Sobre o Lasanheiro.app
A plataforma que usa inteligência artificial para ajudar você a avaliar veículos usados antes de fechar negócio — de graça.
Como foi desenvolvido
O Lasanheiro é um projeto que nasceu de um experimento radical: aproximadamente 99% do código-fonte foi escrito por inteligência artificial. A ferramenta utilizada foi o Claude Opus 4.6 da Anthropic, integrado diretamente ao VS Code como assistente de programação em tempo real.
O papel da equipe de desenvolvimento foi definir a arquitetura, as decisões de produto e a direção técnica — escolhendo o stack, desenhando os fluxos de dados, definindo a estrutura de banco e orientando o que deveria ser construído. A IA ficou responsável pela implementação: escrever componentes, montar APIs, configurar integrações, estilizar a interface e resolver bugs.
O resultado foi uma plataforma completa e funcional — com autenticação, banco de dados em tempo real, processamento assíncrono com IA generativa, internacionalização, PWA e monetização — desenvolvida em aproximadamente 30 horas de trabalho. Um prazo que seria impensável para uma equipe tradicional entregando o mesmo escopo.
Isso não significa que o processo foi "apertar um botão". Trabalhar com IA como co-programador exige clareza de raciocínio, boa capacidade de revisão de código, e saber conduzir a ferramenta com prompts precisos. A IA acelera brutalmente a execução, mas a visão de produto, a curadoria e o controle de qualidade continuam sendo humanos.
O Lasanheiro é, em si, uma demonstração prática de como o desenvolvimento de software está mudando — e de como a combinação entre direção humana e execução por IA pode gerar produtos reais, funcionais e com qualidade de produção.
O que é o Lasanheiro?
O Lasanheiro.app é uma plataforma gratuita e aberta para avaliação de veículos usados. O nome vem da gíria "lasanha" — usada para descrever um carro cheio de problemas escondidos, aquele que parece bonito por fora mas tem uma camada de dor de cabeça em cima da outra.
A ideia é simples: antes de comprar um carro, você seleciona marca, modelo e ano, e a plataforma gera automaticamente uma análise completa usando IA. O resultado inclui:
Resumo inteligente
Uma visão geral do veículo gerada por IA, com pontos fortes e fracos.
Problemas crônicos
Lista de defeitos comuns daquele modelo, baseada em fontes reais.
Checklist de inspeção
Itens para verificar presencialmente, com checkboxes para marcar.
Índice de Problemas
Uma nota de 0 a 10 que mede o potencial de problemas do veículo.
Como funciona?
- 1
Selecione o veículo
Escolha marca, modelo e ano usando dados oficiais da tabela FIPE.
- 2
A IA analisa
O Lasanheiro usa Google Gemini para gerar uma análise completa, com resumo, problemas crônicos, checklist de inspeção e o Índice de Problemas.
- 3
Consulte na hora
Leve o checklist no celular quando for ver o carro e confira cada item da inspeção.
- 4
Compare e decida
Monte sua coleção com vários veículos e compare notas, preços FIPE e problemas.
Funcionalidades
Acesso público
Todas as avaliações são públicas. Qualquer pessoa pode consultar, mesmo sem cadastro.
Nuvem
Sua coleção fica salva na nuvem. Acesse de qualquer dispositivo, a qualquer hora.
Login seguro
Autenticação via Google — sem senha, sem formulário de cadastro, sem dados sensíveis.
Programa de indicação
Convide amigos e ganhe veículos extras na sua coleção. Cada indicação vale +1 crédito.
Comunidade
Uma plataforma criada com a comunidade. Sugestões e feedbacks são bem-vindos!
PWA
Instale como aplicativo no seu celular ou computador direto pelo navegador.
</>
Para Nerds 🤓
Se você é dev, curioso ou quer entender como a máquina funciona por baixo dos panos, essa seção é pra você.
Arquitetura
O Lasanheiro é uma aplicação server-side rendered construída com Next.js 15 (App Router) e React 19, hospedada no Firebase App Hosting. O deploy é automático via integração com o repositório Git — cada push na branch principal dispara um novo build e deploy.
CI/CD — Deploy Contínuo
O projeto utiliza um pipeline de integração e deploy contínuos (CI/CD) totalmente automatizado. O fluxo é simples e poderoso: basta criar uma tag de versão no Sourcetree (ou qualquer cliente Git) e todo o processo de build, testes e deploy é disparado automaticamente — sem intervenção manual, sem preocupação.
Isso permite fazer deploys várias vezes por dia se necessário, com total confiança. Cada versão é rastreável pela tag, o que significa que é possível voltar para qualquer versão anterior de forma instantânea caso algo dê errado. Zero downtime, zero estresse.
Na prática, o ciclo de vida de uma mudança é: código → commit → tag → deploy automático em produção. Toda a complexidade de infra, build e rollout fica invisível — exatamente como deveria ser.
IA & Processamento
Quando um veículo é criado, a API Next.js publica uma mensagem em um tópico do Google Cloud Pub/Sub. Um serviço backend (Cloud Function) consome essa mensagem e aciona o Google Gemini — o modelo de IA generativa do Google — para produzir a análise completa do veículo.
O resultado (resumo, problemas crônicos e seus fontes, checklist de inspeção, nota geral e Índice de Problemas) é estruturado via prompts que retornam JSON tipado, e persistido no Firestore. Tudo isso acontece de forma assíncrona: o usuário cria o veículo e, em poucos segundos, a análise aparece na tela via listener em tempo real.
Banco de Dados
Todo o estado da aplicação vive no Cloud Firestore (modo nativo), o banco NoSQL em tempo real do Firebase. A estrutura segue um modelo desnormalizado com coleções principais para veículos, perfis de usuário, cotas e links de convite.
O frontend usa onSnapshot para escutar mudanças em tempo real — por exemplo, quando a análise de IA é concluída, o card do veículo (e a página de detalhe) atualizam automaticamente, sem refresh. Para contornar o limite de 30 itens em queries IN do Firestore, as consultas são divididas em batches automáticos.
Frontend & UI
A interface é construída com Tailwind CSS e componentes do shadcn/ui (baseados no Radix UI), priorizando acessibilidade, responsividade e consistência visual. Os ícones vêm da Lucide React.
O layout é card-based e segue um design system consistente com paleta baseada em verde profundo (#3EB489) como cor primária e laranja vivo (#FF9500) como accent. As fontes são Space Grotesk para títulos e Inter para texto corrido.
SEO & Social Sharing
Para garantir previews ricos quando links de veículos são compartilhados em redes sociais (WhatsApp, Telegram, Twitter, etc.), um Cloudflare Worker intercepta requisições de crawlers (via User-Agent) e retorna HTML com meta tags og: dinâmicas — incluindo título, imagem e descrição do veículo — buscando os dados diretamente do Firestore via REST API.
Para usuários normais, o Worker faz proxy transparente para a aplicação Next.js no Firebase App Hosting.
Integração com Tabela FIPE
A seleção de marca, modelo e ano utiliza dados da Tabela FIPE (Fundação Instituto de Pesquisas Econômicas). Os preços de referência são exibidos em cada veículo e cacheados no localStorage por 24 horas para reduzir chamadas desnecessárias.
Stack Completa (TL;DR)
Quer experimentar? É gratuito e leva menos de 30 segundos.
Criar minha primeira avaliação