Visão Geral
Dashboard financeiro fullstack com backend em Spring Boot e frontend em Next.js. O diferencial é a busca inteligente utilizando RAG (Retrieval-Augmented Generation) com Spring AI e PGVector para consultas em linguagem natural sobre dados financeiros.
Problema Resolvido
Gestores financeiros precisam de respostas rápidas sobre dados da empresa, mas consultas SQL tradicionais exigem conhecimento técnico. Uma interface que aceita perguntas em linguagem natural agiliza a tomada de decisão.
Objetivos
Arquitetura
Frontend em Next.js com Server Components e TailwindCSS. Backend em Spring Boot com Spring AI para integração com LLM. PGVector armazena embeddings para busca semântica. PostgreSQL como banco principal com views materializadas para relatórios financeiros.
Fluxo dos Dados
Usuário faz login → dashboard carrega dados financeiros em tempo real → usuário faz pergunta em linguagem natural → Spring AI converte a pergunta em embedding → PGVector busca dados similares → LLM gera resposta contextualizada com os dados encontrados.
Funcionalidades
Tecnologias
Desafios
Aprendizados
Aprendizado profundo sobre RAG, embeddings e integração de LLMs em aplicações reais. Também evolui na construção de dashboards interativos com Next.js.