Update app.py

app.py

@@ -1,506 +1,58 @@
-import os
-import json
-import time
-import hashlib
-from datetime import datetime
-from concurrent.futures import ThreadPoolExecutor, as_completed
-
-import gradio as gr
-import google.generativeai as genai
-
-# Dependências para PDF
-try:
-    import PyPDF2
-    PDF_SUPPORT = True
-except ImportError:
-    PDF_SUPPORT = False
-    print("⚠️  PyPDF2 não instalado. Install: pip install PyPDF2")
-
-# ==================== 1. CONFIGURAÇÃO ====================
-
-api_key = os.getenv("GOOGLE_API_KEY", "SUA_API_KEY_AQUI")
-if api_key and api_key != "SUA_API_KEY_AQUI": 
-    genai.configure(api_key=api_key)
-
-model_flash = genai.GenerativeModel("gemini-flash-latest")
-model_pro = genai.GenerativeModel("gemini-pro-latest")
-
-ARQUIVO_CONFIG = "protocolo.json"
-PASTA_TRANSCRICOES = "transcricoes"
-PAGES_PER_CHUNK = 10
-MAX_WORKERS = 5  # Limite de chamadas paralelas
-
-os.makedirs(PASTA_TRANSCRICOES, exist_ok=True)
-
-# ==================== 2. UTILIDADES ====================
-
-def carregar_protocolo():
-    try:
-        with open(ARQUIVO_CONFIG, "r", encoding="utf-8") as f:
-            return f.read()
-    except:
-        return json.dumps([
-            {"nome": "Leitor", "modelo": "flash", "missao": "Resumir o documento"},
-            {"nome": "Investigador", "modelo": "pro", "missao": "Encontrar inconsistências"}
-        ], indent=2)
-
-def salvar_protocolo(conteudo):
-    try:
-        json.loads(conteudo)
-        with open(ARQUIVO_CONFIG, "w", encoding="utf-8") as f:
-            f.write(conteudo)
-        return "✅ Salvo"
-    except:
-        return "❌ Erro JSON"
-
-def limpar_nome_arquivo(nome):
-    nome_base = os.path.basename(nome)
-    nome_limpo = "".join([c for c in nome_base if c.isalnum() or c in (' ', '.', '_', '-')]).strip()
-    return nome_limpo + ".json"
-
-def extrair_texto_pdf(caminho_pdf):
-    try:
-        with open(caminho_pdf, 'rb') as f:
-            reader = PyPDF2.PdfReader(f)
-            paginas = []
-            for i, page in enumerate(reader.pages):
-                texto = page.extract_text()
-                paginas.append({
-                    "numero": i + 1,
-                    "texto": texto,
-                    "metadata": str(page)[:200]
-                })
-            return paginas, None
-    except Exception as e:
-        return None, str(e)
-
-def fragmentar_pdf(paginas, tamanho_chunk=PAGES_PER_CHUNK):
-    chunks = []
-    for i in range(0, len(paginas), tamanho_chunk):
-        chunk = paginas[i:i + tamanho_chunk]
-        num_inicio = chunk[0]["numero"]
-        num_fim = chunk[-1]["numero"]
-        
-        texto_consolidado = "\n---QUEBRA DE PÁGINA---\n".join(
-            [f"[PÁGINA {p['numero']}]\n{p['texto']}" for p in chunk]
-        )
-        
-        chunks.append({
-            "id": f"chunk_{num_inicio}_{num_fim}",
-            "paginas": f"{num_inicio}-{num_fim}",
-            "num_paginas": len(chunk),
-            "texto": texto_consolidado,
-            "metadata": [p["metadata"] for p in chunk]
-        })
-    return chunks
-
-def processar_pdf_completo(arquivo_pdf):
-    if not PDF_SUPPORT:
-        return None, "❌ PyPDF2 não disponível"
-    
-    try:
-        paginas, erro = extrair_texto_pdf(arquivo_pdf.name if hasattr(arquivo_pdf, 'name') else arquivo_pdf)
-        if erro:
-            return None, f"❌ Erro ao ler PDF: {erro}"
-        
-        chunks = fragmentar_pdf(paginas)
-        nome_arquivo = os.path.basename(arquivo_pdf.name if hasattr(arquivo_pdf, 'name') else arquivo_pdf)
-        
-        return {
-            "arquivo": nome_arquivo,
-            "total_paginas": len(paginas),
-            "total_chunks": len(chunks),
-            "chunks": chunks,
-            "tipo": "pdf"
-        }, None
-    except Exception as e:
-        return None, f"❌ Erro no processamento: {str(e)}"
-
-def ler_arquivo_texto(arquivo):
-    if arquivo is None: return None
-    try:
-        with open(arquivo.name, "r", encoding="utf-8") as f:
