Este projeto não começou a partir de um grande plano. Ele surgiu de algo pequeno e real. Eu estava observando o filho de um parente aprendendo programação em C — acompanhando suas aulas, vendo sua lição de casa — e fiquei pensando: esta forma de aprender parece ultrapassada. O professor dá uma aula baseada no livro didático, os alunos fazem anotações e exercícios. Não é totalmente inútil, mas raramente ajuda alguém a desenvolver um verdadeiro pensamento computacional.

O que eu realmente notei

O verdadeiro problema não era que os alunos não conseguiam encontrar respostas. Era que:

Eles olhavam para um trecho de código e não tinham ideia do que cada linha estava fazendo
Eles liam tudo uma vez, sentiam que tinham entendido, mas não conseguiam explicar como as coisas se conectavam
O mais importante, eles não sabiam qual problema o código estava realmente resolvendo

Tudo o que eles aprendiam era fragmentado. Eu continuava voltando a um pensamento:Aprender não é sobre colecionar pontos — é sobre conectá-los.

Foi aí que o Tutor começou.

https://tutor.artdance.net/

2. Como eu construí, passo a passo

2.1 Começando com um explicador de código simples

A ideia inicial era extremamente simples: cole algum código e, em vez de obter um resumo vago, veja o que cada linha realmente faz e por que foi escrita dessa forma.

Então, a primeira funcionalidade principal do Tutor foiexplicação linha por linha. Ele detecta automaticamente mais de uma dúzia de linguagens de programação e vem com exemplos clássicos de C/C++ — bubble sort, listas encadeadas, busca binária — prontos para serem analisados com um clique.

2.2 Explicar não era suficiente

Entender algo uma vez não significa que você aprendeu. Então, adicionei três coisas:

Perguntas e respostas de acompanhamento— toque em qualquer linha e continue fazendo perguntas sobre ela. A AI responde com contexto completo, para que você nunca precise explicar o histórico novamente.Análise de formato livre— cole qualquer snippet de código para análise e discussão separadas.

Exercícios práticos— questões de múltipla escolha, preenchimento de lacunas e de programação geradas automaticamente com base no código atual. Precisa de mais? Basta clicar em "gerar mais".

Com isso implementado, finalmente começou a parecer uma ferramenta de aprendizado.

2.3 Fazendo o conhecimento crescer por conta própria

Mesmo com explicações, perguntas e respostas e exercícios, tudo ainda parecia blocos isolados de informação. O que eu realmente queria era uma sensação deconhecimento crescendo organicamente.

Então, construí oKnowledge Canvas— um grafo de conhecimento interativo e infinitamente expansível. A AI extrai conceitos centrais do seu código e os mapeia como nós conectados. Você pode "explorar" qualquer nó para descobrir conceitos relacionados, "expandi-lo" para gerar subtópicos ou fazer perguntas diretamente em um nó.

Antes que você perceba, você olha para trás e percebe que criou seu próprio mapa de conhecimento.

2.4 O código precisa ser executado, não apenas lido

Uma parte fundamental de entender o código é vê-lo rodar. Então, integrei a execução de código online suportando C, C++, Python, Java e mais de uma dúzia de outras linguagens. Os usuários podem executar o código, inserir dados e ver o resultado diretamente na página. Cada execução é salva, e você pode perguntar à AI sobre qualquer resultado específico.

Execute primeiro → leia a análise → faça perguntas de acompanhamento → faça exercícios. Esse fluxo parece muito mais natural do que apenas ler explicações.

2.5 Por que o processo de construção foi tão tranquilo

Todo o processo foi muito mais tranquilo do que eu esperava, em grande parte porque a plataforma Enter cuidou de grande parte do trabalho pesado.

Componentes de UIestavam prontos para usar imediatamente.
Essenciais de backend — autenticação de usuário, armazenamento em banco de dados, segurança em nível de linha — vieram todos através da integração nativa com o Supabase.
**O acesso aos modelos de AI foi unificado:**DeepSeek, Claude, GPT, Gemini, Doubao — não há necessidade de solicitar chaves e se adaptar a cada API separadamente. Basta escrever uma Edge Function e chamá-la.

Então, em vez de gastar semanas com infraestrutura, pude focar desde o primeiro dia no que realmente importava: as explicações são claras o suficiente? Os pontos de conhecimento se conectam? O caminho de aprendizado parece correto?

3. Como usar o Tutor

3.1 Comece de qualquer lugar

**Tem código?**Cole-o, clique em "Start Analysis"
**Sem código?**Use a AI para gerar um e preencha o editor com um clique
**Apenas navegando?**Toque em um exemplo predefinido — você verá uma análise completa em dois segundos

3.2 É um caminho de aprendizado, não uma página de funcionalidades

Uma vez dentro, os usuários seguem naturalmente um caminho:

Execute o código para ter uma noção do que ele faz
Leia a análise linha por linha
Faça perguntas de acompanhamento sobre qualquer coisa que não esteja clara
Faça exercícios práticos para confirmar o entendimento
Abra o Knowledge Canvas e explore para fora

Cada etapa — resultados de execução, conversas, pontuações de exercícios, grafos de conhecimento — é salva automaticamente. Volte a qualquer momento e continue exatamente de onde parou.

4. Olhando para trás: Do que realmente se trata

Olhando para trás, o Tutor é um explicador de código na superfície. Mas o que ele realmente está fazendo é ajudar as pessoas a começar a partir de um pedaço de código e conectar conhecimentos dispersos em algo completo.

Cole o código → execute-o → entenda linha por linha → faça perguntas mais profundas → pratique → abra o Knowledge Canvas → siga de um nó para o próximo → veja o mapa crescer e se tornar o seu próprio.

Isso funciona por dois motivos. Primeiro, o design do produto — explicação, perguntas e respostas, prática e canvas não são funcionalidades isoladas; eles formam um caminho de aprendizado contínuo. Segundo, a base que o Enter fornece — UI, banco de dados, modelos de AI, implantação — permitiu-me colocar toda a minha energia em "a experiência de aprendizado é realmente boa?" em vez de lutar com a infraestrutura.

De volta àquele pensamento original: Aprender não é sobre colecionar pontos — é sobre conectá-los.

É isso que o Tutor faz. Ele ajuda a pavimentar essa estrada. Para que o código não seja apenas algo que você "viu" — é algo que você entendeu, conectou e tornou seu.