Gabriel Augustinho Torres

Pítia

Painel que lê uma biblioteca da Steam e diz o que jogar a seguir, e por quê.

Ano
2025
Papel
Projeto pessoal, feito sozinho
Stack
Next.js, React, TypeScript, PostgreSQL, Drizzle e Recharts
Situação
No ar
A visão geral da Pítia no notebook, com a frase “Action holds 1,567 h of your 2,374 h.”, os números da biblioteca e as horas por gênero.
A visão geral de uma biblioteca de demonstração, com os números da biblioteca e as horas por gênero.

A Pítia lê uma biblioteca pública da Steam e responde o que a própria Steam não responde: quais gêneros você joga de verdade, medidos em horas, o que nunca abriu, o que abandonou nas primeiras horas, o que está quase terminando e o que jogar a seguir, com o motivo escrito.

A versão no ar é uma demonstração com uma única biblioteca, que representa o perfil público do youtuber Jacksepticeye. Os jogos e os dados da loja são reais; as horas e as conquistas são inventadas. A Pítia não tem vínculo com a Valve. A versão completa lê qualquer perfil com os detalhes de jogos públicos, pela API da Steam, e a interface é em inglês.

As recomendações não usam IA. Cada jogo recebe uma nota que mistura a afinidade com o que você joga (45%), a nota das análises (35%) e a duração (20%). A afinidade pesa as horas pela raiz quadrada, para um único jogo de 2.000 horas não definir o seu gosto sozinho.

A decisão técnica de que mais gosto resolveu um limite da Steam: a loja responde um jogo por vez, e só a cada 1,5 segundo, mais ou menos. Montei o catálogo com 25 requisições ao SteamSpy, cerca de 86 mil jogos em uns 90 segundos. Com isso, uma biblioteca nova abre em cerca de 3 segundos, e os dados que faltam chegam em segundo plano.

Mais telas

A visão geral da Pítia no celular, com o aviso de demonstração no topo e as horas por gênero.
As recomendações no celular, no grupo “Almost done”, com Hades a 5 conquistas de terminar e o motivo de cada sugestão.
No celular, a visão geral e as recomendações.
As recomendações no notebook, com as sugestões do grupo “You will probably like this” e o motivo de cada uma.
As recomendações, em quatro grupos, cada uma com o motivo.
O backlog no notebook, com 19 jogos nunca abertos ordenados pela nota das análises.
O backlog, com os jogos nunca abertos ordenados pela nota das análises.