dyulianocecilio/Totvs-Protheus-ADVPL-V0.1

Protheus AI

O especialista em TOTVS Protheus que trabalha dentro da sua empresa.

Uma iniciativa de Dyuliano Cecilio para toda a comunidade Protheus.

Programa em ADVPL e TLPP · entende regras de negócio · cria APIs REST e telas PO UI · conhece o banco de dados e o dicionário SX · diagnostica logs e erros · se integra às suas automações · e roda 100% local, sem enviar uma linha do seu código para fora.

Sua IA, seus dados, suas regras: sem conta por token, sem depender de internet e sem entregar o conhecimento da empresa a terceiros.

Qwen3.5 9B disponível para todos neste repositório · Gemma 4 12B QAT e Qwen3.8 27B em público restrito · veja a linha completa

⬇️ Baixar · 📘 Como usar · 🏅 Carreira · 👔 Consultores · 💻 Devs · 🏢 Empresas · 🔗 Integrações · 🧠 Segundo cérebro · 🔒 Privacidade e autonomia

---

⚡ O problema que ele resolve

😩 Sem o Protheus AI

🚀 Com o Protheus AI

Horas procurando em qual fonte está a regra "Para que serve esse parâmetro?" vira uma investigação Assistentes genéricos inventam funções, campos e tabelas Log de erro sem pista da causa Conhecimento preso na cabeça de poucas pessoas Código da empresa enviado para nuvens de terceiros Fatura de IA que cresce a cada token, todo mês Cotas, limites, quedas e mudanças decididas pelo fornecedor

Explicação da rotina em segundos, em linguagem de consultor Parâmetros, tabelas, campos e índices na ponta da língua Treinado para conferir antes de afirmar e dizer "não sei" Do log à causa provável e à correção Um especialista sênior disponível para todo o time, 24h Tudo roda local: o código nunca sai da sua rede Custo previsível: a máquina e a energia, com uso ilimitado O modelo é da empresa: funciona offline e só muda quando você quiser

🎬 Veja em ação

Cada modelo da linha no harness, do jeito que você vai usar: a pergunta digitada, o modelo pensando e a resposta saindo na velocidade dele. As perguntas, as respostas e o código são reais e conferidos nos fontes P12; a animação e as velocidades (de 48 a 165 tokens por segundo, numa GPU de referência) são ilustrativas.

Qwen3.5 9B · Analista JR · do log de erro à correção do ponto de entrada

Gemma 4 12B QAT · Analista PL · consulta SQL de títulos vencidos

Qwen3.8 27B · Especialista · API REST completa em TLPP

▶ Ver os outros modelos: Gemma 4 E4B, Qwen3 14B, Gemma 4 26B QAT e Gemma 4 31B QAT

Gemma 4 E4B · Auxiliar · completar uma função simples

Qwen3 14B · Analista PL · cadastro MVC completo

Gemma 4 26B QAT · Analista SR · error.log do faturamento

Gemma 4 31B QAT · Especialista · regra de negócio do custo médio e auditoria

E quando o item não existe? Em vez de inventar uma finalidade, o Protheus AI diz que não conhece e mostra como conferir:

🔒 Privacidade e autonomia

A IA é da sua empresa, não de um fornecedor. A maioria das IAs de código funciona como aluguel: os fontes saem da empresa, cada token vira fatura, e o serviço depende da internet, das cotas e das mudanças de quem vende. O Protheus AI é posse: o modelo é um arquivo que a empresa baixa, guarda e roda nas próprias máquinas. O conhecimento fica dentro de casa, e o custo também.

🔒 Seus dados não saem Fontes, regras de negócio, dicionário customizado e logs com dados de clientes ficam na sua rede. Sem telemetria, sem cópia em servidor de terceiros.	💸 Sem conta por token Não existe medidor. O custo é a máquina e a energia, e o time inteiro usa sem limite, inclusive agentes de código que leem o projeto a cada pedido.	🗝️ O modelo é seu O arquivo fica com a empresa: não é desligado, não muda de comportamento da noite para o dia e não depende de assinatura. Você atualiza quando quiser, depois de testar.
📴 Funciona sem internet Sem fila, sem limite de requisições por minuto e sem ficar parado quando o fornecedor cai. Roda até em rede isolada.	⚖️ Conformidade simples LGPD, segredo industrial e cláusulas de confidencialidade com clientes ficam mais fáceis: não há terceiro recebendo dados, então não há terceiro para auditar.	🧬 Do jeito da casa Aprende o padrão da empresa em etapas de treino e consulta os documentos internos pelo segundo cérebro, sem expor nada.

