Primeiros passos: aplicativo web

Crie um projeto no aplicativo web, entenda seus arquivos, execute-o e veja o resultado no painel.

Antes de começar

Você vai precisar de uma conta Harumi e acesso à plataforma. Ainda não tem uma? Veja Criando uma conta primeiro.

Primeira vez na Harumi?

Depois do seu perfil, a etapa de boas-vindas pergunta o que você quer melhorar. Descreva o problema com as suas palavras e a Harumi cria o projeto e inicia o checklist dele para você. Veja Criando uma conta. Este guia é para criar um projeto por conta própria, a partir de arquivos iniciais.

Este guia percorre o caminho do aplicativo web da jornada 1 de Começando um projeto — nada ainda, começando do zero. Vai adotar código existente, ou prefere trabalhar pelo terminal em vez do navegador? Veja Começando um projeto para essas outras jornadas.

Crie um projeto

Na sua página de projetos, clique em New project e escolha se ele pertence ao seu espaço pessoal ou a uma organização. A Harumi provisiona um repositório git para o projeto, já preenchido com um template inicial. Opções avançadas no diálogo permitem deixar de fora os arquivos iniciais, adicionar um .gitignore ou começar de um ZIP.

Veja o que você recebeu

O template inicial cria quatro arquivos no seu novo repositório:

harumi.toml

main.py

overview.toml

README.md

Abra a aba Código para navegar por eles:

harumi.toml — o manifesto de execução. Define qual comando a Harumi executa e em qual kernel de computação:
```
[run]
command = "python main.py"
kernel = "or_python_small"
```

main.py — seu ponto de entrada. A versão inicial escreve um pequeno resultado em output/output.json:

result = {
    "objective": 128_450,
    "rows": [
        {"name": "Item A", "value": 52_400},
        {"name": "Item B", "value": 38_900},
    ],
}

dashboard/overview.toml — declara os widgets exibidos no Painel, associados por chave a output/output.json. A configuração inicial associa uma métrica a objective e uma tabela a rows — exatamente o que main.py escreve. Cada dashboard/<nome>.toml é um dashboard próprio: adicione um segundo arquivo e um seletor aparece no Painel para alternar entre eles. Veja Datasets, métricas e o clock do dashboard para as seções opcionais além de widgets.

Sem células de notebook

Uma execução é exatamente o comando declarado em harumi.toml, executado contra o código na branch ativa (main). Não há nada mais implícito nisso.

Edite e faça commit

Abra um arquivo na aba Código, mude para Edit, faça sua alteração e clique em Commit changes com uma mensagem de commit. Isso escreve diretamente na main — não há uma etapa separada de salvar/publicar.

Para mais do que edições rápidas (trabalhar no seu próprio editor com git), veja Trabalhando com o repositório ou use a CLI para fazer git push a partir da sua máquina. Para adicionar um arquivo de dados sem fazer commit dele, use a seção Files da aba Fontes de Dados no lugar — ela não é versionada em git, e aparece em inputs/ dentro de cada execução.

Execute

Clique em Run na barra de ferramentas. A Harumi clona o repositório no commit atual e executa o comando de harumi.toml no kernel configurado.

Veja o resultado

De volta ao Painel, View latest output mostra um terminal em tempo real com stdout/stderr enquanto a execução está em andamento. Quando ela termina, os widgets declarados em dashboard/overview.toml são renderizados usando o JSON que a execução escreveu — assim, o projeto inicial já mostra uma métrica e uma tabela reais na primeira execução.

Próximo passo: mude o kernel ou o modelo

Para usar um kernel maior ou uma imagem licenciada do Gurobi, edite o valor de kernel em harumi.toml:

kernel = "gurobi_python_medium"

Kernels disponíveis: or_python_small, or_python_medium, or_python_large, or_python_xlarge, ou um tamanho gurobi_python_* se sua organização tiver licença Gurobi.

Para construir o modelo em si, escreva o código você mesmo, ou abra o Chat de IA da Harumi e descreva o problema — no modo Agent ele pode construir e executar um modelo para você. Veja Chat de IA da Harumi.