-            conteudo = f.read()
-        return {
-            "arquivo": os.path.basename(arquivo.name),
-            "conteudo": conteudo,
-            "tipo": "texto"
-        }
-    except: return None
-
-# ==================== 3. PIPELINE DE IA ====================
-
-def transcrever_chunk(chunk_data, config_agentes):
-    # Função auxiliar para ser executada na thread
-    modelo = model_flash
-    try:
-        if config_agentes and isinstance(config_agentes, list):
-            if config_agentes[0].get("modelo") == "pro":
-                modelo = model_pro
-    except:
-        pass
-    
-    prompt = f"""
-ANÁLISE DE DOCUMENTO (OCR/LEITURA):
-Transcreva e estruture o conteúdo das páginas {chunk_data['paginas']}.
-Texto extraído:
-{chunk_data['texto']}
-
-Retorne JSON: {{ "transcricao": "...", "objetos": ["..."], "resumo": "..." }}
-"""
-    try:
-        # Retry simples em caso de erro 429 (rate limit)
-        for tentativa in range(3):
-            try:
-                resposta = modelo.generate_content(prompt)
-                texto_resp = resposta.text.replace("```json", "").replace("```", "")
-                return json.loads(texto_resp.strip()), None
-            except Exception as inner_e:
-                if "429" in str(inner_e):
-                    time.sleep(2 * (tentativa + 1))
-                    continue
-                raise inner_e
-    except Exception as e:
-        return None, str(e)
-
-# ==================== 4. GERENCIADOR DE ARQUIVOS ====================
-
-class GerenciadorArquivos:
-    def __init__(self):
-        self.arquivos = {} 
-
-    def adicionar(self, arquivo, arquivo_id):
-        self.arquivos[arquivo_id] = {
-            "arquivo": arquivo,
-            "nome": os.path.basename(arquivo.name),
-            "status": "adicionado",
-            "processado": None,
-            "transcricao": None
-        }
-
-    def gerar_prompt_com_transcricoes(self, texto_usuario):
-        prompt = texto_usuario + "\n\n--- CONTEXTO DOS ARQUIVOS ---\n"
-        count = 0
-        for _, item in self.arquivos.items():
-            if item["status"] == "processado" and item["transcricao"]:
-                count += 1
-                trans = item["transcricao"]
-                nome = item["nome"]
-                prompt += f"\n[ARQUIVO: {nome}]\n"
-                
-                if isinstance(trans, dict) and "chunks_processados" in trans:
-                    # Como garantimos a ordem na lista chunks_processados, iteramos normalmente
-                    for chunk in trans["chunks_processados"]:
-                        if chunk.get("status") == "OK":
-                            resumo = chunk.get('resumo', '')
-                            resumo = str(resumo) if resumo else ""
-                            prompt += f"Páginas {chunk['paginas']}: {resumo}\n"
-                            
-                            texto_full = chunk.get('transcricao', '')
-                            if texto_full:
-                                texto_seguro = str(texto_full)
-                                prompt += f"Trecho: {texto_seguro[:400]}...\n"
-                            else:
-                                prompt += "Trecho: (vazio)\n"
-
-                elif isinstance(trans, dict) and "conteudo" in trans:
-                    conteudo = str(trans['conteudo'])
-                    prompt += f"Conteúdo: {conteudo[:1000]}...\n"
-        
-        if count == 0:
-            prompt += "(Nenhum arquivo processado ainda)"
-        return prompt
-
-# Instância Global
-gerenciador = GerenciadorArquivos()
-
-# ==================== 5. FUNÇÕES DE ORQUESTRAÇÃO ====================
-
-def automacao_upload_processamento(files, history, config_json):
-    if not files:
-        return history
-
-    try:
-        config_agentes = json.loads(config_json)
-    except:
-        config_agentes = []
-
-    if history is None:
-        history = []
-
-    history.append([None, f"📂 **SISTEMA:** Recebi {len(files)} arquivo(s). Verificando cache e processando..."])
