🤖📱 GS – Disruptive Architectures: IoT, IoB & Generative IA

📌 Visão Geral

Este projeto integra backend em FastAPI, MongoDB, IA generativa (Gemini / OpenAI) e um aplicativo mobile em React Native para ajudar estudantes a:

• escolher a melhor IA para cada tarefa;
• entender o impacto ecológico do uso de IA;
• receber planos de estudo, explicações e refinamentos de texto;
• analisar o ambiente de estudo com visão computacional;
• visualizar Insights de comportamento (IoB) e sustentabilidade.

O projeto foi desenvolvido para a Global Solution das disciplinas:

• Disruptive Architectures: IoT, IoB & Generative IA
• Banco de Dados (MongoDB)
• DevOps / Backend
• Mobile Development (React Native + Expo)

---

🧱 Estrutura de Pastas do Projeto

/
├─ ia_iot_gs/           # Backend FastAPI + Gemini + MongoDB
│  └─ app/              # Código principal da API
│
└─ mobile/              # App React Native + Expo

⚠️ IMPORTANTE: Sempre rode os comandos dentro da pasta correta:

• Backend → cd ia_iot_gs
• Mobile → cd mobile

---

🧩 Arquitetura (Resumo)

🔙 Backend (FastAPI + Gemini + MongoDB)

O backend expõe endpoints REST que são consumidos pelo app mobile:

• Mentor de IA:

  • POST /mentor/explicar-tarefa
    → indica qual IA usar, quando usar/evitar, passos humanos e com IA.
  • POST /mentor/plano-estudo
    → gera plano de estudo a partir de um objetivo e horas/semana.
  • POST /mentor/refinar-resultado
    → refina um texto (tom, tamanho, tipo: LinkedIn, roteiro, etc.).
  • GET /mentor/resumo-uso-ia?usuario_id=...
    → gera um resumo do uso de IA (Insights) baseado na telemetria.

• Sustentabilidade / Eco IA:

  • GET /ias/eco-ranking
    → ranking de IAs com eco_score (mais ou menos sustentáveis).
  • GET /eco/simular-impacto?ia_id=...&usos=10
    → estima kWh e CO₂ de X chamadas à IA.

• Telemetria + IoB (Internet of Behaviors):

  • POST /events/telemetria
    → registra eventos de uso (mentor, visão, categorias, sucesso, tempo).
  • GET /events/telemetria
    → consulta eventos (debug).

• Analytics / Insights (usado pelo app):

  • GET /analytics/ias-mais-usadas
    → lista das IAs mais usadas + eco_score.
  • GET /analytics/uso-por-categoria
    → uso agrupado por categoria (texto, vídeo, dados, etc.).
  • GET /analytics/eco/consumo-usuario/{usuario_id}
    → total de chamadas, kWh e CO₂ estimados, nível de consumo (baixo, moderado, alto).

• Visão Computacional (Ambiente de Estudo):

  • POST /visao/ambiente-trabalho
    → analisa a foto do ambiente (iluminação, postura, distrações) e devolve:
    • pontos de melhoria;
    • riscos ergonômicos;
    • sugestões da IA para estudar melhor.

• Usuários / Recomendações:

  • POST /usuarios / GET /usuarios/{id}
    → CRUD básico de perfil de usuário.
  • GET /ias/recomendadas?usuario_id=...
    → recomenda IAs com base no histórico e perfil.

---

📱 Mobile (React Native + Expo)

O app mobile (pasta mobile/) integra com o backend e apresenta as principais features:

• Autenticação simples (login/cadastro de usuário).
• Bottom Tabs com as telas:
  • Home – saudação, acesso rápido às funções.
  • Explore – lista de IAs com eco_score e categorias.
  • Mentor IA – tela dedicada com:
    • Explicar tarefa;
    • Plano de estudo;
    • Refinar resultado.
  • Ambiente / Visão – upload de imagem do ambiente de estudo e retorno da análise.
  • Insights – mostra:
    • resumo personalizado de uso de IA;
    • impacto ecológico estimado (kWh, CO₂, nível de consumo);
    • ranking das IAs mais usadas pelo usuário;
    • botão ⟳ Atualizar para recarregar dados.
  • Profile – dados do usuário e contexto (IoB lógico).