💸 Aluguel × posse: o custo ao longo do tempo

Faça a conta do seu time. Um exemplo com hipóteses modestas:

Hipótese	Valor
Pessoas usando IA no time Protheus	10
Pedidos por pessoa por dia	40
Tokens por pedido (fonte, log, contexto e resposta)	6.000
Dias úteis no mês	22
Tokens por mês	52,8 milhões

Multiplique pelo preço por milhão de tokens do seu fornecedor e repita todo mês. Com agentes de código, que releem o projeto a cada passo, o volume por pedido costuma ser muitas vezes maior. No Protheus AI local, esse volume não gera fatura: o Analista JR roda num notebook de desenvolvedor (GPU de 8 GB ou Mac com 18 GB), e um único servidor com GPU pode atender o time inteiro pela API interna.

🏛️ Aluguel × posse, lado a lado

	IA na nuvem, cobrada por token	Protheus AI local
Onde ficam seus fontes e dados	nos servidores do fornecedor	na sua rede
Como você paga	por token, todo mês, crescendo com o uso	máquina e energia; uso ilimitado
Previsibilidade do orçamento	depende do uso e da tabela de preços	custo fixo
Sem internet	para	funciona
Limites de uso	cotas e requisições por minuto	o da sua máquina
Quando o modelo muda	quando o fornecedor decide	quando você atualiza
Se o serviço for descontinuado	você perde o acesso	o arquivo continua com você
LGPD e confidencialidade	exige avaliar o fornecedor e o contrato	nada sai da empresa

Nossos compromissos de privacidade

• 100% local: roda no seu hardware, inclusive sem internet.
• Seu código fica com você: fontes, regras e dados de clientes nunca saem da rede.
• Sem telemetria e sem cobrança por uso.
• Treino sem dados de clientes: usa o dicionário padrão e o código do produto, sem customizações nem dados de negócio de empresas.
• Facilita o cumprimento de políticas internas de segurança e da LGPD, porque nada é enviado a terceiros.

📊 A inteligência em números

≈150 mil exemplos de treinamento especializados	+10 mil funções reais dos fontes P12 estudadas	+150 módulos e produtos no conhecimento de origem
9.978 tabelas do dicionário (SX2)	163.891 campos (SX3)	8.843 parâmetros MV_ (SX6)
8.721 índices (SIX)	7.828 gatilhos (SX7)	15.709 relacionamentos (SX9)
+1.000 cenários reais de erro e log	+2.600 exemplos anti-alucinação	100% em português do Brasil

🏅 Plano de carreira

Todo profissional de Protheus tem uma trilha: um dia está descobrindo o que é uma TES, anos depois desenha o processo da empresa inteira. O Protheus AI segue a mesma trilha. São 11 níveis em 4 trilhas (Formação, Operação, Analistas e Especialistas), e cada modelo da linha recebe um selo de carreira e uma nota de 0 a 1000, o Protheus Score. Você escolhe o modelo pelo que precisa e pela máquina que tem, sabendo exatamente o que esperar dele.

🧬 A linha Protheus AI

Selo	Modelo	Nível	Protheus Score	Máquina (Q4)	Status
	Gemma 4 31B QAT gemma4-31b-qat-protheus-dyul	Especialista	845	GPU 24 GB · Mac 48 GB	🟡 em validação
	Qwen3.8 27B qwen3.8-27b-protheus-dyul	Especialista	830	GPU 24 GB · Mac 32 GB	🟣 público restrito
	Gemma 4 26B QAT gemma4-26b-qat-protheus-dyul	Analista SR	740	GPU 16 GB · Mac 24 GB	🟡 em validação
	Gemma 4 12B QAT gemma4-12b-qat-protheus-dyul	Analista PL	640	GPU 10 GB · Mac 18 GB	🟣 público restrito
	Qwen3 14B qwen3-14b-protheus-dyul	Analista PL (sem análise de imagem)	615	GPU 12 GB · Mac 18 GB	🟡 em validação
	Qwen3.5 9B qwen3.5-9b-protheus-dyul	Analista JR	526	GPU 8 GB · Mac 18 GB	🟢 disponível neste repositório
	Gemma 4 E4B gemma4-e4b-protheus-dyul	Auxiliar	260	GPU 4 GB · Mac 16 GB	🟡 em validação

🚦 Liberação progressiva. A linha inteira já está definida, mas cada modelo só é liberado depois de passar pelas nossas réguas. 🟣 Público restrito é a etapa entre a validação e a abertura geral: o modelo já roda com um grupo restrito de usuários, e quer participar? Fale com a gente. Até a abertura geral, a nota mostrada é o enquadramento de lançamento; no dia da liberação vale a nota medida, e o selo acompanha o resultado. Os modelos de 26B a 31B são treinados em GPUs dedicadas na nuvem; os demais, na nossa estação de treino. Memória no Mac: a recomendação já considera o uso real de um profissional, com o modelo rodando ao lado do editor, do navegador e de outros serviços.

🎖️ Os selos de carreira

Cada modelo carrega o selo do seu nível, com a nota e o status. É o "crachá" que aparece no card de cada modelo:

📍 Onde estamos hoje

Os pontos fracos aparecem na ficha de propósito: um analista de verdade também tem pontos a desenvolver, e você merece saber quais são antes de confiar.

