visao_geral
Visão geral do Painel Sintético Concorde: o que é, contagens, campos disponíveis das personas e como usar as demais ferramentas. Chame primeiro.
无需输入参数。

io.github.caio-sartoratto由 GitHub 账号 caio-sartoratto 发布v1.0.0更新于 Oct 25, 2026
787 personas sintéticas do consumidor bancário brasileiro para discovery de produtos.
远程 MCP 面板,提供 787 个巴西银行消费者合成人设,让助手筛选人设、读取有据可依的事实并运行模拟调研。
Web executable,通过 Streamable HTTP。 远程服务在工作区中配置后即可从网页运行时运行。
把这段提示词粘贴到 Claude Code、Codex、Cursor 等智能体,或 SourceWeft 对话中。智能体会读取该服务器的安装指南,先向你展示发布者、端点和登录方式,经你同意后再把它添加到你的客户端。密钥不会写进任何命令。
阅读 https://sourceweft.com/mcp/io.github.caio-sartoratto%2Fpainel-sintetico-concorde/install.md,并按其中说明把这个 MCP 服务器接入我的客户端。修改任何配置之前,先告诉我它的发布者、端点和登录方式,等我确认。不要把 API 密钥写进命令或我会提交的文件;问我密钥应从哪里获取。把它添加到你客户端的 mcpServers 配置中。
{
"mcpServers": {
"painel-sint-tico-concorde": {
"type": "http",
"url": "https://painel.concorde-painel.workers.dev/mcp"
}
}
}[MCP Registry] [License: MIT] [Cloudflare Workers]
Servidor MCP remoto que expõe um painel de 787 personas sintéticas do consumidor bancário brasileiro para qualquer Claude (Desktop, web, mobile) — para discovery de produtos bank e fintech. Roda inteiro no free tier da Cloudflare Workers.
Site e demo: https://painel.concorde-painel.workers.dev
Nome no registro oficial de MCP: io.github.caio-sartoratto/painel-sintetico-concorde
O painel é um conector MCP remoto. Não há nada para baixar.
https://painel.concorde-painel.workers.dev/mcpEle também está publicado no registro oficial de MCP
como io.github.caio-sartoratto/painel-sintetico-concorde, então tende a aparecer em
marketplaces e agregadores de MCP que consomem o registro. A instalação, porém, continua sendo
pela URL acima (estar no registro não adiciona o conector automaticamente ao Claude).
Os dados do painel não estão neste repositório (são proprietários — veja a licença). Este repo é o motor: servidor MCP, site, fórum, cotas e telemetria. O serviço público roda com o painel completo.
Pedir a um LLM para "simular 700 pessoas" produz um respondente médio repetido N vezes, com
viés de renda/escolaridade (Santurkar et al. 2023; Bisbee et al. 2024). O caminho que funciona
é condicionar o modelo em atributos sociodemográficos reais (Argyle et al. 2023). Aqui a
heterogeneidade vem da estrutura: cada persona é ligada por filtro determinístico
(campo operador valor) a fatos estatísticos com fonte, e o LLM só dá voz.
filtrar_personas/sortear_amostra + get_personas.
O Claude dá voz a um recorte pequeno de personas para você ouvir objeções e afiar hipóteses.preparar_pesquisa faz fan-out isolado — o host dispara
uma tarefa/subagente por persona, cada uma responde sem ver as outras, e a distribuição é
agregada localmente. Isso evita a convergência artificial de respostas geradas no mesmo contexto.
Formatos: escolha (distribuição), pontuar (nota 0-10 por atributo → média+desvio por opção,
preserva a preferência secundária), escala e aberta. O seed é aleatório por padrão e
devolvido no resultado para reprodução. É o mecanismo por trás dos backtests abaixo.Privacidade por construção: a pergunta do usuário não trafega pelo servidor. A fronteira de
confiança é classificada localmente no Claude (a ferramenta avaliar_pergunta devolve só a
rubrica), e as respostas das personas são agregadas no host — o servidor recebe apenas o filtro de
segmento, o número de personas e o formato.
100 personas sorteadas do painel, classificadas com temperatura 0 (reproduzível), comparadas a pesquisas publicadas.
Erro médio absoluto: 3,0 pp — as três dentro de 6 pontos percentuais do benchmark.
Headline do estudo: mais de 70% dos brasileiros não se sentem seguros nem incluídos financeiramente. O painel, de forma independente, chega a 78%.
Sem nenhuma quebra por classe no benchmark, o painel reproduz sozinho o gradiente social da insegurança (amostra estratificada por classe, temperatura 0):
As mesmas perguntas respondidas direto por modelos de fronteira, sem painel, sem persona, sem busca na internet, temperatura 0:
O painel erra 3,7x menos que o Gemini e 6x menos que o GPT nas mesmas perguntas. No headline do BCG: painel 78% (dentro do ">70%"), Gemini 55% (fora), GPT 60% (fora). Os números dos modelos crus ainda contradizem a si mesmos: o Gemini estima 45% "seguros e incluídos" mas só 31% "seguros", e a interseção não pode ser maior que a parte. O painel não produz esse erro porque cada número vem de contar personas uma a uma.
Transparência: essas são as perguntas de melhor aderência entre as categorias testadas. Itens de satisfação e incidência auto-reportada divergem mais (viés de calibração conhecido nas narrativas, em ajuste). Não substitui pesquisa primária nem teste A/B — é a etapa barata que vem antes.
Transcrições reais rodando no Claude (personas e fatos vêm do painel de verdade):
examples/ — focus group de conceito, teste com Classe A e checagem de dado.
