Painel Sintético Concorde

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.

已验证Streamable HTTP可网页运行知识与记忆数据与分析商业与电商

概览

AI 生成的概览

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。

可以做什么
查看面板概览与可用字段,并获取在本地对问题进行分类的评分标准(问题本身不会发送到服务器)。用确定性筛选语法筛选或随机抽取人设,并按 id 获取完整人设档案。按选择、打分、量表或开放题格式生成按人设隔离的调研包,并返回可复现的随机种子。按文本、维度或人设检索 105 条统计事实,并按主题列出真实消费者原话。查询 12 家金融机构之一的档案,并列出面板的校准分布文件。
适用场景
适合银行与金融科技的产品早期探索:用小规模人设焦点小组听取异议,或在投入一手调研或 A/B 测试前做低成本的方向性调研。README 明确说明它不能替代一手调研。
运行要求
以 URL 添加为自定义连接器的远程 MCP 端点,无需下载。README 称自定义连接器需要付费 Claude 套餐。未声明认证、环境变量或请求头。
安装前请注意
人设数据为专有数据,未授权再分发,且按 IP 的配额限制批量抓取。README 提示满意度与自报发生率类问题与真实基准偏差较大,构成类事实是倾向性的反向,不能当作人设概率解读。原话语料不具人群代表性。

安装

在 SourceWeft 中

  1. 打开 控制台中的 Painel Sintético Concorde,将其添加到工作区。
  2. 为需要使用其工具的对话启用该服务。

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。

交给智能体安装

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。

查看智能体所依据的安装指南

其他 MCP 客户端

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"
    }
  }
}

README

Painel Sintético Concorde

[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

Como instalar / encontrar

O painel é um conector MCP remoto. Não há nada para baixar.

  1. No Claude (Desktop, web ou mobile): Settings → Connectors → Add custom connector
  2. Cole a URL: https://painel.concorde-painel.workers.dev/mcp
  3. Requer plano pago do Claude (conectores customizados não estão no plano gratuito)

Ele 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.

Por que existe

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.

Dois modos: focus group e pesquisa

  • Focus group (exploração qualitativa): filtrar_personas/sortear_amostra + get_personas. O Claude dá voz a um recorte pequeno de personas para você ouvir objeções e afiar hipóteses.
  • Pesquisa direcional (medição): 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.

Validação (backtest contra pesquisa real)

100 personas sorteadas do painel, classificadas com temperatura 0 (reproduzível), comparadas a pesquisas publicadas.

idwall 2025 (amostra nacional ponderada por IBGE)

Pergunta de atitude do consumidoridwallPainelErro
Pretende manter/aumentar uso de bancos digitais84,9%86,0%1,1 pp
Rapidez do cadastro é o fator nº 1 na abertura de conta51,4%49,0%2,4 pp
A casa é o lugar mais seguro para acessar o banco68,5%74,0%5,5 pp

Erro médio absoluto: 3,0 pp — as três dentro de 6 pontos percentuais do benchmark.

Reclame AQUI 2026 (crise de confiança em bancos digitais, n=2.073)

Atitude do consumidorReclame AQUIPainelErro
Medo de a instituição quebrar e perder o dinheiro (liquidez)35%39%4 pp

BCG e Nubank, "Beyond Access" 2023 (população brasileira, n=2.000)

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):

ClasseSe sente inseguroAmostra
A5%n=22
B20%n=30
C77%n=30
D/E80%n=30

Controle: e se for só o LLM?

As mesmas perguntas respondidas direto por modelos de fronteira, sem painel, sem persona, sem busca na internet, temperatura 0:

PerguntaRealPainelGemini 3.1 ProGPT-5.6
Mantém ou aumenta o uso de bancos digitais84,9%86%84%85%
Rapidez do cadastro é o fator nº 151,4%49%18%25%
A casa é o lugar mais seguro para acessar68,5%74%65%90%
Medo de a instituição quebrar (liquidez)35%39%45%65%
Erro médio absoluto3,3 pp12,0 pp19,5 pp

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.

Exemplos

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.

Arquitetura

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)

Decisões que valem nota:

  • DSL de filtro própria (sem eval): classe_social == 'Classe C' & idade > 30, mesma sintaxe do vault ao servidor.
  • Fatos tipados (propensão / prevalência / composição / referência) — composição é P(público|métrica), o inverso de propensão; o servidor injeta aviso na ficha quando presente.
  • Cotas via Durable Object por IP: extração em massa do painel é impraticável sem autenticação de usuários.
  • Fórum fora do MCP por regra: conteúdo aberto de terceiros nunca volta por ferramenta, eliminando o vetor de injection armazenada.

Rodando

Pré-requisitos: Node 20+, conta Cloudflare, um vault no formato esperado (veja scripts/build-data.mjs para o schema de frontmatter).

sh
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

Licença

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.

Autor

Caio Sartoratto Prado — LinkedIn · projeto Concorde. Feedback: fórum do painel.

来源:README.md,提交 3e6806d

工具

10

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。

avaliar_pergunta

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。

filtrar_personas

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`).

输入参数filtrolimite

sortear_amostra

Sorteia 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.

输入参数n必填seedfiltro

preparar_pesquisa

Prepara 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.

输入参数nseedfiltroopcoesformatoescala_maxescala_min

get_personas

Fichas 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.

输入参数ids必填

buscar_fatos

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).

输入参数eixotextopersona_idincluir_corpo

listar_vozes

Vozes 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.

输入参数temacompleto

get_instituicao

Ficha de uma instituição financeira (cadastro, volumetria, reputação, reviews). 12 bancos tradicionais e digitais. Sem nome, lista as disponíveis.

输入参数nome

get_distribuicoes

Tabelas de calibração do painel: CSVs de distribuição (pesos do sorteio original) e registro de taxas. Sem nome, lista os arquivos.

输入参数arquivo

版本历史

1
  1. v1.0.0最新Sep 16, 2026

评分

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。

  • 近 30 天内可连通必需25 分
  • 已声明认证方式必需10 分
  • 已列出工具必需15 分
  • 描述必需15 分
  • 图标10 分
  • 文档15 分
  • 许可证10 分

    请在仓库或注册中心条目中声明许可证。