O que mudou na 0.5, com franqueza:

Melhorou	Piorou
telas MVC 7,1 → 8,2 · PO UI 6,7 → 7,3 · código 6,9 → 7,2 · itens reais (não negar o que existe) 6,7 → 8,3 · dicionário 4,4 → 5,6 · conversa 7,2 → 8,0	não inventar nomes 4,7 → 2,0 · APIs REST 7,4 → 7,1

O saldo deixou o Protheus Score praticamente igual: 529 → 526, ainda Analista JR. A 0.5 escreve código e telas melhores, mas inventa mais nomes de funções e campos quando não conhece o item. Até o próximo ciclo, que ataca justamente isso, confira no dicionário e nos fontes todo nome que você não reconhecer.

🧭 O que esperar de cada nível

Selo	Nível	O que entrega	Use para	Ainda não espere
	Master 950–1000	tudo do Arquiteto + domínio das regras de negócio e dos processos da empresa, módulo a módulo: do pedido ao faturamento, do custo ao fechamento	desenhar o processo to-be da implantação, revisar o blueprint, responder ao cliente como consultor sênior	é o topo da carreira
	Arquiteto 900–949	excelente em ADVPL/TLPP, MVC e PO UI; ótimo em banco e SQL do Protheus; usa ferramentas (busca nos fontes, dicionário, compilação, testes) antes de responder	projetar a solução técnica de uma integração, revisar a arquitetura das customizações	fechar sozinho o processo de negócio de ponta a ponta
	Especialista 800–899 Gemma 4 31B QAT · Qwen3.8 27B	ótimo em ADVPL/TLPP e banco; entende a regra de negócio; cria a API completa (endpoint, validação, tratamento de erro e front PO UI)	entregar uma integração inteira, otimizar consultas, migrar fonte legado para TLPP	arquitetura de soluções entre vários sistemas
	Analista SR 700–799 Gemma 4 26B QAT	programação de alto nível; bom em regra de negócio, banco, SQL, MVC e PO UI; lê logs enormes e acha a causa	plantão de suporte N3, revisão de código em cada entrega, análise de log com milhares de linhas	API completa sem revisão
	Analista PL 600–699 Gemma 4 12B QAT · Qwen3 14B	codifica no nível de programador; bom em banco; entende o problema pelo print da tela	mandar o print do erro e receber a causa, desenvolver customizações médias	regras complexas entre módulos, logs gigantes
	Analista JR 500–599 Qwen3.5 9B ← este modelo	funções completas, APIs REST TLPP, telas MVC e PO UI, explicação de código, diagnóstico de erros específicos, noções de regra de negócio e de banco	pedir uma rotina, um endpoint ou uma tela; entender um fonte legado; achar a causa de um erro do log	regras de negócio complexas, confiar sem conferir em campos e funções raros
	Técnico 400–499	código razoável, APIs simples, dúvidas sobre o sistema e pequenos trechos de erro	tirar dúvidas do dia a dia, criar um endpoint simples	funções completas
	Assistente 300–399	código simples e bem estruturado; perguntas simples; tabelas básicas	rotinas curtas, "para que serve a tabela X?"	APIs
	Auxiliar 200–299 Gemma 4 E4B	autocomplete, ajustes de funções e códigos simples	completar código no editor	escrever do zero
	Estagiário 100–199	conhece algo de Protheus; responde dúvidas de sintaxe; faz autocomplete	consultas rápidas	nada funcional
	Aprendiz 0–99	não conhece Protheus; só pesquisa sobre o assunto (qualquer IA sem treino)	pesquisa geral	código Protheus confiável

Promoção não depende só de tamanho: da 0.2 à 0.4, o Qwen3.5 9B subiu três degraus em três dias sem mudar de tamanho, apenas com treino melhor.

🧮 Protheus Score: como a nota é calculada

A nota diferencia modelos do mesmo nível: dois Especialistas não são iguais, e o de nota maior entrega mais. Ela sai de três passos.

1. Dez dimensões, cada uma com nota de 0 a 10 nas réguas

Dimensão	Peso	De onde vem a nota
Código ADVPL/TLPP de produção	18	régua técnica: código pedido como no dia a dia, conferido função por função
Não inventar (funções, campos, parâmetros)	13	pares real × falso conferidos no dicionário e nos fontes
Banco, dicionário SX e SQL	12	perguntas de tabela, campo, índice e consulta com gabarito oficial
Regras de negócio e processos	12	perguntas de processo por módulo (régua em construção: até lá, 5,0 conservador)
APIs REST / TLPP	10	endpoints completos, com JSON, paginação e tratamento de erro
Logs e diagnóstico de erros	10	pilhas reais do AppServer: causa e correção
Telas MVC	8	modelo, view e validações no padrão
PO UI	7	componentes e serviços consumindo a API
Explicação e documentação	5	o que foi feito, como funciona, pontos de atenção, como testar
Conversa longa	5	perguntas reais em sequência, numa conversa só

2. Média ponderada na curva de carreira

Protheus Score = 1000 × (média ponderada ÷ 10) ^ 1,5

A curva deixa cada ponto perto do topo mais caro: média 6,5 vale cerca de 525 (Analista JR), média 8 vale 716 (Analista SR) e o Master exige média acima de 9,6. Ninguém chega ao topo sendo só "bom em tudo".

