TECNOLANDIA TECH
Publicidade

Conecte-se com o Tecnolândia Tech

BLOG + INSTAGRAM + FACEBOOK

Tecnologia na prática, em todos os formatos.

Aqui no Tecnolândia Tech, você encontra artigos e guias completos. No Instagram @djwinformatica e no Facebook TecnoInfo, acompanhe vídeos, dicas e novidades de IA, automação e tecnologia. São nossos canais oficiais.

Agente de IA que Monitora Preços e Te Avisa sozinho

Agente de IA que Monitora Preços e Te Avisa sozinho

Imagem: Pexels

Existe uma categoria de gasto que some no ruído do mês: assinaturas, eletrônicos, passagens, insumos para o negócio. O preço muda toda semana e você descobre tarde demais — quando o desconto já passou ou quando a renovação foi cobrada em valor maior. Um agente de IA que monitora preços e te avisa sozinho resolve isso com poucas dezenas de linhas de Python: um coletor que visita as páginas, um histórico em banco de dados e um alerta no Telegram quando a variação passa do limiar que você definiu.

1. O ciclo completo do agente em quatro passos

Toda boa monitoração de preço tem a mesma estrutura, independentemente da loja:

  1. Coletar: abrir a página do produto e extrair o valor atual (e o preço antigo, quando a página mostra).
  2. Registrar: gravar produto, valor, data e URL em um banco — SQLite resolve para a maioria dos casos.
  3. Comparar: calcular a variação em relação ao último valor registrado e à mínima histórica.
  4. Avisar: enviar mensagem só quando a condição que você importa aconteceu (queda acima de X%, ou preço abaixo de Y).

O erro clássico é pular o passo 2. Sem histórico, você não sabe se o "desconto" de hoje é real ou se o preço sempre foi esse. Guarde tudo.

2. Coleta com Playwright: o básico que funciona

Para páginas que renderizam preço com JavaScript, Playwright é a escolha mais robusta. Um coletor mínimo em Python:

import sqlite3
from playwright.sync_api import sync_playwright

PRODUTO = "fone-bluetooth"
URL = "https://www.lojaexemplo.com.br/produto/fone"
SELETOR = "span[data-testid='price']"

def coletar():
    with sync_playwright() as p:
        navegador = p.chromium.launch(headless=True)
        pagina = navegador.new_page()
        pagina.goto(URL, timeout=45000)
        pagina.wait_for_selector(SELETOR, timeout=15000)
        texto = pagina.locator(SELETOR).first.inner_text()
        navegador.close()
    valor = float(texto.replace("R$", "").replace(".", "").replace(",", ".").strip())
    con = sqlite3.connect("precos.db")
    con.execute("""INSERT INTO historico (produto, valor, url, criado_em)
                   VALUES (?, ?, ?, datetime('now'))""",
                (PRODUTO, valor, URL))
    con.commit()
    ultimo = con.execute("""SELECT valor FROM historico
                            WHERE produto=? ORDER BY id DESC LIMIT 1 OFFSET 1""",
                         (PRODUTO,)).fetchone()
    con.close()
    return valor, (ultimo[0] if ultimo else None)

A conversão de "R$ 1.299,90" para número é o ponto mais frágil do coletor — escreva testes para os formatos de preço que você realmente encontra nas lojas que acompanha.

3. Onde a IA entra (e onde ela atrapalha)

A IA entra em duas frentes pontuais. Primeira: quando o seletor CSS quebra — em vez de travar o pipeline, você envia o HTML reduzido da página para um modelo de linguagem pedindo apenas o preço em JSON e segue o fluxo. Segunda: resumo do alerta — em vez de "produto caiu 18%", o aviso pode virar "o fone caiu 18% e agora está R$ 80 abaixo da sua meta de compra, o menor valor das últimas 6 semanas".

Onde ela atrapalha: usar modelo de linguagem como coletor em escala. Cada rodada de scraping com LLM custa tokens e adiciona latência e variância. O caminho certo é seletor CSS/ XPath determinístico no dia a dia, IA como plano B quando a extração falha.

4. Alertas que não viram spam

Alerta mal calibrado é o que mata esse tipo de projeto — em duas semanas você silencia o bot e esquece. Regras simples que funcionam:

  • Limiar de queda: avise só quando a queda em relação ao último valor registrado passa de um percentual definido (na faixa de 8% a 15% costuma filtrar o ruído de mercado).
  • Meta de preço: para compras planejadas, avise quando o valor cruzar um preço-alvo, não a cada oscilação.
  • Cooldown: não repita o mesmo alerta para o mesmo produto em menos de 24 horas.
  • Resumo diário: no lugar de 30 mensagens, um boletim com o topo de quedas do dia.

5. Robustez: frequência, termos de uso e bloqueio

Coletar preço é legítimo para uso pessoal, mas as lojas não gostam de robôs. Reduza a frequência (de hora em hora, ou três vezes ao dia, costuma bastar), identifique seu agente no User-Agent, e não use a automação para comprar ou burlar limites de quantidade. Se o site bloquear, tente ler a versão lite da página ou uma API oficial quando existir — várias lojas expõem dados de produto em endpoints públicos. Se a coleta falhar duas vezes seguidas, avise você mesmo do problema: um bot mudo por um mês é pior que nenhum bot.

6. Do script ao agente: o próximo nível

Com a base funcionando, o projeto vira agente de verdade quando ganha: histórico completo com gráfico mensal do preço (matplotlib ou um dashboard em Streamlit), leitura de cupons e frete quando o site os exibe, e comparação entre lojas para o mesmo produto. Dá também de agendar via cron no próprio servidor ou em máquina grátis de nuvem, mantendo o custo total do projeto perto de zero além do modelo de linguagem, se você usar IA no resumo.

Se você quer começar hoje: escolha três produtos que já vai comprar de qualquer forma, escreva o coletor com Playwright e um banco SQLite, publique o alerta no Telegram e rode por duas semanas antes de adicionar qualquer coisa de IA. Nesse período você calibra o limiar de queda com dados reais — e é o limiar, não o framework, que transforma um script de monitoramento em algo que você realmente olha todo dia.

Publicidade