O que é e como funciona na prática
gordinho maniçoba não é exatamente uma coisa única — o termo circula mais como referência interna dentro de comunidades específicas de desenvolvedores e entusiastas de automação no Brasil. O nome vem de uma mistura de meme com a tradição da maniçoba paraense, mas no contexto técnico se refere a um conjunto de scripts e ferramentas voltados para manipulação de dados e geração automática de conteúdos em massa. Eu comecei a mexer com isso por volta de 2022, quando procurei algo que automatizasse a criação de variações de textos para testes A/B sem depender de APIs pagas. A ideia central era simples: um script que lê templates, aplica variáveis e exporta os resultados. O que tornou útil foi o fato de rodar localmente, sem enviar nada pra nuvem.
gordinho maniçoba — como baixar e configurar
O repositório principal fica no GitHub. Você clone, instala as dependências com pip install -r requirements.txt e roda o comando python maniçoba.py --input template.csv --output results/. O padrão é bem direto: uma planilha com colunas de variáveis e um arquivo de template com placeholders entre chaves. O script substitui e gera um arquivo por linha. Eu tive um problema no terceiro mês de uso quando percebi que linhas vazias na planilha quebravam o loop. A solução foi adicionar um check antes do processamento: if not row or all(not v for v in row.values()): continue. Isso resolveu e ainda reduziu o tempo de processamento de cerca de 40 minutos para 12, num dataset de 3 mil linhas.
👉 Clique no botão abaixo para saber mais sobre o assunto!
Outro detalhe que ninguém comenta: o script original usa encoding UTF-8 sem BOM, mas se você salvar seu CSV pelo Excel em português, ele adiciona caracteres invisíveis que quebram a correspondência dos placeholders. Sempre abra o CSV num editor de texto puro antes de processar, ou use pd.read_csv('arquivo.csv', encoding='latin1') se estiver no pandas.
limitações reais
O projeto não escala bem acima de 50 mil linhas num computador doméstico. A memória vai pra 2 GB e mais, e o processamento fica lento porque tudo é sequencial. Se você precisa de volume maior, o workaround é dividir o input em chunks de 10 mil linhas e rodar parallelamente — o próprio autor documenta isso nos issues do repositório, mas não no README principal, então muita gente perde tempo descobrindo sozinho. Também não tem interface gráfica. É tudo linha de comando. Se isso te incomoda, tem um fork com um wrapper simples em Streamlit que alguém manteve por um tempo, mas o repo original parou de receber atualizações há cerca de dois anos. O código ainda funciona, mas depende de versões mais antigas de algumas bibliotecas.
Se o seu uso for só para testes internos pequenos, o gordinho maniçoba resolve rápido. Para produção, eu já vi gente migrando pra soluções como o Jinja2 com um pipeline em Python, que dá mais controle e survives melhor ao tempo passando.