Decisões que valem nota:
classe_social == 'Classe C' & idade > 30, mesma
sintaxe do vault ao servidor.Pré-requisitos: Node 20+, conta Cloudflare, um vault no formato esperado (veja
scripts/build-data.mjs para o schema de frontmatter).
Código sob MIT. Os dados do painel (personas, fatos, vozes, fichas de instituições e distribuições) são proprietários, não incluídos neste repositório e não licenciados para redistribuição.
Caio Sartoratto Prado — LinkedIn · projeto Concorde. Feedback: fórum do painel.
来源:README.md,提交 3e6806d
Visão geral do Painel Sintético Concorde: o que é, contagens, campos disponíveis das personas e como usar as demais ferramentas. Chame primeiro.
无需输入参数。
Fronteira de confiança (classificação LOCAL, preserva privacidade). NÃO recebe a pergunta: devolve a RUBRICA para VOCÊ (assistente) classificar a pergunta do usuário no seu próprio contexto, sem enviá-la ao servidor. Bandas: 'inferivel' (pode rodar), 'arriscado' (rode com ressalva), 'humano' (NÃO pergunte a persona sintética — exige estado vivido). Aplique antes de preparar_pesquisa.
无需输入参数。
Filtra as 787 personas pela DSL determinística do painel. Ex.: "classe_social == 'Classe C' & divida_ativa == 'Sim' & regiao == 'Nordeste'". Vazio retorna todas. Retorna contagem e mini-perfis (até `limite`).
filtrolimiteSorteia uma amostra aleatória de personas (opcionalmente dentro de um filtro DSL). O painel já reflete as distribuições reais, então a amostra uniforme é representativa do recorte.
n必填seedfiltroPrepara uma pesquisa de fan-out ISOLADO por persona (mede sem convergência). A PERGUNTA do usuário NÃO é enviada ao servidor (privacidade): você a classifica localmente pela 'fronteira' e a injeta você mesmo em cada pacote. Sorteia N personas e devolve UM pacote por persona (ficha + formato de resposta) + o protocolo para o HOST disparar UMA tarefa/subagente isolado por pacote — cada um responde só a SUA persona, sem ver as outras. A agregação é feita LOCALMENTE; o servidor não recebe nem armazena nenhuma resposta. Formatos: 'escolha' (opção única → distribuição), 'pontuar' (nota 0-10 por atributo → média+desvio por opção, recomendado para 'o que importa mais' e mais robusto a colapso), 'escala' e 'aberta'. Pode filtrar o segmento (classe, idade, região, etc.) pela DSL.
nseedfiltroopcoesformatoescala_maxescala_minFichas completas de até 10 personas por id (atributos + Grounding com fatos/fontes + História). Use para dar voz às personas com ancoragem nos dados. IMPORTANTE: fatos marcados _composicao_ são P(público | métrica), o inverso de propensão — não os leia como probabilidade da persona; fatos _referencia_ não são proporção de pessoas.
ids必填Busca nos 105 fatos estatísticos. Modos: texto livre (busca em métrica/fonte/corpo), por eixo (por-classe, por-regiao, por-genero, por-investidor, por-divida, por-idade, por-fonte-renda, por-composto, populacional), ou por persona_id (fatos cujo filtro casa com a persona).
eixotextopersona_idincluir_corpoVozes verbatim REAIS (reviews, relatos) por tema: atendimento, bloqueio, canais, credito, endividamento, gestao-financeira, golpes, pix, tarifas (busca por substring no id/tema). Sem tema, lista todas as 17. Representatividade não-populacional — use como ilustração de linguagem, não como estatística.
temacompletoFicha de uma instituição financeira (cadastro, volumetria, reputação, reviews). 12 bancos tradicionais e digitais. Sem nome, lista as disponíveis.
nomeTabelas de calibração do painel: CSVs de distribuição (pesos do sorteio original) e registro de taxas. Sem nome, lista os arquivos.
arquivo已满足适用检查项的 90%
该评分衡量此收录条目的完整程度,依据注册中心条目、端点与公开来源计算得出。它不是对服务器本身的评价,也不表示服务器安全或当前可用:可连通性是带日期的检查结果,评分也不包含安装量或用户评价。
请在仓库或注册中心条目中声明许可证。
vault Obsidian (fonte da verdade: personas + fatos + vozes + instituições) │ npm run build-data (compila markdown → JSON) ▼Cloudflare Worker ├─ /mcp servidor MCP (agents SDK / McpAgent + Durable Object) │ 10 ferramentas: visao_geral, avaliar_pergunta (rubrica da │ fronteira p/ classificação LOCAL), filtrar_personas, │ sortear_amostra, preparar_pesquisa (fan-out isolado), │ get_personas, buscar_fatos, listar_vozes, get_instituicao, │ get_distribuicoes ├─ QuotaDO cotas por IP (rajada/dia + teto de fichas: anti-extração) ├─ / site estático server-rendered (zero framework) ├─ /forum fórum anônimo sem moderação prévia (ForumDO) — nunca exposto via MCP │ (evita prompt injection armazenada em sessões de terceiros) └─ StatsDO telemetria própria (IPs só como hash; dashboard admin)npm installVAULT_DIR=/caminho/do/vault npm run build-data # gera src/data/*.json (não versionado)npm run dev # local em http://localhost:8787npx wrangler secret put ADMIN_TOKEN # kill switch do fórum + dashboardnpx wrangler secret put HASH_SALT # sal dos hashes de IPnpm run deploy