PersonaDB

O PersonaDB é um motor determinístico de geração de dados sintéticos e relacionais para personas fictícias brasileiras. Ele cobre 25 domínios da vida humana — de genealogia e saúde a finanças, justiça, consumo e reputação na mídia — materializados em 257 tabelas PostgreSQL 16.

Todos os registros são 100% fictícios e reproduzíveis: a partir de uma única semente mestre (SeededRNG, PCG64 com derivação criptográfica BLAKE2b), a mesma execução produz exatamente o mesmo dataset, bit a bit.

python3 -m pip install -e "persona_db[dev,parquet]"
python3 -m persona_db.scripts.generate --personas 200 --seed 42 --output dataset.json

Por que ele existe

Caso de uso	Como o PersonaDB ajuda
Testes de integração e QA	Popular um PostgreSQL inteiro com dados coerentes sem tocar em dados reais
Demonstrações e ambientes de staging	Personas plausíveis, com histórias de vida consistentes entre domínios
Ensino de modelagem de dados e SQL	257 tabelas reais, com FKs, partições, views, triggers e índices
Benchmarks de carga	Geração de milhares de personas e milhões de linhas de forma reprodutível
Pesquisa em dados sintéticos	Motores probabilísticos explícitos, calibrados e documentados

:::danger Nada aqui é real Nomes, CPFs, endereços, empresas, hospitais, processos judiciais e qualquer outro identificador são inventados. O projeto não reproduz, anonimiza nem deriva dados de pessoas reais e não deve ser usado para simular identidades verificáveis. Veja Ética e limitações. :::

O que torna o projeto diferente

• Determinismo total. Nenhum módulo usa random global ou relógio do sistema: o tempo é ancorado em PERSONADB_TODAY e toda aleatoriedade vem de SeededRNG.fork(persona_id, domínio). Veja Determinismo e reprodutibilidade.
• Coerência entre domínios. O tipo sanguíneo respeita o quadrado de Punnett dos pais; o salário respeita o piso vigente no ano da contratação; antecedentes criminais bloqueiam setores de emprego; óbito encerra todos os registros posteriores.
• Modelos explícitos. Mobilidade social (Markov), escolaridade (logit), salários (Mincer), mortalidade (Gompertz–Makeham), fecundidade (Poisson), migração (gravidade) — todos descritos em Motores matemáticos.
• Validação embutida. Seis validadores percorrem o dataset gerado e reprovam a execução quando qualquer invariante é quebrada. Veja Validadores.

Fluxo em uma imagem

Como navegar nesta documentação

Seção	Para quem
Começando	Quem quer instalar e gerar o primeiro dataset
Arquitetura	Quem precisa entender pipeline, determinismo e contratos
Motores matemáticos	Quem quer entender ou recalibrar os modelos probabilísticos
Geradores	Quem vai escrever ou alterar um domínio
Validadores	Quem precisa garantir consistência dos dados
Linha de comando	Quem opera a geração, carga e exportação
Referência de API	Consulta módulo a módulo, gerada do código-fonte
Schema SQL	Consulta tabela a tabela, gerada dos arquivos DDL

:::tip Documentação sempre em sincronia As seções Referência de API, Schema SQL, o catálogo de geradores e o catálogo de regras são gerados a partir do código a cada build (npm run gen:docs). Se o código mudar, a documentação muda junto. Detalhes em Documentação e site. :::