O app segue uma arquitetura com:

• view/ – telas (Home, Explore, Mentor, Vision, Insights, Profile, etc.)
• service/ – serviços para chamar o backend (mentorService, analyticsService, visionService…)
• fetcher/ – camada de HTTP (axios) com baseURL e headers.
• context/ – AuthContext para guardar token/email.
• theme/ – tema (dark/light), cores, tipografia.

---

🛢 Banco de Dados (MongoDB)

O backend usa MongoDB para:

• salvar telemetria de uso (telemetria):
  • usuário, evento, IA indicada, categoria, contexto, duração;
• servir de base para:
  • analytics de uso (ias_mais_usadas, uso_por_categoria);
  • consumo ecológico estimado (consumo_eco_estimado_por_usuario);
  • resumo de uso de IA (mentor/Insights).

Isso demonstra os conceitos de NoSQL, eventos comportamentais e IoB (Internet of Behaviors).

---

✅ Pré-requisitos para Rodar o Projeto

🔧 Ambiente Geral

• Python 3.11+
• Node.js 18+ (com npm ou yarn)
• MongoDB rodando localmente ou em Atlas (URI configurada no .env do backend)
• Git (opcional, para clonar o repositório)

---

⚙️ Backend – Como Rodar (FastAPI + Mongo + Gemini)

🎯 Sempre rodar os comandos dentro da pasta do backend:
cd ia_iot_gs

1️⃣ Criar e ativar o ambiente virtual

Windows (PowerShell):

cd ia_iot_gs
python -m venv .venv
.venv\Scripts\Activate.ps1

Linux/macOS:

cd ia_iot_gs
python -m venv .venv
source .venv/bin/activate

2️⃣ Instalar dependências

pip install fastapi "uvicorn[standard]" python-multipart pymongo python-dotenv google-generativeai pillow

Se você também quiser suporte a OpenAI, instale:
pip install openai

3️⃣ Arquivo .env do backend ia_iot_gs

O repositório já inclui um arquivo .env pré-configurado para uso local.
Verifique o conteúdo (exemplo):

LLM_PROVIDER=gemini
GEMINI_API_KEY=SUA_CHAVE_AQUI (A chave da API vai estar no documento enviado)

MONGO_URL=mongodb://localhost:27017
MONGO_DB=gs_disruptive

Para o avaliador da GS: o projeto já pode ser entregue com os .env ajustados para ambiente local.
Se for necessário trocar de máquina, basta ajustar apenas a chave da IA e, se preciso, a URL do Mongo.

4️⃣ Subir o backend

Com o ambiente virtual ativado e o .env configurado:

uvicorn app.main:app --reload --port 8000

Se tudo estiver ok, o mobile já consegue consumir a API.

---

📱 Mobile – Como Rodar (React Native + Expo)

🎯 Sempre rodar os comandos dentro da pasta do mobile:
cd mobile

1️⃣ Instalar dependências

cd mobile
npm install
# ou
yarn

2️⃣ Arquivo .env do mobile

O repositório já inclui um .env pronto para ambiente local, por exemplo:

EXPO_PUBLIC_API_URL=http://127.0.0.1:8000

Ou seja: se o backend estiver rodando em http://127.0.0.1:8000, o app já vai se conectar certinho.

