (SLA): Processo ponta-a-ponta ≤ 30 segundos para 95% dos casos.
● Precisão: Taxa de erro na extração de dados < 1%; lógica de cálculo 100% precisa.
● Disponibilidade: 99.5% (Ingestão), 99% (Parsing), 99.9% (Tarifa Engine), 99% (Regras
& Alertas), 98% (Dashboard MVP).
● Antifragilidade: Reação a novos layouts de fatura com alerta claro de falha, parsers
robustos.
● Manutenibilidade: Parsers e código de fácil manutenção.
● Observabilidade: Monitoramento de latência, erros e custos.
Estratégia de Integração de APIs
● Crawlers/Workers Dedicados: Workers assíncronos para cada API externa (ANEEL,
IBPTax, CCEE, ONS, Clima).
● Frequência de Coleta: Diária/horária para dados críticos; semanal/mensal para outros.
● Versionamento e Rollback: Armazenamento imutável de dados brutos (S3);
versionamento de dados tarifários com rollback.
● Validação e Monitoramento: Validação de schema e conteúdo; alertas para
divergências (>2%); monitoramento de disponibilidade/latência.
● Resiliência: Circuit Breakers, retries com backoff exponencial, cache (Redis).
Modelo de Dados Preliminar
Entidades principais: Usuário, Conta de Energia (Fatura), Diagnóstico, Ação Recomendada,
Concessionária, Bandeira Tarifária Histórica, Alíquotas de Imposto, Lead. Relacionamentos
definidos para suportar as funcionalidades.
Diagramas de Arquitetura
Os diagramas de arquitetura do sistema e de integração de APIs (em formato Mermaid) estão
disponíveis para visualização e servirão como guia visual para o desenvolvimento.
Recomendações para a IA de Automação
Para um projeto com essa complexidade e requisitos específicos, a IA ideal para realizar a
automação deve possuir as seguintes capacidades:
1. Proficiência em Desenvolvimento Full-Stack: Capacidade de gerar código para
Frontend (React/[Link]) e Backend (Python/FastAPI) de forma integrada.
2. Experiência em Cloud (AWS): Habilidade para provisionar e gerenciar infraestrutura
AWS usando Terraform, e integrar serviços como Lambda, SQS, RDS, S3, API
Gateway, CloudWatch e KMS.
3. Processamento de Dados e Machine Learning: Capacidade de integrar e otimizar
soluções de OCR (AWS Textract, Tesseract), desenvolver algoritmos de análise de
dados complexos e lidar com grandes volumes de informações.
4. Integração de APIs: Expertise em consumir e gerenciar múltiplas APIs externas,
implementando estratégias de resiliência (Circuit Breakers, retries, cache).
5. Gerenciamento de Projetos e Sprints: Capacidade de organizar o desenvolvimento
em fases e sprints, gerenciar backlog, e monitorar KPIs de progresso.
6. Segurança e Conformidade: Conhecimento aprofundado em LGPD, criptografia,
anonimização de dados e controle de acesso.
7. Geração de Documentação: Habilidade para gerar e manter documentação técnica
detalhada, incluindo diagramas de arquitetura.
Considerando essas capacidades, uma IA de desenvolvimento autônomo de próxima
geração seria a mais indicada. Plataformas como Google Gemini (com acesso a
ferramentas de desenvolvimento e cloud), ou sistemas autônomos especializados em
engenharia de software, seriam capazes de interpretar este prompt e executar as tarefas de
desenvolvimento, provisionamento de infraestrutura, integração e testes de forma iterativa e
autônoma. É crucial que a IA tenha acesso a um ambiente de sandbox com permissões para
interagir com serviços de nuvem e ferramentas de desenvolvimento.
Este prompt serve como um guia abrangente para uma IA que possa atuar como um
engenheiro de software autônomo, capaz de transformar requisitos de alto nível em um sistema
funcional e robusto.