Ir para o conteúdo

Stack Tecnológica — Dito e Feito

Decisões técnicas e justificativas para a escolha das tecnologias do projeto.

Visão Geral da Stack

Área Tecnologia Justificativa
Frontend Next.js + TypeScript SSR para carregamento rápido, ecossistema React maduro para visualizações
Backend / API Python + FastAPI Naturalmente integrado à stack de IA/NLP; docs automáticas via Swagger
NLP / IA BERTimbau + HuggingFace Modelo treinado em português; preserva nuances do discurso legislativo brasileiro
Banco de Dados PostgreSQL + pgvector Resolve dados relacionais E buscas semânticas em um único sistema
Infraestrutura Docker + GitHub Actions Reprodutibilidade do ambiente; CI/CD automatizado

Justificativas Detalhadas

Frontend: Next.js + TypeScript

Next.js é a escolha mais sólida para um painel navegável por jornalistas e pesquisadores.

  • SSR melhora o carregamento inicial de páginas pesadas de dados
  • O ecossistema React tem as melhores bibliotecas de visualização (Recharts, Chart.js, D3)
  • TypeScript garante segurança de tipos em um sistema com muitos dados estruturados

Alternativa considerada: Streamlit (Python puro) — entrega em 1/3 do tempo, mas sacrifica controle visual e escalabilidade.

NLP: BERTimbau → HuggingFace → Classificador customizado

O pipeline natural é:

spaCy  →  HuggingFace (BERTimbau)  →  Classificador customizado
(pré-processamento)  (embeddings semânticos)  (apoio / oposição / neutro)

Por que BERTimbau?

Modelos treinados em inglês perdem nuances importantes do discurso legislativo brasileiro — jargão, regionalismos e siglas políticas. BERTimbau é inegociável para português político.

Banco de Dados: PostgreSQL + pgvector

PostgreSQL com extensão pgvector resolve dois problemas ao mesmo tempo:

  • Armazena os dados relacionais (parlamentar → discurso → voto)
  • Serve como vector store para buscas semânticas nos embeddings

Sem precisar manter dois sistemas separados (banco relacional + banco vetorial).

Para fase exploratória: DuckDB é excelente para análise local antes de montar o banco de produção.

API: FastAPI

  • Naturalmente integrado porque toda a stack já é Python
  • Documentação automática via Swagger UI
  • Suporte nativo a async para não bloquear a API durante inferência NLP

Alternativas de Tecnologias Levantadas

Frontend

  • Linguagens: JavaScript, TypeScript
  • Frameworks: React, Angular, Vue.js, Next.js

Backend

  • Linguagens: Python, C#, JavaScript
  • Frameworks: Node.js, SpringBoot, FastAPI

Banco de Dados

  • Sistemas: PostgreSQL, MySQL, MongoDB

Infraestrutura

  • Ferramentas: Kubernetes, Docker, GitHub Actions (CI/CD)

Testes

  • Ferramentas: Jest, Cypress, Selenium, JUnit, Pytest

Por: Gustavo Antonio Rodrigues e Silva