Resumo executivo
até uma aplicação pronta para produção
orquestrado por IA
de código de produção
localização completa da interface
PDF, PNG, JPEG, GIF, TIFF
iOS + Android
O projeto
Uma aplicação concebida prioritariamente para dispositivos móveis, destinada a assinar e carimbar documentos PDF em iOS e Android. Os utilizadores colocam assinaturas, carimbos e imagens diretamente nas páginas do PDF, redimensionam-nos e rodam-nos com gestos tácteis, e guardam ou partilham o resultado — tudo sem enviar nada para um servidor.
A aplicação aceita também ficheiros de imagem (PNG, JPEG, GIF, TIFF) e converte-os automaticamente em PDF A4, aplicando a correção de orientação EXIF para que as fotografias de qualquer câmara surjam corretamente sem rotação manual.
Sem back-end. Sem contas de utilizador. Sem armazenamento na nuvem. Tudo é executado no dispositivo.
O método
Um engenheiro, 10 dias. A mesma metodologia de orquestração de IA comprovada em sistemas de back-end empresariais — aplicada a um produto móvel de consumo.
Sete agentes de IA cobriram todo o âmbito: conceção da arquitetura, implementação em Flutter/Dart, código nativo de plataforma (Swift para iOS, Kotlin para Android), fluxo de trabalho de localização e documentação. O engenheiro tomou todas as decisões de conceção, reviu cada resultado e respondeu pelo produto final de ponta a ponta.
10 dias até uma aplicação pronta para produção, com mais de 60 idiomas, IA no dispositivo e suporte para cinco formatos de ficheiro em duas plataformas. Não é um protótipo — é um produto totalmente funcional, pronto para publicação na App Store e no Google Play.
O que foi construído
Visualizador e editor de PDF
Um visualizador de PDF de elevado desempenho, com zoom por gesto de pinça, deslocamento suave e renderização virtualizada de páginas — só as páginas visíveis são renderizadas em cada momento, o que mantém a memória estável em documentos grandes. Os utilizadores arrastam imagens de uma biblioteca para qualquer página; as imagens colocadas podem ser livremente redimensionadas e rodadas através de pegas tácteis.
Biblioteca de imagens
Uma biblioteca de imagens persistente, armazenada localmente numa base de dados Isar. As imagens são validadas na importação, normalizadas quanto à rotação EXIF e ficam disponíveis entre sessões. É possível adicionar imagens a partir da galeria de fotografias ou do sistema de ficheiros.
Remoção de fundo com IA no dispositivo
Quando um utilizador adiciona uma fotografia de uma assinatura ou de um carimbo, a aplicação deteta se a imagem tem um fundo uniforme e propõe removê-lo. O processamento decorre inteiramente no dispositivo — não é feito qualquer pedido de rede.
O processo tem quatro etapas: a normalização da iluminação corrige a luz irregular captada pela câmara com processamento de imagem nativo (Accelerate em iOS, filtros de janela deslizante otimizados em Android); a amostragem do perímetro deteta fundos uniformes antes de recorrer ao ML; a segmentação por ML usa o iOS Vision Framework (VNGenerateForegroundInstanceMaskRequest) em iOS 17+ e o ML Kit Subject Segmentation em Android, com limiar binário a 50 % de confiança para contornos nítidos com qualidade documental; a limpeza pós-ML remove o papel retido no interior dos laços dos carimbos, recorrendo à deteção da cor dominante com base em histogramas e a um critério triplo (distância RGB, saturação HSV, luminosidade HSL) para proteger tinta de qualquer cor.
Conversão de imagens em PDF
Abre uma ou várias imagens e converte-as num PDF A4 com margens corretas e normalização EXIF. São suportados fluxos com uma ou com várias imagens.
Localização — mais de 60 idiomas
Localização completa da interface através do pacote intl do Flutter, com ficheiros ARB para mais de 60 idiomas, incluindo suporte para escrita da direita para a esquerda (RTL) em árabe, hebraico e persa. Traduções geradas e revistas com IA — a mesma metodologia de orquestração aplicada tanto ao conteúdo como ao código.
Arquitetura de sessões
Cada documento aberto cria uma sessão de visualização isolada com estado independente: imagens colocadas, seleção, indicador de alterações, origem do ficheiro. Os family providers do Riverpod são totalmente invalidados quando a sessão é fechada — abrir um novo documento nunca herda o estado do anterior.
Tecnologias utilizadas
Comparação com o desenvolvimento tradicional
| Métrica | Equipa tradicional | Este projeto (orientado por IA) |
|---|---|---|
| Prazo | 2–3 meses | 10 dias |
| Dimensão da equipa | 3–5 engenheiros | 1 engenheiro |
| Plataformas | Muitas vezes primeiro iOS, depois Android | Ambas em simultâneo |
| Localização | Sprint próprio | Incluída — mais de 60 idiomas |
| Funcionalidades de IA | Especialista em ML dedicado | Incluídas, o mesmo engenheiro |
| Back-end | Normalmente necessário | Nenhum — tudo no dispositivo |
A abordagem orientada por IA não substitui a competência em engenharia — multiplica-a. A velocidade e a qualidade dependem diretamente da qualificação do orquestrador: compreensão da arquitetura, decomposição de problemas, formulação precisa de prompts e avaliação crítica dos resultados da IA. O ser humano mantém o controlo.
Conclusões
Uma aplicação móvel multiplataforma com IA no dispositivo, mais de 60 idiomas e suporte para cinco formatos de ficheiro — entregue em 10 dias por um engenheiro.
A ausência de back-end não é uma limitação, mas uma decisão de conceção: os documentos do utilizador nunca saem do dispositivo, não há nada para autenticar, nada para manter e nenhum custo de infraestrutura. A aplicação funciona sem ligação à rede, sempre.
A metodologia de orquestração de IA que produziu 13 microsserviços empresariais em 12 dias funciona igualmente bem num produto móvel de consumo. Outro domínio, outras tecnologias, o mesmo multiplicador.