-    yield history
-    
-    ids_para_processar = []
-    
-    for f in files:
-        arquivo_id = f"arq_{int(time.time()*1000)}_{f.name}"
-        gerenciador.adicionar(f, arquivo_id)
-        ids_para_processar.append(arquivo_id)
-    
-    for arq_id in ids_para_processar:
-        item = gerenciador.arquivos[arq_id]
-        nome = item["nome"]
-        
-        # --- VERIFICAÇÃO DE CACHE ---
-        nome_cache = limpar_nome_arquivo(nome)
-        caminho_cache = os.path.join(PASTA_TRANSCRICOES, nome_cache)
-        
-        if os.path.exists(caminho_cache):
-            try:
-                with open(caminho_cache, "r", encoding="utf-8") as cache_file:
-                    dados_cache = json.load(cache_file)
-                item["transcricao"] = dados_cache
-                item["status"] = "processado"
-                if nome.lower().endswith('.pdf') and "chunks_processados" in dados_cache:
-                     item["processado"] = {"tipo": "pdf", "chunks": []}
-                history.append([None, f"♻️ **Cache Encontrado:** `{nome}` já foi processado. Carregando..."])
-                yield history
-                continue
-            except Exception as e:
-                history.append([None, f"⚠️ Erro cache `{nome}`: {e}. Reprocessando..."])
-        # ---------------------------
-
-        history.append([None, f"⚙️ **Processando:** `{nome}`..."])
-        yield history
-
-        if nome.lower().endswith('.pdf'):
-            if not PDF_SUPPORT:
-                history.append([None, f"❌ Erro em `{nome}`: Biblioteca PDF ausente."])
-                yield history
-                continue
-
-            pdf_proc, erro = processar_pdf_completo(item["arquivo"])
-            if erro:
-                history.append([None, f"❌ Erro em `{nome}`: {erro}"])
-                yield history
-                continue
-            
-            item["processado"] = pdf_proc
-            chunks = pdf_proc["chunks"]
-            total_chunks = len(chunks)
-            
-            # Inicializa lista com o tamanho exato para garantir a ordem
-            chunks_ordenados = [None] * total_chunks
-            
-            history.append([None, f"📄 `{nome}` fragmentado em {total_chunks} partes. Iniciando IA (Paralelo: {MAX_WORKERS} threads)..."])
