Índice do fórum » Projetos » Buscador de precedentes

Autor Mensagem
joshazze Administrador Registrado em: Fev 2026 Mensagens: 28 Localização: Belo Horizonte
Enviado em: 11 Set 2026 Assunto: Buscador de precedentes
Resumo
Extensão de navegador com 4.929 súmulas e teses do STJ e do STF, pesquisáveis sem internet e sem enviar nada para fora
Stack
JavaScriptChrome ExtensionBM25SVDPython
Competências
recuperação de informaçãoavaliação de buscaprivacidade por desenhoproduto

Contexto

Um defensor público me mostrou a busca de súmulas que usava e pediu uma crítica. Ela casava texto literal. Quem escrevia "custódia cautelar" não achava "prisão preventiva", e quem escrevia "réu" recebia enunciados que só continham a palavra "reunião".

Havia duas restrições. O computador de trabalho provavelmente não deixa instalar programa, mas aceita extensão de navegador. E peça em segredo de justiça não pode passar por serviço de terceiro.

Daí a decisão que moldou tudo: a busca roda inteira na máquina dele.

O que eu fiz

Uma extensão do Chrome que abre num painel lateral, com 4.929 súmulas e teses do STJ e do STF embutidas. Cada resultado traz a citação pronta para copiar.

Busca por termo técnico

Busca por termo técnico, com os sinônimos que a consulta ganhou.

A extensão declara três permissões: painel lateral, menu de contexto e armazenamento local. Não pede acesso a site nenhum, não injeta script em página e não faz requisição de rede.

Escrevi também um botão que junta os enunciados escolhidos num bloco com o texto integral de cada um e a fonte oficial, pronto para colar num assistente de IA. O bloco leva seis regras que proíbem citar o que não está na lista.

Como funciona

Três sinais, fundidos numa lista só.

O primeiro é o BM25, o cálculo clássico de relevância por palavra, aplicado sobre radicais. Um redutor de palavras do português, escrito em JavaScript, serve tanto para montar o índice quanto para ler a consulta. Assim o plural e o singular da mesma palavra se encontram.

O segundo é um dicionário de 79 grupos de sinônimos, escrito à mão. Cobre o par técnico e também o leigo, como "pai não paga pensão" e "prisão civil do devedor de alimentos".

O terceiro é semântico e não usa modelo de linguagem. Uma decomposição matemática do próprio acervo resume cada enunciado em 128 números. Ocupa 2 MB dentro do pacote e liga "preso trabalhou na cadeia" a "remição da pena pelo trabalho" sem que ninguém tenha escrito essa ligação.

Busca por caso descrito

Caso descrito em linguagem comum, achado pela camada semântica.

Palavra digitada errado cai numa busca por trigramas e vira o termo conhecido mais próximo.

O que aprendi

Não dá para ajustar uma busca no olho. Montei 42 consultas com a resposta certa declarada, entre termo técnico, número de súmula, erro de digitação e caso contado em linguagem comum. Um script roda as 42 e conta em quantas a resposta certa aparece no topo.

Com esse portão, os pesos da fusão deixaram de ser palpite. Outro script varre as combinações e imprime a melhor.

Foi ele que mostrou quanto vale a parte semântica. Só com palavras, a resposta certa vinha em primeiro lugar em 34 das 42 consultas. Com a semântica, em 37. Parece pouco. Mas as duas consultas que não apareciam nem entre as cinco primeiras passaram a aparecer entre as três.

Acerto nas 42 consultas

Antes e depois da camada semântica.

O ponto fraco é o acervo. Ele vem de uma captura de julho de 2026, e a ingestão direta das fontes oficiais ainda não existe. Também falta a prova de uso: a extensão está empacotada, mas ainda não passou por um dia de trabalho real.

Resultados

  • 4.929 enunciados pesquisáveis sem internet.
  • Resposta certa entre as três primeiras em 42 das 42 consultas de teste, e em primeiro lugar em 37.
  • Três permissões declaradas e nenhuma requisição de rede.
  • Pacote de instalação de 2,0 MB.
Responder Voltar ao índice

« Tópico anterior: Viés linguístico em material didático gerado por LLM Próximo tópico: Limites »

Escrito e mantido por J. A. Distel.