# VARtura

> Plataforma de auditoria de faturas de energia elétrica com I.A. O cliente envia o PDF da conta e a plataforma extrai os dados, confere tarifa, bandeira, tributos e créditos de energia solar contra as regras da distribuidora e devolve um laudo com o valor recuperável.

- URL: https://leonardocosta.dev/pt-br/projects/vartura
- Período: 2025-12 → atual
- Site: https://vartura.com.br
- Tecnologias: Django REST Framework, Django, Python, Nuxt.js, Celery, PostgreSQL, Flutter, LlamaIndex, RAG, API da OpenAI, API da Anthropic, Redis, TypeScript, Grafana
- Projeto em destaque: ✓

VARtura audita faturas de energia elétrica brasileiras e aponta, item a item, onde a distribuidora cobrou a mais.

O fluxo começa no upload do PDF: a fatura é lida, os dados são extraídos com apoio de LLM e normalizados em um modelo comum. A partir daí a análise roda contra as regras que valem para aquele estado, aquela distribuidora e aquele tipo de conta — tarifa TE + TUSD, adicional de bandeira, base de cálculo do ICMS, iluminação pública e compensação de créditos do SCEE. O resultado é um laudo com o valor recuperável estimado e o que fazer para contestar.

Atuei nas três frentes do produto:

• Backend — Django REST Framework sobre PostgreSQL, servido por Daphne (ASGI), com Celery + Redis para o processamento assíncrono das faturas e das análises. Assinaturas e cobrança recorrente via Mercado Pago. Permissões a nível de objeto com django-rules, multiempresa com colaboradores, e catálogo de mensagens totalmente traduzido (pt-BR/en) validado por testes.

• Web — Nuxt 4 com renderização híbrida: as páginas públicas de marketing são pré-renderizadas para SEO, enquanto a área autenticada roda como SPA. Pinia para estado, autenticação por sessão com CSRF e gráficos de consumo e economia.

• Mobile — aplicativo Flutter (iOS e Android) para o usuário final, com Riverpod, navegação por go_router e uma cadeia de interceptors no Dio que cuida de refresh de token JWT, bloqueio por plano e tradução de erros da API.


O pipeline de análise usa LlamaIndex com modelos da OpenAI e da Anthropic. Começou como um RAG sobre as regras aplicáveis; depois de medir custo e recall em produção, a recuperação foi trocada por injeção determinística das regras com prompt caching, em uma única chamada ao modelo por laudo. A observabilidade roda em Prometheus, Loki e Grafana, com Sentry para erros.

- Versão em inglês (en-US): https://leonardocosta.dev/en-us/projects/vartura
- Todos os projetos: https://leonardocosta.dev/pt-br/projects