-            yield history
-
-            # --- PROCESSAMENTO PARALELO ---
-            with ThreadPoolExecutor(max_workers=MAX_WORKERS) as executor:
-                # Dicionário para mapear Future -> Índice Original
-                futures_map = {}
-                
-                # Submeter todas as tarefas
-                for i, chunk in enumerate(chunks):
-                    future = executor.submit(transcrever_chunk, chunk, config_agentes)
-                    futures_map[future] = i
-                
-                # Coletar resultados conforme ficam prontos
-                concluidos = 0
-                for future in as_completed(futures_map):
-                    index_original = futures_map[future]
-                    res, err = future.result()
-                    
-                    if err:
-                        chunks_ordenados[index_original] = {"status": "ERRO", "paginas": chunks[index_original]["paginas"]}
-                    else:
-                        chunks_ordenados[index_original] = {
-                            "status": "OK",
-                            "paginas": chunks[index_original]["paginas"],
-                            "transcricao": res.get("transcricao"),
-                            "resumo": res.get("resumo")
-                        }
-                    
-                    concluidos += 1
-                    # Atualiza a UI a cada 2 chunks ou no final para não flodar
-                    if concluidos % 2 == 0 or concluidos == total_chunks:
-                        msg_base = f"📄 `{nome}`: Processando partes... ({concluidos}/{total_chunks})"
-                        history[-1][1] = msg_base
-                        yield history
-            # ------------------------------
-
-            dados_finais = {
-                "arquivo": nome,
-                "data_processamento": str(datetime.now()),
-                "chunks_processados": chunks_ordenados # Agora contém a lista na ordem correta
-            }
-            
-            item["transcricao"] = dados_finais
-            item["status"] = "processado"
-            
-            try:
-                with open(caminho_cache, "w", encoding="utf-8") as f_out:
-                    json.dump(dados_finais, f_out, indent=2, ensure_ascii=False)
-                history.append([None, f"💾 `{nome}` processado e salvo no cache."])
-            except Exception as e:
-                 history.append([None, f"⚠️ Erro ao salvar cache: {e}"])
-            
-            yield history
-
-        else:
-            # Processamento de Texto Simples (não precisa de paralelismo pois é 1 chunk)
-            res = ler_arquivo_texto(item["arquivo"])
-            if res:
-                item["processado"] = res
-                dados_finais = {"conteudo": res["conteudo"], "data_processamento": str(datetime.now())}
-                item["transcricao"] = dados_finais
-                item["status"] = "processado"
-                
-                with open(caminho_cache, "w", encoding="utf-8") as f_out:
-                    json.dump(dados_finais, f_out, indent=2, ensure_ascii=False)
-                
-                history.append([None, f"✅ `{nome}` (Texto) lido e salvo."])
-            else:
-                history.append([None, f"❌ Falha ao ler `{nome}`."])
-            yield history
-            
-    history.append([None, "🏁 **Processamento de lote finalizado.** Os arquivos estão prontos para análise."])
-    yield history
-
-
-def chat_orquestrador(message, history, config_json):
-    """
-    Orquestra a conversa, passando o contexto e as missões para cada agente em sequência.
-    Agora também retorna a trilha de auditoria para a nova aba.
-    """
-    try:
-        prompt_contexto = gerenciador.gerar_prompt_com_transcricoes(message)
-    except Exception as e:
-        history.append([message, f"❌ Erro ao gerar contexto: {str(e)}"])
-        yield history, []
-        return
-    
-    try:
-        protocolo = json.loads(config_json)
-    except:
-        history.append([message, "❌ Erro no JSON de Configuração."])
-        yield history, []
-        return
-
-    history.append([message, None])
-    
-    # A trilha de auditoria começa com o prompt completo enviado pelo usuário
-    timeline_execucao = [{"passo": 1, "tipo": "prompt_usuario", "conteudo": prompt_contexto}]
-    yield history, timeline_execucao
-
-    passo_atual = 2
-    for cfg in protocolo:
-        nome_agente = cfg.get("nome", "Agente")
-        modelo_agente = model_pro if cfg.get("modelo") == "pro" else model_flash
-        
-        # Atualiza o chatbot com o status do agente atual
-        msg_atual = history[-1][1] or ""
-        history[-1][1] = msg_atual + f"⏳ **{nome_agente}** está analisando...\n"
-        yield history, timeline_execucao
-        
-        prompt_agente = f"""
---- HISTÓRICO DA CONVERSA ATÉ AGORA ---
-{json.dumps(timeline_execucao, ensure_ascii=False, indent=2)}
------------------
-Sua Identidade: {nome_agente}
-Sua Missão Específica Agora: {cfg['missao']}
-Responda de forma concisa e direta, focando apenas na sua missão.
