Plataforma inteligente de descoberta, pesquisa e comparação de produtos.

Projeto de portfólio de engenharia — arquitetura moderna, cloud-native, dados e IA aplicada


O que é

O ProductSearcher ajuda o consumidor a decidir o que comprar com menos esforço. Em vez de abrir Google, YouTube, Reddit, marketplaces e blogs para responder algo como "melhor notebook para programação em 2026", o usuário recebe ranking, comparações e explicações em um só lugar.

O diferencial central é o assistente contextual via extensão Chrome: quando o usuário pesquisa um produto no Google, o ProductSearcher detecta a intenção e responde automaticamente — sem precisar abrir um chat.

💡 Princípio norteador: o ProductSearcher não é um chatbot. É uma plataforma de descoberta de produtos que usa IA quando agrega valor, mas continua funcionando sem ela.

Problema

A descoberta de produtos hoje é fragmentada e cansativa. Decidir uma compra exige cruzar dezenas de fontes (busca, reviews, fóruns, marketplaces, avaliações), consumindo horas. Há espaço para reduzir drasticamente esse atrito entregando respostas rápidas, contextualizadas e confiáveis.

Posicionamento

Não é marketplace, comparador de preços, plataforma de cashback nem chatbot genérico. É uma Intelligent Product Discovery Platform: compreende a intenção de compra, encontra produtos relevantes, sintetiza informação, compara e explica recomendações.

Escopo do MVP

Incluído Fora do MVP
Catálogo de produtos (seed curado) Cashback, cupons, afiliados
Busca textual Marketplace próprio / pagamentos
Comparação de produtos App mobile
Ranking de resultados Autenticação de usuários
Interface web + extensão Chrome (showcase) Agentes autônomos / workflows avançados

Categorias do MVP: poucas categorias de eletrônicos (ex.: notebooks + fones), com modelagem de specs category-aware. Expansão de categorias é incremental.

Decisões fundacionais

Cada decisão é registrada como ADR, sempre com alternativas descartadas, caminho de evolução e gatilho de revisão.

  1. Aquisição de dados — dataset seed curado. Catálogo montado manual/semi-automático para o MVP. Ingestão automatizada e fontes externas ficam para fases posteriores.
  2. Datastore — Postgres-only. Busca textual (Full-Text Search) e busca vetorial (pgvector) no mesmo banco (Supabase). Embeddings com modelo open-source local. Evolução: Qdrant/OpenSearch atrás de uma interface (SearchProvider/VectorProvider) quando a escala exigir.