GREEN PULSE AGENT
GREEN PULSE AGENT
Projeto arquivado: o backend não está mais ativo. Esta página existe só para portfólio.
Um copiloto de IA para pré-análise financeira e climática de projetos de energia solar.
Construí este projeto sozinha em 45 dias para o hackathon Build with Gemini, promovido pelo XPRIZE. A proposta era simular como um banco ou uma consultoria ambiental poderia triar rapidamente a viabilidade financeira e climática de um projeto de energia solar.
O sistema recebe os dados de investimento de um cliente, calcula indicadores financeiros reais (VPL, TIR, payback) em Python, e usa o Gemini só para escrever a narrativa do relatório — nunca para inventar os números. No fim, ele gera um PDF e cobra pelo acesso via Stripe.
Hoje o projeto está arquivado. Ao planejar adequá-lo para o mercado brasileiro, percebi que faltava o passo mais importante: confirmar se alguém pagaria por ele antes de construir mais. Fica aqui como registro do aprendizado — a inscrição original está no Devpost.
O cliente informa investimento, economia mensal esperada e localização.
VPL, TIR e payback são calculados em Python (numpy-financial), não pelo modelo de linguagem.
O Gemini 2.5 Flash transforma os números em um resumo executivo, no estilo de um parecer de crédito.
O PDF só é liberado após o pagamento no Stripe, por um token de acesso único.
Capturas da aplicação real, gravadas para a submissão do hackathon.
Esta parte roda de verdade, no seu navegador — é a mesma matemática do motor original, só que sem servidor.
Ajuste os valores e clique em “Rodar análise” para ver os indicadores.
VPL, TIR e payback usam exatamente as mesmas fórmulas do motor original (240 meses, numpy-financial): payback é investimento/economia arredondado para cima, e o VPL/TIR usam a taxa composta mensalmente. No produto real, a taxa de desconto não era digitada por ninguém — ela era proposta pelo Gemini para o mercado e a moeda do cliente. Esta demo usa a mesma tabela fixa por moeda que o motor real usava só quando a IA falhava (por isso você escolhe a moeda, não a taxa).
O carbono evitado (tCO2e) não entra nesta calculadora: no produto real, esse número era estimado pelo Gemini a partir de dados reais de irradiância solar da localização informada — nunca uma fórmula fixa. O relatório de exemplo abaixo mostra o valor que a IA estimou para aquele caso real (48 tCO2e/ano).
Relatório gerado durante o hackathon para um cliente fictício. Todos os dados são simulados.
Gravado para a submissão do hackathon, em inglês com legendas em português. Assistir no YouTube