Como a Inteligência Artificial e o JavaScript Resolveram o Caos das Fórmulas de Física

Por: Giliano G. Novais

Quem já passou pelas cadeiras de Engenharia, Licenciatura em Matemática ou Física conhece bem o cenário: pilhas de papéis rabiscados, tabelas de conversão abertas em uma aba, calculadoras científicas acumulando históricos imensos de operações e aquela constante dúvida se um único sinal ou unidade mal convertida jogou todo o cálculo do comportamento de um sistema por água abaixo.

Equações físicas são representações elegantes do universo, mas manipulá-las no dia a dia acadêmico ou operacional pode se transformar em um processo repetitivo e propenso a falhas humanas.

Foi a partir dessa dor — e da vontade de unir o planejamento lógico da engenharia com o poder do desenvolvimento de software — que nasceu o Fórmulas Fácil (Física), uma extensão para Google Chrome (Manifest v3) integrada à Inteligência Artificial generativa.

Mas o caminho entre o rascunho de uma ideia e a publicação de uma extensão homologada na Chrome Web Store foi repleto de quebra-cabeças técnicos complexos. Neste artigo, compartilho os bastidores dessa jornada, os principais desafios de engenharia de software superados e o impacto real que essa ferramenta traz para o cotidiano técnico.

A Gênese do Projeto: O que é o Fórmulas Fácil?

A premissa do Fórmulas Fácil era audaciosa: criar uma interface única, acoplada diretamente ao navegador do usuário, capaz de renderizar dinamicamente qualquer fórmula física baseada em matrizes de dados (fields.json e formulas.json).

O usuário escolhe a grande área (como Mecânica), o campo específico (como Cinemática) e a equação desejada. Instantaneamente, o software constrói os inputs específicos para aquela fórmula.

A mágica acontece em três camadas:

1. O Cálculo: O simulador resolve as equações nativamente, isolando a variável que o usuário precisa descobrir.
2. A Conversão: Um motor de cálculo atrelado a fatores de escala permite mudar unidades (de $km/h$ para $m/s$, ou de $hertz$ para $kHz$) recalculando os valores em tempo real sem quebrar a consistência dimensional.
3. A Cognição (IA): Ao clicar em um único botão, os dados simulados são enviados para um modelo de linguagem natural (Llama 3.1 via Groq Cloud), que gera uma explicação física detalhada e plota uma curva gráfica interativa baseada no cenário numérico exato fornecido pelo usuário.

Os Bastidores Técnicos: Grandes Desafios no Meio do Caminho

Nem tudo foram flores. Desenvolver uma extensão moderna baseada na especificação Manifest V3 impôs restrições severas de segurança e arquitetura. Três problemas principais quase paralisaram o projeto, exigindo soluções refinadas de engenharia de código:

1. A Raiz de Tudo: Pesquisa de Equações e Modelagem de Lógica Mutável em JSON

O maior e mais silencioso desafio de todo o projeto não foi o código em si, mas a massiva pesquisa inicial para catalogar as fórmulas físicas e encontrar um padrão matemático universal para elas. Como transpor equações de naturezas completamente distintas (da mecânica clássica à física quântica) para dentro de regras de negócio genéricas? Se cada fórmula fosse codificada manualmente com funções hardcoded, o projeto seria impossível de manter.

A Solução: Foi necessário desenhar uma arquitetura de dados abstrata e mutável. Toda a inteligência e as regras de restrição do simulador foram encapsuladas em arquivos JSON interdependentes (fields.json, formulas.json e unit_of_measure.json). Em vez de criar telas estáticas, o JavaScript lê esse banco de dados interpretando os símbolos, os fatores de multiplicação, as constantes universais (como a constante gravitacional $G$ e a velocidade da luz $c$) e as dependências em tempo de execução. Se amanhã um engenheiro precisar adicionar uma equação complexa de mecânica dos fluidos, nenhuma linha de código JS precisa ser reescrita; basta alimentar o arquivo JSON com a nova assinatura conceitual e a interface se auto-gerencia.

2. O Desafio da Segurança: Blindando a API Key

Inicialmente, a extensão deveria fazer requisições diretas à API do Groq Cloud. Porém, codificar uma chave privada (GROQ_API_KEY) no código do cliente (frontend) de uma extensão significa expor suas credenciais para qualquer pessoa inspecionar o código fonte. Na Chrome Web Store, isso é um risco de segurança inaceitável.

