Agente de IA Generativa para educacao financeira personalizada. O foco e ensinar com clareza, usando os dados do cliente como exemplo, sem recomendar investimentos.
O Xino - Educador Financeiro AI e um educador financeiro digital que transforma dados em explicacoes simples e objetivas. Em vez de dizer onde investir, ele ajuda a entender como cada opcao funciona, quais riscos existem e como interpretar o proprio comportamento financeiro.
O que o Xino - Educador Financeiro AI faz:
- ✅ Explica conceitos financeiros em linguagem simples
- ✅ Usa dados reais do cliente para exemplos didaticos
- ✅ Compara produtos por risco, liquidez, custos e tributacao
- ✅ Mostra padroes de gastos e pontos de atencao
- ✅ Reforca limites de escopo e seguranca nas respostas
O que o Xino - Educador Financeiro AI NÃO faz:
- ❌ Nao recomenda investimentos especificos
- ❌ Nao fornece ordem de compra/venda ou alocacao de carteira
- ❌ Nao acessa dados sensiveis (senhas, credenciais, contas)
- ❌ Nao substitui atendimento profissional certificado
Dados financeiros atualizados (mar/2026):
- Selic meta de referencia: 15,00% a.a. (18/03/2026)
- Base de produtos ajustada com faixas de mercado e observacoes de variacao
- Fontes publicas usadas: Banco Central do Brasil e Tesouro Direto
- Links de consulta:
flowchart TD
A[Usuario] --> B[Interface Streamlit]
B --> C[Camada de Prompt e Regras]
C --> D[LLM Local via Ollama]
D --> E[Contexto de Dados JSON e CSV]
E --> D
D --> F[Resposta Educativa Segura]
Stack:
- Interface: Streamlit
- LLM: Ollama (modelo local configuravel, padrao
llama3.2:3b) - Dados: JSON e CSV locais
- Integracao: requests + pandas
├── data/ # Base de conhecimento do agente
│ ├── perfil_investidor.json # Perfil e objetivos do cliente
│ ├── transacoes.csv # Historico de entradas e saidas
│ ├── historico_atendimento.csv # Conversas e temas anteriores
│ └── produtos_financeiros.json # Produtos e referencias de mercado
│
├── docs/ # Documentacao do projeto
│ ├── 01-documentacao-agente.md # Persona, escopo e seguranca
│ ├── 02-base-conhecimento.md # Fontes e estrategia de contexto
│ ├── 03-prompts.md # Prompt principal e exemplos
│ ├── 04-metricas.md # Plano de avaliacao
│ └── 05-pitch.md # Roteiro de apresentacao
│
└── src/
└── app.py # Aplicacao principal Streamlit
# Download: https://ollama.com/
# Modelo padrao (mais leve, recomendado para primeiro setup)
ollama pull llama3.2:3b
# Opcional (mais pesado, melhor qualidade em respostas longas)
# ollama pull gpt-oss
ollama servepip install streamlit pandas requestsstreamlit run src/app.pySe algum passo do Ollama falhar no terminal, use este checklist rapido:
# Verificar se o comando existe
ollama --version
# Se der "comando nao reconhecido", use o executavel completo
"C:\Users\SEU_USUARIO\AppData\Local\Programs\Ollama\ollama.exe" --versionSe o comando com caminho completo funcionar, feche e abra o VS Code/PowerShell e tente de novo.
# Subir o servidor Ollama
ollama serve
# Em outro terminal, testar o modelo
ollama run llama3.2:3b "Responda somente: ok"
# Opcional: testar modelo mais pesado
# ollama run gpt-oss "Responda somente: ok"Para escolher outro modelo no app, defina a variavel de ambiente antes de rodar:
# PowerShell (sessao atual)
$env:OLLAMA_MODEL="gpt-oss"
streamlit run src/app.pyPara modelos mais lentos (ex.: deepseek-r1:8b), aumente o timeout:
# PowerShell (sessao atual)
$env:OLLAMA_TIMEOUT_S="240"
streamlit run src/app.pyErros comuns:
ollama : comando nao reconhecido: terminal antigo sem PATH atualizado; reinicie o terminal ou use o caminho completo doollama.exe.address already in usenoollama serve: o servidor ja esta rodando em outro terminal.- demora no
ollama pull llama3.2:3bouollama pull gpt-oss: normal, modelo grande pode levar tempo. - erro de modelo nao encontrado: instale com
ollama pull <modelo>ou definaOLLAMA_MODELpara um modelo ja instalado (ex.:gpt-oss). - timeout no modelo (ex.:
deepseek-r1:8b): aumenteOLLAMA_TIMEOUT_S(ex.:240) ou teste modelo mais leve. - erro no app sobre conexao com Ollama: confirme que
ollama serveesta ativo antes de rodar o Streamlit.
Print do app em funcionamento:
Pergunta: O que e CDI?
Xino - Educador Financeiro AI: CDI e uma taxa usada como referencia em varios investimentos de renda fixa. Quando um CDB paga 105% do CDI, ele rende 1,05 vez essa referencia no periodo.
No seu caso, seu perfil e moderado e seu foco e reserva de emergencia. Para esse objetivo, o mais importante e entender liquidez diaria, risco baixo e previsibilidade, antes de comparar percentuais.
As taxas mudam com o tempo, entao sempre vale checar a data de referencia. Quer que eu te mostre uma comparacao simples entre Tesouro Selic e CDB liquidez diaria?
Pergunta: Onde estou gastando mais?
Xino - Educador Financeiro AI: Pelas suas transacoes, moradia e alimentacao concentram a maior parte das saidas. Isso costuma ter grande impacto no fluxo de caixa mensal.
Um bom proximo passo e separar despesas fixas e variaveis e definir um limite para gastos flexiveis. Assim voce melhora previsibilidade sem perder qualidade de vida.
Quer que eu te monte um plano de revisao de gastos em 3 passos?
| Metrica | Objetivo |
|---|---|
| Assertividade | A resposta atende exatamente ao que foi perguntado? |
| Seguranca | O agente evita invencao de dados e respeita limites? |
| Coerencia | O conteudo esta alinhado ao perfil e ao contexto do cliente? |
- Educacao orientada a contexto: exemplos com dados reais do cliente
- Execucao local: sem envio de dados para provedores externos
- Prompt reforcado: regras explicitas de escopo, seguranca e incerteza
- Dados atualizados: produtos com referencias de mercado e data-base
- Explicacao acionavel: respostas curtas com proximo passo sugerido
Toda a documentacao tecnica, base de conhecimento, engenharia de prompts e metricas de avaliacao esta na pasta docs/.