3. Portões de nível

Nota alta não basta: cada faixa tem requisitos mínimos. Sem eles, a nota trava no topo da faixa anterior (por exemplo, 599).

Para entrar em	Portões
Assistente (300)	código ≥ 4
Técnico (400)	logs ≥ 6
Analista JR (500)	APIs ≥ 6 · MVC ≥ 6 · explicação ≥ 8
Analista PL (600)	não inventar ≥ 7 · dicionário ≥ 7 · análise por imagem validada (sem imagem, o selo leva ressalva)
Analista SR (700)	regras de negócio ≥ 7 · logs ≥ 8, inclusive logs longos
Especialista (800)	nenhuma dimensão abaixo de 7 · API completa aprovada na régua cega
Arquiteto (900)	nenhuma dimensão abaixo de 8 · uso de ferramentas validado
Master (950)	nenhuma dimensão abaixo de 9 · regras de negócio ≥ 9,5 · aprovação na avaliação humana

A nota confere com a avaliação humana. Aplicada às versões já medidas, a fórmula deu 291 à 0.2 (Auxiliar) e 421 à 0.3 (Técnico), exatamente os cargos que o consultor de 15 anos de Protheus tinha dado a cada uma. A 0.4 marcou 529 e a 0.5 marcou 526 (as duas Analista JR).

Regras do jogo

• A avaliação humana pode vetar uma promoção, mas nunca inflar a nota.
• Toda nota publicada vem com as réguas que a produziram; um modelo novo só é publicado se superar o atual nas três réguas, sem piorar privacidade, alucinação e código.
• A nota de um modelo em validação é o enquadramento; ao ser liberado, vale a nota medida.

📈 Como funciona a avaliação

Ninguém é promovido por tempo de casa. Cada versão passa por:

1. Régua técnica: checklist por pergunta em código, APIs, MVC, PO UI, logs, explicação e dicionário, com um verificador que confere cada função e campo citado contra o código real do P12.
2. Régua cega: perguntas que nunca entram no treino, para provar que o modelo generaliza e não decorou.
3. Régua de conversa: perguntas reais de usuários numa conversa longa, como no dia a dia.
4. Avaliação humana: um consultor com 15 anos de Protheus faz as perguntas que faria a um colega.

🗓️ Histórico de promoções do Qwen3.5 9B

Data	Versão	Cargo	Protheus Score	O que mudou
16/10/2026	0.2	Auxiliar	291	perfil e skills embutidos; o consultor avaliou como "auxiliar com 1 mês de estudo"
17/10/2026	0.3	Técnico	421	padrões-ouro conferidos nos fontes e anti-alucinação; código de produção de 2,8 para 6,7
19/10/2026	0.4	Analista JR	529	ciclo de autoaperfeiçoamento com professor: API de 5,0 para 7,4, MVC de 5,1 para 7,1, logs 9,3
19/10/2026	0.5	Analista JR	526	ciclo 4: MVC 8,2, PO UI 7,3, código 7,2 e itens reais 8,3; não inventar caiu de 4,7 para 2,0

🤝 Ajude na próxima promoção: mande perguntas reais e os casos em que ele errou na comunidade. Cada caso vira régua e treino da próxima versão.

🗺️ Mapa de conhecimento

Do Faturamento à Folha, do Fiscal ao PCP: o Protheus AI foi construído sobre o código real e o dicionário oficial do ERP e reforçado com conhecimento de negócio por área (RH, Contabilidade, Financeiro, Controladoria, Compras, Faturamento, PCP e outras).

🧠 O que ele faz por você

💻 ADVPL e TLPP Escreve, explica e corrige rotinas no padrão Protheus: User Function, RecLock/MsUnlock, DbSetOrder/DbSeek, BeginSql, classes TLPP, FWFormModel/FWFormView.	🧩 Regras de negócio Explica o porquê de uma rotina em compras, vendas, estoque, fiscal, financeiro, contábil, RH, PCP e contratos, na linguagem do consultor.	🔌 APIs REST Endpoints TLPP (@Get, @Post, @Put, @Delete) e WsRestFul, com JSON, paginação, cabeçalhos e tratamento de erro.
🖥️ PO UI e Angular Componentes, serviços HTTP e templates PO UI consumindo as APIs do Protheus, além de telas MVC e Browse no lado ADVPL.	🗄️ Banco de dados Tabelas, campos, índices, gatilhos e relacionamentos do dicionário; leitura de MV_ com SuperGetMV; SQL e acessos por índice com campos que existem.	🩺 Logs e erros Lê pilhas do AppServer (variable does not exist, array out of bounds, type mismatch, TCSQLError, REST, MVC) e aponta causa e correção.
🪝 Pontos de entrada Onde e quando cada ponto é chamado, o que chega em PARAMIXB e o que devolver: customização sem tocar no padrão.	🛡️ Honestidade treinada Recusa o que não existe, admite quando a busca não achou nada e pede esclarecimento quando a pergunta é ambígua.	🔒 Privado por natureza Roda no notebook ou num servidor interno, sem internet, sem telemetria e sem enviar fontes a terceiros.