-"""
-        try:
-            inicio = time.time()
-            resp = modelo_agente.generate_content(prompt_agente)
-            texto_resp = resp.text
-            duracao = time.time() - inicio
-            
-            # Adiciona a resposta do agente à trilha de auditoria
-            timeline_execucao.append({"passo": passo_atual, "tipo": "resposta_agente", "agente": nome_agente, "resposta": texto_resp})
-            
-            # Remove o status "analisando..." e adiciona a resposta final do agente
-            msg_atual = history[-1][1]
-            msg_atual = msg_atual.replace(f"⏳ **{nome_agente}** está analisando...\n", "")
-            
-            novo_trecho = f"**[{nome_agente}]** ({duracao:.1f}s):\n{texto_resp}\n\n"
-            history[-1][1] = msg_atual + novo_trecho
-            yield history, timeline_execucao
-            
-        except Exception as e:
-            # Adiciona o erro à trilha de auditoria e ao chat
-            timeline_execucao.append({"passo": passo_atual, "tipo": "erro_agente", "agente": nome_agente, "erro": str(e)})
-            msg_atual = history[-1][1]
-            history[-1][1] = msg_atual.replace(f"⏳ **{nome_agente}** está analisando...\n", "") + f"\n❌ Erro em {nome_agente}: {str(e)}\n"
-            yield history, timeline_execucao
-        
-        passo_atual += 1
-
-# ==================== 6. UI (Gradio) ====================
-
-def ui_v28_corrected():
-    css = """
-    footer {display: none !important;}
-    .contain {border: none !important;}
-    """
-    
-    config_inicial = carregar_protocolo()
-
-    with gr.Blocks(title="AI Forensics Auto", css=css, theme=gr.themes.Soft()) as app:
-        
-        state_config = gr.State(config_inicial)
-
-        with gr.Tabs():
-            with gr.Tab("💬 Investigação"):
-                
-                chatbot = gr.Chatbot(
-                    height=550, 
-                    show_label=False, 
-                    show_copy_button=True,
-                    render_markdown=True
-                )
-                
-                with gr.Row():
-                    txt_input = gr.Textbox(
-                        scale=8, 
-                        show_label=False, 
-                        placeholder="Digite sua instrução ou pergunta sobre o caso...", 
-                        lines=1
-                    )
-                    btn_enviar = gr.Button("Enviar 📨", variant="primary", scale=1)
-
-                with gr.Accordion("📂 Adicionar Arquivos para Análise", open=False):
-                    gr.Markdown("Selecione arquivos (PDF, TXT). A transcrição iniciará **automaticamente** e os logs aparecerão no chat acima.")
-                    file_uploader = gr.File(
-                        file_count="multiple",
-                        file_types=[".pdf", ".txt", ".json", ".md"],
-                        label="Arraste arquivos aqui ou clique para selecionar"
-                    )
-
-            # NOVA ABA DE AUDITORIA
-            with gr.Tab("🕵️ Auditoria"):
-                gr.Markdown("### Trilha de Auditoria\nExibe o histórico completo de prompts e respostas de cada agente na última execução. O conteúdo é atualizado a cada nova mensagem enviada.")
