Pular para conteúdo

Exemplos Seguros

Este projeto evita usar estudos de caso empresariais identificáveis como vitrine pública. A documentação deve ensinar a ferramenta sem expor disputas sensíveis, dados pessoais desnecessários ou narrativas que possam gerar risco reputacional.

Política de exemplos

Prefira:

  • números CNJ demonstrativos em tutoriais;
  • fixtures sanitizadas;
  • processos escolhidos pelo próprio usuário;
  • casos institucionais de baixa sensibilidade;
  • outputs reduzidos e sem dados pessoais excessivos.

Evite:

  • disputas comerciais de alto valor como showcase;
  • nomes de partes privadas em material promocional;
  • e-mails, CPF, endereços ou dados de contato;
  • prints de páginas com dados sensíveis;
  • peças processuais reais;
  • conclusões jurídicas sem leitura integral dos autos.

Processo público recomendado

Os exemplos do projeto usam um processo público institucional previamente testado:

0015020-23.2010.8.26.0053

Ele foi escolhido por ter bom equilíbrio entre completude e velocidade: eSAJ, DJEN, DataJud/CNJ e timeline agregada funcionam sem depender de uma disputa empresarial sensível.

Veja a página Demonstração Pública para contexto, métricas e ressalvas.

Como fazer uma demonstração pública

Use este roteiro:

  1. Explique que o número é público, institucional e usado apenas para demonstração técnica.
  2. Mostre o comando.
  3. Mostre apenas campos estruturais do resultado.
  4. Remova dados pessoais e trechos longos.
  5. Informe a fonte consultada.
  6. Informe os limites da consulta.

Exemplo:

nanojud timeline <NUMERO_CNJ_PUBLICO> --source esaj --source djen --out timeline.json

Resultado demonstrativo:

{
  "numero_cnj": "<NUMERO_CNJ_PUBLICO>",
  "sources": ["esaj", "djen"],
  "timeline_count": 42,
  "status": "ok",
  "observacao": "Dados públicos extraídos e normalizados; validar atos sensíveis na fonte oficial."
}

Para artigos, posts e vídeos

Ao divulgar o projeto, destaque o método:

  • extração responsável;
  • fonte pública;
  • timeline auditável;
  • MCP local;
  • limites éticos;
  • uso profissional com revisão humana.

Evite vender a ideia de que a ferramenta "entende o processo sozinha". A proposta correta é: ela organiza dados públicos para acelerar a análise humana e a automação responsável.