A Solução: Adotei o conceito de desacoplamento por arquitetura de Proxy. Criei uma Serverless Function em Node.js hospedada na nuvem da Vercel. A extensão agora conversa de forma assíncrona apenas com esse endpoint seguro, que por sua vez injeta a chave de ambiente protegida e faz a ponte com o modelo de IA. Nenhuma credencial toca a máquina do usuário.

2. A Instabilidade das Respostas de IA: A Quebra do JSON

O modelo precisava devolver duas coisas: um texto explicativo didático e uma matriz de pontos matemáticos estruturados (JSON) para plotar o gráfico dinâmico com o Chart.js. Modelos de linguagem adoram "conversar" e frequentemente envelopavam o JSON em marcações de Markdown (como ```json), quebravam a sintaxe ou alteravam o nome das chaves, gerando erros fatais de execução no JSON.parse().

A Solução: Implementei uma estratégia de Blindagem Dupla. Ajustei o System Prompt de forma extremamente estrita, proibindo blocos visuais de código e forçando delimitadores cirúrgicos ([GRAPH_DATA_START] e [GRAPH_DATA_END]). Além disso, derrubei a temperatura do modelo para 0.1 (tornando-o altamente determinístico) e construí um parser robusto no JavaScript para limpar quaisquer resíduos textuais antes da plotagem.

3. O Estouro de Janela (UI/UX)

Popups do Chrome possuem limites rígidos de dimensões. Quando adicionávamos fórmulas complexas com muitas variáveis e seletores de unidades, o layout quebrava lateralmente ou cortava os botões de ação na parte inferior.

A Solução: Refatoramos a folha de estilos (popup.css) utilizando propriedades fluidas de Flexbox com distribuição de peso (flex: 2 para digitação e flex: 1.2 para unidades), aplicamos limites estritos com max-height: 580px e adicionamos uma barra de rolagem vertical personalizada (overflow-y: auto), sutil e integrada ao tema escuro da aplicação. O layout tornou-se totalmente imune à quantidade de dados na tela.

Utilidade Prática: O Dia a Dia de Estudantes e Engenheiros

Com a extensão rodando de forma estável, o ganho de produtividade e capacidade cognitiva se provou imenso para dois públicos-alvo principais:

Para Estudantes (Acelerador de Aprendizagem)

Em vez de apenas copiar respostas mecânicas de um gabarito, o estudante insere os dados do seu exercício no simulador. A inteligência artificial não apenas diz o resultado, mas atua como um professor particular de Física Computacional em tempo real. Ela explica o significado conceitual da aceleração, da entropia ou da impedância naquele cenário numérico exato e gera gráficos que ajudam o aluno a visualizar o que acontece com o sistema se ele duplicar a força ou reduzir o tempo pela metade.

Para Engenheiros e Técnicos (Ferramenta de Validação Rápida)

No campo de operações ou no desenvolvimento de relatórios e planejamentos operacionais (PCP), engenheiros precisam validar pré-dimensionamentos ou estimativas conceituais rapidamente. O Fórmulas Fácil remove o atrito de abrir planilhas pesadas ou softwares densos de simulação para checar equações fundamentais de cinemática, dinâmica ou fluidos. A conversão de unidades embutida previne os clássicos erros de ordens de magnitude em cálculos estruturais ou térmicos.

Conclusão: Engenharia, Código e o Futuro

A conclusão do Fórmulas Fácil (Física) consolida uma visão importante: a Inteligência Artificial não veio para substituir o cálculo matemático ou o rigor científico, mas para remover o trabalho braçal da manipulação de dados e focar onde o cérebro humano é mais exigido — na análise crítica e na interpretação dos fenômenos da natureza.

Transformar esse projeto em uma extensão fluida, segura e útil provou que, com a arquitetura de software correta, podemos transformar conceitos abstratos de física em ferramentas utilitárias poderosas integradas ao nosso navegador cotidianamente.

A extensão já está oficialmente publicada e pronta para potencializar seus estudos ou sua rotina técnica. O próximo passo? Adicionar novos módulos de engenharias específicas e continuar expandindo as fronteiras do aprendizado conectado.