⚙️ Recursos técnicos

Recurso	Para que serve
API compatível com OpenAI (via LM Studio ou llama.cpp)	qualquer ferramenta que fala com um "ChatGPT" fala com ele, mas dentro da sua rede
Chamada de ferramentas (tool calling)	o template aceita ferramentas, mas a 0.5 ainda não decide sozinha usá-las (régua de ferramentas 3,3 de 10). Ele funciona melhor quando o contexto vai junto na pergunta; decidir buscar sozinho é o próximo ciclo de treino
Entrada de imagem (projetor visual incluso)	ler prints de telas e de logs, quando o uso de imagem estiver habilitado no runtime
Quantizações Q8 e Q4	equilíbrio entre qualidade e máquina disponível
GPU ou CPU	do notebook do consultor ao servidor do time
Raciocínio antes de responder	pensa o passo a passo em perguntas complexas antes da resposta final

👔 Para consultores funcionais

Pergunte em português, como faria a um colega sênior:

Área	Pergunte	O que você recebe
Faturamento	"Qual a diferença entre a TES que gera e a que não gera financeiro?"	o conceito, os campos envolvidos e onde configurar
Compras	"Como funciona a alçada de aprovação do pedido de compra?"	o fluxo, as tabelas e os parâmetros que controlam a regra
Estoque e Custos	"Por que o custo médio do produto mudou depois do fechamento?"	as causas mais comuns e o que verificar
Financeiro	"Para que serve a tabela SE5 e quando um registro é gerado nela?"	finalidade, chave, índices e situações de gravação
Contabilidade	"Como o lançamento padrão é disparado na emissão da nota?"	o caminho do lançamento e o que conferir
Controladoria	"Que parâmetros afetam o rateio por centro de custo?"	os MV_ relacionados, com a descrição oficial
RH e Folha	"O que o parâmetro de cálculo de férias controla?"	a descrição do dicionário e o impacto na rotina
PCP	"Como a explosão da estrutura gera as ordens de produção?"	o processo e as tabelas do MRP
Fiscal	"Onde fica a configuração que define o cálculo de um imposto na nota?"	o caminho de configuração e os campos da TES

No dia a dia do consultor: preparar a reunião de levantamento ("quais parâmetros devo perguntar ao cliente sobre a rotina X?"), escrever a especificação funcional, explicar ao cliente um comportamento do sistema em linguagem simples e montar o roteiro de testes de homologação.

💻 Para desenvolvedores

Tarefa	Peça assim
Explicar código legado	"Explique esta função e aponte riscos" (cole o fonte)
Corrigir bug	"Este código não restaura a área e trava outras rotinas, corrija"
Criar API REST	"Crie um endpoint TLPP que liste clientes com paginação"
Tela PO UI	"Crie um componente PO UI com tabela e filtro que consuma esta API"
SQL no Protheus	"Escreva um BeginSql que traga os pedidos em aberto de um cliente"
Ponto de entrada	"Como implemento um ponto de entrada na validação do pedido de venda?"
Dicionário	"Qual a chave da ordem 2 da SC6 e como uso no DbSeek?"
Logs	"Este THREAD ERROR apareceu no console.log, qual a causa?" (cole o log)
Migração	"Esta rotina antiga usa MsDialog. Como seria em MVC?"
Documentação	"Gere o Protheus.doc e um resumo técnico desta rotina"
Testes	"Monte um roteiro de testes para esta customização"

📄 Exemplo: endpoint REST em TLPP

#include "tlpp-core.th"

namespace minhaempresa.api.clientes

class ClientesApi
    public method new()
    @Get("/api/v1/clientes/")
    public method listar()
endclass

method new() class ClientesApi
return

method listar() class ClientesApi
    Local jResp  := JsonObject():new() as Json
    Local aItens := {} as Array
    Local cAlias := GetNextAlias() as Character

    BeginSql Alias cAlias
        SELECT A1_COD, A1_LOJA, A1_NOME
          FROM %table:SA1% SA1
         WHERE SA1.A1_FILIAL = %xfilial:SA1%
           AND SA1.%notDel%
    EndSql

    While !(cAlias)->(Eof())
        aAdd(aItens, JsonObject():new())
        aItens[Len(aItens)]["codigo"] := (cAlias)->A1_COD
        aItens[Len(aItens)]["loja"]   := (cAlias)->A1_LOJA
        aItens[Len(aItens)]["nome"]   := AllTrim((cAlias)->A1_NOME)
        (cAlias)->(DbSkip())
    EndDo
    (cAlias)->(DbCloseArea())

    jResp["items"] := aItens
    oRest:setKeyHeaderResponse("Content-Type", "application/json")
    oRest:setResponse(jResp:toJson())
return .T.