3️⃣ Rodar o app (modo web)

npx expo start --web

• Abra o link que o Expo mostrar no terminal (geralmente http://localhost:8081/).
• Faça login/cadastro.
• Navegue pelas abas:
  • Mentor IA
  • Ambiente / Visão
  • Insights
  • Explore
  • Profile

---

🧪 Como Testar as Funcionalidades

🔍 1. Mentor IA

No app (aba Mentor IA):

1. Use Explicar tarefa:
   • Exemplo:

     "Preciso preparar um resumo de um artigo para apresentação em sala."

2. Envie e verifique:
   • IA indicada;
   • Quando usar / evitar;
   • Passos humanos;
   • Passos com IA.

Também teste:

• Plano de estudo – objetivo + horas/semana.
• Refinar resultado – colar um texto e pedir melhoria.

Isso gera eventos de telemetria (mentor_resposta) que serão usados no Insights.

---

🌱 2. Sustentabilidade (Eco IA)

Pelo navegador (Swagger em /docs) ou um cliente REST:

• GET /ias/eco-ranking
  → ver lista das IAs com eco_score.
• GET /eco/simular-impacto?ia_id=chatgpt&usos=20
  → ver estimativa de kWh e CO₂.

---

🧠 3. Insights (IoB + Eco)

No app (aba Insights):

1. Use o Mentor e a Visão algumas vezes (para gerar telemetria).
2. Entre em Insights.
3. Clique em “⟳ Atualizar” no topo da tela.
4. Verifique:
   • Resumo do seu uso de IA (texto amigável);
   • Impacto ecológico estimado (total de chamadas, kWh, CO₂, nível);
   • IAs que você mais usa (ranking).

Esses dados vêm dos endpoints:

• GET /analytics/eco/consumo-usuario/{usuario_id}
• GET /analytics/ias-mais-usadas
• GET /mentor/resumo-uso-ia?usuario_id=...

---

📸 4. Visão Computacional do Ambiente

Na aba Ambiente / Visão:

1. Selecione uma foto do seu ambiente de estudo (mesa, cadeira, notebook etc.).
2. Envie para análise.
3. Veja o retorno da API:
   • Pontos positivos do ambiente;
   • Problemas detectados (iluminação, ergonomia, distrações);
   • Recomendações práticas de melhoria.

Endpoint usado:

• POST /visao/ambiente-trabalho

---

🎓 Integração entre as Disciplinas

• Disruptive Architectures: IoT, IoB & Generative IA

  • IoB: telemetria de uso, analytics, Insights personalizados.
  • IA generativa: Mentor IA (explicar tarefa, plano, refino), resumo de uso.
  • IoT lógico: devices, eventos, contexto do usuário.

• Banco de Dados (MongoDB)

  • Coleta de telemetria em collections dedicadas.
  • Cálculos de ranking, eco e consumo por usuário.

• DevOps / Backend

  • Backend em FastAPI, organizado em módulos (mentor, analytics, iot, vision, users, telemetry).
  • Configuração via .env, conexão com Mongo, logs de debug.

• Mobile (React Native + Expo)

  • Navegação com Bottom Tabs.
  • Integração com API REST.
  • Telas específicas para Mentor, Visão, Insights, Explore e Profile.

---

👥 Integrantes

• Caroline Assis Silva — RM557596
• Enzo Moura Silva — RM556532
• Luis Henrique Gosme Cardoso — RM558883

Atualizar com os nomes/RMs corretos do grupo.

---

🎥 Vídeo da Apresentação

• YouTube: Link da apresentação

Substituir pelo link real do vídeo da GS.

---

✅ Conclusão

Este projeto demonstra, de ponta a ponta:

• Uso de IA generativa para apoiar estudos e produtividade;
• IoB através de telemetria e Insights personalizados;
• Preocupação com sustentabilidade, medindo impacto ecológico do uso de IA;
• Visão computacional aplicada ao ambiente de estudo;
• Integração real entre backend FastAPI + MongoDB + Mobile React Native.

Tudo isso alinhado com os objetivos da disciplina de Disruptive Architectures: IoT, IoB & Generative IA.