# 🛡️ Análise do Sistema Point.IA.br
**Point.IA.br** é um ecossistema de inteligência tática e gestão operacional focado em cenários de missão crítica. Desenvolvido com uma abordagem *Serverless*, foca em alta performance e design imersivo.
---
## 🏗️ Arquitetura do Sistema
O sistema utiliza uma arquitetura moderna e baseada em microsserviços/funções serverless, onde o front-end atua como uma interface consolidada (Shell) que consome APIs e processa dados *client-side* quando necessário (ex: Inteligência Artificial).
```mermaid
graph TD
A[Frontend Shell<br>index.html + iframe] --> B(Módulos PWA / HTML)
B --> C1[Scanner Biométrico<br>WASM + ONNX]
B --> C2[OSINT Engine]
B --> C3[Transcrição de Áudio]
B --> C4[Módulos Operacionais<br>Assunção / Escala]
C2 -.-> D[Vercel Serverless API<br>api/index.js]
C3 -.-> D
C4 -.-> D
D --> E[(PostgreSQL<br>Dados Operacionais)]
D --> F[(DuckDB / S3<br>Data Lake Parquet)]
D --> G[APIs Externas<br>Groq / BrasilAPI]
```
### Componentes Principais
1. **Frontend Shell (`index.html`):** Atua como um contêiner base (Single Page Application via Iframe). Ele gerencia a navegação global, segurança inicial e barra lateral através do `main.js` e `menu_sidebar.js`.
2. **Backend Serverless (`api/`):** Utiliza Node.js 18+ em ambiente Vercel. A rota unificada (`api/index.js`) e módulos de notificação (`api/notify.js`) atuam como proxy seguro e orquestrador de chamadas a bancos de dados.
3. **Data Lake & Banco de Dados:**
* **PostgreSQL:** Utilizado para armazenamento persistente de dados transacionais, como folgas e escalas (definido em `schema.sql`).
* **DuckDB:** Processamento de dados analíticos (OLAP) e leitura de arquivos Parquet hospedados em Buckets S3 (como R2 da Cloudflare), ideal para buscas em datasets massivos sem gargalos de I/O de um DB relacional.
---
## 🛠️ Tecnologias Identificadas
| Camada | Tecnologias Utilizadas |
| :--- | :--- |
| **Frontend** | Vanilla JS, HTML5, CSS3, PWA (`manifest.json`, `sw.js`), WebAssembly (WASM) |
| **Backend** | Node.js (v18+), Vercel Serverless Functions |
| **Bancos de Dados** | PostgreSQL (módulo `pg`), DuckDB (`duckdb-lambda-x86`) |
| **Inteligência Artificial** | face-api.js (Modelos ONNX locais), Groq API (Whisper-v3 Large) |
> [!TIP]
> **Processamento Híbrido**
> O sistema faz um uso inteligente dos recursos de processamento. Tarefas pesadas e sensíveis à privacidade (como detecção facial) são processadas *client-side* via WebAssembly. Tarefas que exigem hardware especializado de IA (Transcrição) são delegadas ao backend usando processadores otimizados (Groq LPU).
---
## 🛰️ Módulos e Funcionalidades
* **Scanner Biométrico (`scanner.html`):** Detecção de faces, emoções e *landmarks* utilizando processamento local.
* **Pesquisa OSINT (`osint.html`):** Motor de busca rápida e forense sobre entidades (CNPJ, CPF) com alta performance suportada por bancos colunares.
* **Áudio e Transcrição (`audio.html`):** Interface para captura e envio de áudio, retornando dados estruturados.
* **Gestão Operacional (`assuncao.html`, `controlededispensas.html`, `controle_escala.html`):** Workflow administrativo para registro de equipes, turnos, folgas e cálculo de escalas, persistindo diretamente no PostgreSQL.
* **PWA (`pwa_install.html`, `sw.js`):** O sistema é um Progressive Web App, podendo ser instalado localmente nos dispositivos (mobile/desktop).
---
## 🎨 Design System
O projeto adota uma estética **Cyber-Panel UI/UX**, muito focada no segmento de segurança e inteligência militar/policial.
* Usa tons escuros (Dark Mode).
* Detalhes fluorescentes (Neon Cyan/Pink).
* Efeitos de *glassmorphism* (fundo translúcido embaçado) para proporcionar uma imersão de "console de operação".
* Os estilos estão centralizados em `style.css`.
> [!IMPORTANT]
> O arquivo `schema.sql` demonstra um suporte robusto para Multi-Tenancy básico, dividindo tabelas de equipes ou relacionando empresas a usuários para as escalas.
## ⚙️ Conclusões e Pontos de Atenção
O sistema é maduro do ponto de vista arquitetural, seguindo padrões modernos e otimizados:
1. **Redução de Custos:** Usar DuckDB para OLAP serverless remove a necessidade de manter instâncias EC2 pesadas apenas para data analytics.
2. **Segurança e Privacidade:** Tem um controlador de segurança rudimentar (`security.js`) e foca em não trafegar biometria desnecessária na rede.
3. **Vercel-Optimized:** As dependências do `package.json` estão perfeitamente ajustadas para as restrições da AWS Lambda subjacente à Vercel (ex: `duckdb-lambda-x86`).
Nenhum comentário:
Postar um comentário