🖥️ Exemplo: tela PO UI consumindo a API

<po-page-default p-title="Clientes">
  <po-table [p-columns]="colunas" [p-items]="clientes" [p-loading]="carregando"></po-table>
</po-page-default>

this.http.get<{ items: Cliente[] }>('/api/v1/clientes/').subscribe(resp => {
  this.clientes = resp.items;
  this.carregando = false;
});

🗄️ Exemplo: lendo um parâmetro do sistema

Local lGeraLote := SuperGetMV("MV_GERLOT", .F., .T.)

If lGeraLote
    // regra que depende do parâmetro estar ligado
EndIf

O segundo argumento desliga a mensagem de ajuda se o parâmetro não existir; o terceiro é o valor devolvido nesse caso.

🏢 Para empresas

Cenário	Como o Protheus AI ajuda
Fábrica de software / house de Protheus	acelera desenvolvimento, padroniza código e reduz retrabalho em revisão
Consultoria de implantação	consultores respondem dúvidas de configuração e processo sem depender do time técnico
TI interna de indústria, varejo ou serviços	suporte N2/N3 mais rápido, com diagnóstico a partir do log
Projetos de integração	APIs REST e front-end PO UI no mesmo padrão, do back ao front
BI e dados	entende dicionário, índices e relacionamentos para montar consultas e cargas
Atualização de versão	entende fontes legados e sugere adaptações
Onboarding de equipe	novos profissionais aprendem o ERP com um mentor sempre disponível
Gestão de custos de TI	troca a fatura mensal por token por um custo fixo de hardware: o time inteiro usa sem medidor
Dados sensíveis e segredo industrial	IA no dia a dia sem enviar fontes, processos ou dados de clientes para fora
Auditoria e governança	revisa customizações em busca de riscos (área não restaurada, RecLock sem MsUnlock, campos inexistentes)

Implantação em 4 passos

1️⃣ Instalar	2️⃣ Conectar	3️⃣ Usar	4️⃣ Evoluir
baixe o modelo e rode no notebook ou num servidor interno	ligue ao seu editor, chat ou automação e, se quiser, à busca nos seus fontes	o time pergunta, gera e revisa	acrescente o padrão e as customizações da sua empresa em novas etapas de treino

🔗 Integrações e automação

Por expor uma API compatível com OpenAI dentro da sua rede, o Protheus AI entra nas ferramentas que a empresa já usa, sem enviar dados para fora.

Automação	Como funciona	Para quem
Triagem de chamados	o helpdesk envia o chamado com o log; o Protheus AI classifica módulo e prioridade e sugere a causa e a resposta	suporte
Revisão de código em cada pull request	o pipeline de CI envia a alteração ADVPL e recebe comentários de padrão e de risco	times de desenvolvimento
Documentação automática	gera Protheus.doc e o manual técnico das rotinas customizadas a cada entrega	fábrica de software
Fluxos no Fluig	em um processo BPM, explica a regra ao aprovador ou valida os dados antes de integrar com o Protheus	áreas de negócio
Dentro do Protheus	uma rotina ADVPL chama a API local para resumir ocorrências, classificar textos ou sugerir preenchimento	usuários finais
Bot do time	Teams, Slack ou chat interno respondem dúvidas de parâmetro, tabela e processo	toda a equipe
Fluxos com n8n	e-mail, planilha ou formulário dispara uma análise e devolve o resultado em minutos	operações
Consultas de BI	da pergunta de negócio ao SQL com nomes de tabelas e campos conferidos	dados e controladoria

🔌 Exemplo: chamando o Protheus AI de dentro de uma rotina ADVPL

Local cUrl     := "http://servidor-ia:8080/v1/chat/completions"
Local aHeader  := {"Content-Type: application/json"}
Local cHeadRet := ""
Local jReq     := JsonObject():new()
Local jMsg     := JsonObject():new()
Local jResp    := JsonObject():new()
Local cRetorno := ""

jMsg["role"]     := "user"
jMsg["content"]  := "Resuma esta ocorrência em uma frase: " + cTexto
jReq["model"]    := "protheus-dyul"
jReq["messages"] := {jMsg}

cRetorno := HttpPost(cUrl, "", jReq:toJson(), 120, aHeader, @cHeadRet)
If !Empty(cRetorno) .And. jResp:FromJson(cRetorno) == Nil
    cResumo := jResp["choices"][1]["message"]["content"]
EndIf

🧪 Exemplo: chamada direta pela API (scripts, n8n, CI)

curl http://servidor-ia:8080/v1/chat/completions \
  -H "Content-Type: application/json" \
  -d '{"model":"protheus-dyul","messages":[{"role":"user","content":"Classifique este chamado por módulo e prioridade: ..."}]}'

🧠 Segundo cérebro da empresa

O Protheus AI já sabe Protheus. Ligado a uma base de conhecimento local da empresa, ele passa a lembrar também do seu jeito de trabalhar: manuais internos, atas de reunião, especificações, decisões de customização, chamados resolvidos e padrões de código da casa. Tudo indexado localmente: a busca acontece na sua rede e os trechos encontrados vão junto com a pergunta (o chamado RAG), sem sair da rede. Fazer o próprio modelo decidir quando buscar chega com o ciclo de ferramentas.

