O projeto
O LicitaIA surgiu da necessidade de automatizar a busca por oportunidades de licitações públicas. Em vez de realizar pesquisas manuais diariamente, o sistema coleta informações diretamente do Portal Nacional de Contratações Públicas (PNCP), aplica filtros personalizados e utiliza Inteligência Artificial para avaliar o potencial de cada licitação de acordo com o perfil da empresa cadastrada pelo usuário.
Objetivo
Automatizar a busca e análise de licitações públicas.
IA
Classificação inteligente das oportunidades utilizando o Gemini.
Scraping
Coleta automática de licitações diretamente do PNCP.
Resultado
Ranking personalizado das melhores oportunidades para cada empresa.
Galeria
Página Inicial
A página inicial apresenta a proposta da plataforma de forma objetiva, permitindo que o usuário compreenda rapidamente seu funcionamento e os principais benefícios oferecidos para a busca e análise de licitações.
Filtro de Pesquisa
O usuário ou empresa pode personalizar a busca informando critérios como estado, modalidade da licitação, perfil da empresa e palavras-chave. O preenchimento correto do campo "Perfil" é essencial, pois a IA utilizará essas informações para avaliar a compatibilidade entre a empresa e cada oportunidade encontrada.
Lista de Licitações
As licitações são exibidas em formato de lista, destacando as informações mais relevantes e a avaliação de compatibilidade realizada pela IA. Além disso, o usuário pode solicitar uma análise detalhada, na qual a inteligência artificial examina todos os dados disponíveis da licitação e apresenta um resumo claro, organizado e de fácil compreensão.
Stacks utilizadas
Backend
- Python
- Httpx
- Gemini API
Frontend
- Next.js
- React
- TypeScript
- Shadcn UI
Banco
- PostgreSQL
- Alembic
Deploy
- Google Cloud
- Nginx
- Vercel
Automação completa da API do Portal Nacional de Contratações Públicas utilizando Httpx para coleta de licitações.
Integração com a API do Gemini para análise automática e atribuição de score às licitações.
Persistência das licitações e análises em banco de dados para consultas posteriores.Desafios enfrentados
Consumo da API do PNCP
Foi utilizada a biblioteca Httpx do Python para consumir os endpoints da API, onde o principal desafio dessa etapa foi identificar e selecionar corretamente os campos relevantes presentes nos objetos JSON retornados pela API, garantindo que as informações necessárias fossem extraídas, tratadas e armazenadas de forma consistente para utilização pela plataforma.
Integração com IA
Foi o primeiro projeto utilizando modelos de Inteligência Artificial para análise de dados, exigindo estudos sobre engenharia de prompts e interpretação dos resultados.
Modelagem do Banco
A estrutura do banco de dados precisou ser reprojetada diversas vezes até suportar corretamente usuários, pesquisas, licitações e análises realizadas pela IA.
Deploy
O frontend foi hospedado na Vercel, enquanto o backend foi implantado em uma máquina virtual no Google Cloud utilizando Nginx para servir a aplicação em produção.