Restaurar

Sobre o projeto

O Restaurar é uma plataforma em desenvolvimento na qual a pessoa registra situações do próprio relacionamento e recebe orientações geradas por IA. As respostas utilizam como referência uma base de livros, vídeos, transmissões ao vivo e materiais de formação previamente indexados.

Problema

Modelos de linguagem podem produzir respostas plausíveis sem se apoiar nas fontes desejadas pelo produto. Em um tema sensível como relacionamentos, o projeto também precisa tratar relatos de risco antes de gerar uma orientação.

Solução

O fluxo combina recuperação de conteúdo e uma verificação prévia de risco.

Os materiais são divididos em trechos e indexados. A cada mensagem, os trechos relevantes são recuperados e enviados ao modelo como contexto. Essa técnica, conhecida como RAG (geração aumentada por recuperação), busca fundamentar as respostas nas referências selecionadas.

Antes da geração, a mensagem passa por uma verificação de risco. Quando essa etapa identifica indícios de violência ou risco à vida, o fluxo interrompe a chamada ao modelo e apresenta canais de apoio e emergência, como o Ligue 180 e o 190.

Minha atuação

Sou responsável pela arquitetura do backend e do aplicativo, pela modelagem de dados e pelo processo de indexação do conteúdo. Também desenvolvi a integração com os serviços de IA, a verificação de risco, o controle de uso e a interface.

Principais funcionalidades

• Registro de situações e conversas
• Geração de orientações com contexto recuperado da base de conteúdo
• Recomendações e itens salvos
• Verificação de risco com indicação de canais de apoio
• Limites de uso por período

Arquitetura e decisões técnicas

O backend utiliza Next.js e Supabase, com PostgreSQL, autenticação e políticas de segurança por linha. O aplicativo utiliza React Native, Expo Router, NativeWind e TanStack Query.

O modelo de dados separa perfis de usuários e relacionamentos, conversas, mensagens, fontes, trechos de conteúdo, recomendações e itens salvos.

A verificação de risco ocorre antes da chamada ao modelo. Isso permite aplicar esse fluxo diretamente na aplicação, sem depender apenas de instruções no prompt.

As entradas são validadas e possuem limite de tamanho. O uso de IA é registrado por usuário e por dia, e os limites são consultados antes de cada chamada, ajudando a controlar custos e o uso excessivo.

Desafios técnicos

• Recuperar contexto relevante. O tamanho dos trechos precisa equilibrar preservação de contexto, relevância para a pergunta e custo da requisição.
• Separar a verificação de risco da geração. O tratamento desses casos precisa ocorrer antes que o modelo produza a resposta.
• Controlar o consumo de IA. Registrar o uso no banco e verificar os limites por conta permite aplicar as regras do produto antes de novas chamadas.

Resultado

Projeto em desenvolvimento, com página de apresentação e fluxo principal disponíveis online.

Tecnologias

Next.js, React Native, Expo, TypeScript, Supabase, PostgreSQL, OpenAI e NativeWind.