Quem	Pergunta ao segundo cérebro	O que ele cruza
Desenvolvedor	"Por que customizamos o ponto de entrada da liberação de pedido e quais regras ele aplica?"	a especificação da época + o fonte atual + o comportamento padrão
Consultor	"Como configuramos o rateio por centro de custo no cliente X e o que mudou desde então?"	atas, documentos de configuração e parâmetros
Suporte	"Já tivemos este erro antes? Qual foi a solução?"	histórico de chamados + o log atual
Gestor	"Quais customizações tocam no faturamento e quem é o responsável por cada uma?"	inventário de fontes + documentos do projeto
Novo integrante	"Quais são os padrões de código do nosso time e onde estão os exemplos?"	guias internos + fontes de referência

Resultado: o conhecimento deixa de depender de quem está de férias ou de quem saiu da empresa. Ele fica com a empresa, protegido dentro da rede.

🚀 Comece em 3 passos

📘 Usa o LM Studio Bionic? Siga o guia ilustrado passo a passo: do download à primeira correção nos seus fontes, com o modelo rodando na sua máquina.

1. Escolha o arquivo

Arquivo	Para quem	Tamanho
protheus-dyul.Q8_0.gguf	melhor qualidade	9,8 GB
protheus-dyul.Q4_K_M.gguf	máquinas mais modestas	5,8 GB
mmproj-protheus-dyul-BF16.gguf	projetor de imagem (opcional)	0,9 GB

Requisitos

	Mínimo	Recomendado
Mac	Apple Silicon (M1 ou superior) com 16 GB de RAM	M1 ou superior com 18 GB de RAM ou mais
Windows / Linux	GPU NVIDIA RTX com 8 GB de VRAM	GPU com 10 GB de VRAM ou mais

Use o Q4_K_M no mínimo e no recomendado. O Q8_0 (qualidade máxima) pede mais memória: cerca de 12 GB de VRAM, ou 24 GB de RAM em um Mac. Também roda só em CPU, bem mais devagar.

Uso recomendado: o LM Studio como servidor de API local (Windows, Linux e Mac). Os demais programas que carregam GGUF também funcionam, mas o perfil embutido depende do template de chat do arquivo.

2. Rode localmente

• LM Studio: no topo deste card, clique em Use this model → LM Studio: o app abre e baixa o modelo. Para usar no LM Studio Bionic (hoje como assistente que responde e escreve o código; editar o projeto sozinho depende do ciclo de ferramentas), siga o guia ilustrado.
• llama.cpp:

  llama-server -m protheus-dyul.Q8_0.gguf -c 8192 --port 8080
  

  A API compatível com OpenAI fica em http://localhost:8080/v1, pronta para editores, scripts e integrações internas.

3. Pronto: o perfil já vem embutido

O arquivo traz dentro do template de chat o perfil de especialista Protheus e as regras das skills TOTVS de ADVPL/TLPP. Em LM Studio, Ollama, llama.cpp, Cursor, Codex e similares não é preciso configurar prompt de sistema: ele já sabe quem é, responde em português, assume o contexto Protheus e segue as instruções do seu ambiente. Se o seu editor enviar um prompt próprio, o perfil é somado a ele.

As regras de cada assunto (MVC, ponto de entrada, REST TLPP, dicionário, SQL, revisão, depuração, compilação e migração para TLPP) entram só quando o assunto aparece na conversa, então o contexto não é gasto à toa: uma conversa simples usa cerca de 650 tokens de perfil, e um pedido de ponto de entrada ou de API soma de 100 a 300.

🆚 Por que um especialista e não um assistente genérico

	Assistente genérico	Protheus AI
Conhece o dicionário de dados do Protheus	✖	✔
Escreve no padrão ADVPL/TLPP do ERP	parcial	✔
Treinado para dizer quando algo não existe	✖	em evolução
Diagnostica logs do AppServer	parcial	✔
Português do Brasil e termos do ERP	parcial	✔
Roda 100% local, sem enviar código	✖	✔
Sem cobrança por token, uso ilimitado	✖	✔
Funciona sem internet	✖	✔
O modelo é da empresa: não muda nem é desligado sem você querer	✖	✔
Integra às automações sem expor dados	✖	✔
Evolui com o padrão da sua empresa	✖	✔

🛣️ Roadmap

Etapa	Conteúdo	Estado
1	Programação ADVPL/TLPP, regras de negócio, dicionário, skills oficiais e pontos de entrada	✅
2	APIs REST/TLPP, telas MVC, PO UI, análise de logs, dicionário completo e anti-alucinação	🔄
3	SQL e conhecimento de negócio por área (RH, Contabilidade, Financeiro, Controladoria, Compras, Faturamento, PCP)	🔜
4	Cobertura ampliada dos fontes por módulo e análise de telas por imagem	🔜
5	Uso de ferramentas: decidir quando buscar nos fontes, na web ou no projeto, para trabalhar em agentes como o LM Studio Bionic e o OpenCode (dataset e régua prontos)	🔜

Cada etapa é cumulativa: parte da anterior, sem perder o que já foi aprendido. Próxima meta: a promoção a Analista PL (veja o plano de carreira).

✅ Qualidade e transparência

• Dados verificáveis: os exemplos de dicionário vêm do dicionário padrão; os de código, de fontes reais. Código gerado passa por filtros de sintaxe e de existência de funções antes de entrar no treino.
• Validação separada: as funções usadas no treino não aparecem na validação.
• Avaliação por versão: conhecimento do dicionário (com gabarito oficial), taxa de recusa de itens inexistentes e qualidade de programação.
• Versão atual deste repositório: 0.8 (em evolução). Treino focado em qualidade: soluções-modelo de código de produção conferidas nos fontes oficiais (ExecAuto, MVC, REST TLPP/WsRestFul, TReport, jobs, PO UI) e suas variações, explicação de código e diagnóstico de logs, e anti-alucinação contrastiva (itens reais x nomes plausíveis que não existem) com ajuste por preferência. Sem recusar análises com dados sensíveis e sem blocos de raciocínio na resposta. Limites conhecidos: ainda pode errar detalhes de funções pouco comuns; confira sempre no seu ambiente.
• Sempre revise: como qualquer IA, ele pode errar. Valide em desenvolvimento e confira nomes no dicionário da sua instalação.

❓ Perguntas frequentes

Ele substitui o desenvolvedor ou o consultor?

Não. É o colega sênior que nunca cansa: acelera, sugere e explica. Quem decide e aplica é o profissional.

Funciona sem internet?

Sim. Todos os arquivos rodam localmente, e nada é enviado para fora.

Preciso pagar por token ou por assinatura de uso?

Não existe cobrança por token nem medidor de uso: depois de instalado, o custo é a máquina e a energia, e o time usa à vontade. As condições de licença estão em "Marcas, licença e aviso", no fim desta página.

E se o modelo mudar ou for descontinuado?

O arquivo é da empresa: a versão que você baixou continua igual e funcionando. Você só troca de versão quando quiser, depois de testar.

Uma máquina atende o time inteiro?

Sim. Um servidor com GPU expõe a API compatível com OpenAI na rede interna, e o LM Studio ou o llama.cpp atendem vários pedidos em paralelo. Quantos, depende da GPU e do tamanho do modelo escolhido no plano de carreira.

Serve para a minha versão do Protheus?

O conhecimento base é da versão P12. Rotinas, campos e parâmetros do seu ambiente podem diferir: confira sempre no seu dicionário.

Dá para ensinar o padrão da minha empresa?

Sim. O treinamento é feito em etapas cumulativas, e o segundo cérebro conecta os documentos da casa sem precisar de novo treino.

Consigo integrar com Fluig, n8n ou o próprio Protheus?

Sim. Basta apontar a ferramenta para a API local compatível com OpenAI (veja os exemplos em Integrações e automação).

Que máquina eu preciso?

Um notebook com GPU de 8 GB já roda a versão Q4. Para a Q8, recomenda-se 12 GB. No Mac, recomendamos 18 GB de RAM, para o modelo rodar junto com o editor, o navegador e os outros serviços do dia a dia. Em CPU também funciona, de forma mais lenta. Para os outros modelos da linha, veja a tabela em Plano de carreira.

⚖️ Marcas, licença e aviso

Protheus®, TOTVS® e Fluig® são marcas registradas da TOTVS S.A. Demais nomes de produtos citados pertencem aos seus donos. Este projeto é independente: não é afiliado, patrocinado nem endossado pela TOTVS. O conteúdo do treinamento é derivado de material do ecossistema Protheus; confirme as condições de uso antes de redistribuir. Distribuído sob licença própria (license: other); fale com os mantenedores sobre os termos.

---

💡 Tem uma ideia? A gente quer ouvir!

Achou um caso de uso que a gente nem imaginou? Pegou o modelo inventando um parâmetro? Sonha com uma integração maluca com o seu Fluig? Manda pra cá. Sugestão boa vira etapa de treino, e crítica sincera vale ouro (e café ☕).

Protheus AI · feito por quem vive o Protheus, para quem vive o Protheus.
Criado por Dyuliano · bora trocar uma ideia no LinkedIn 🤝