-                json_audit = gr.JSON(label="Timeline da Execução da Última Mensagem")
-
-            with gr.Tab("⚙️ Contexto & Config"):
-                gr.Markdown("### Protocolo dos Agentes")
-                with gr.Row():
-                    btn_save_cfg = gr.Button("💾 Salvar Alterações")
-                    lbl_cfg_status = gr.Label(show_label=False)
-                
-                code_config = gr.Code(value=config_inicial, language="json", label="protocolo.json")
-                
-                btn_save_cfg.click(salvar_protocolo, inputs=[code_config], outputs=[lbl_cfg_status])
-                btn_save_cfg.click(lambda x: x, inputs=[code_config], outputs=[state_config])
-
-        # A ação de clique agora atualiza tanto o chatbot quanto a aba de auditoria
-        btn_enviar.click(
-            chat_orquestrador,
-            inputs=[txt_input, chatbot, state_config],
-            outputs=[chatbot, json_audit]  # Adicionado json_audit como saída
-        ).then(
-            lambda: "", outputs=[txt_input]
-        )
-
-        file_uploader.upload(
-            automacao_upload_processamento,
-            inputs=[file_uploader, chatbot, state_config],
-            outputs=[chatbot]
-        )
-
-    return app
-
-if __name__ == "__main__":
-    ui_v28_corrected().launch()
+[
+  {
+    "fase": 0,
+    "nome": "CONTEXTO_INICIAL_VALOR_VIDA",
+    "modelo": "flash",
+    "tipo_saida": "json",
+    "missao": "INICIAR PELO RACIOCÍNIO DO USUÁRIO + CAPTURA BRUTA.\n\nObjetivos:\n- Fazer o usuário pensar se já sabe a resposta (valor ou faixa justa) antes de pedir cálculo automatizado.\n- Capturar fatos básicos, contexto do dano e um primeiro palpite intuitivo.\n- Detectar dúvida real e, em caso de dúvida, NÃO avançar para a Fase 1 sem um teste de reflexão.\n\nLógicas:\n- Se EXPECTATIVA_VALOR for vaga, contraditória ou não alinhada ao contexto → DUVIDA_DETECTADA = true.\n- Se DUVIDA_DETECTADA = true → PROXIMA_ACAO = \"PERGUNTAR_USUARIO\".\n- Se DUVIDA_DETECTADA = false → PROXIMA_ACAO = \"AVANCAR_FASE_1\".\n\nRetorne JSON:\n1. PERGUNTA_NORMALIZADA\n2. CONTEXTO_IDENTIFICADO {tipo_caso: [LESAO_LEVE|GRAVE|GRAVISSIMA|MORTE|OUTRO], foro: [cível|criminal|trabalhista|outro]}\n3. RESUMO_FATOS_INICIAIS {em_ate_500_caracteres}\n4. EXPECTATIVA_VALOR_INICIAL {sabe_valor: true/false, faixa_sugerida: {min, max}, justificativa_intuitiva}\n5. NIVEL_CERTEZA_USUARIO (0-10)\n6. DADOS_MINIMOS_NEXO {houve_evento: true/false, houve_dano: true/false, sente_relacao_causa_efeito: true/false}\n7. AFETO_RAW {amor, medo, paixa}\n8. FELICIDADE_LATENTE\n9. SINAIS_DUVIDA {contradicoes, lacunas_obvias}\n10. DUVIDA_DETECTADA {true|false}\n11. TESTE_REFLEXAO {\n      perguntas: [\n        \"O que exatamente aconteceu, em ordem temporal?\",\n        \"Se você fosse juiz, que valor consideraria minimamente justo e por quê?\",\n        \"Existe algum caso parecido que você conhece? O que aconteceu lá?\"\n      ],\n      instrucoes_ao_usuario: \"Responda com calma a cada pergunta. O sistema só seguirá quando houver clareza mínima sobre fatos e sua própria expectativa.\"\n   }\n12. PROXIMA_ACAO {\"PERGUNTAR_USUARIO\"|\"AVANCAR_FASE_1\"}\n\nRegras:\n- Não tirar conclusões jurídicas.\n- Se PROXIMA_ACAO = \"PERGUNTAR_USUARIO\", o app NÃO chama a próxima missão; mostra TESTE_REFLEXAO ao usuário e aguarda novas respostas."
+  },
+  {
+    "fase": 1,
+    "nome": "HISTORICO_VIDA_E_REDE_AFETIVA",
+    "modelo": "flash",
+    "tipo_saida": "json",
+    "missao": "MAPEAR VIDA, PAPÉIS E REDE AFETIVA PARA VALOR_DA_VIDA/DIGNIDADE.\n\nObjetivos:\n- Clarificar quem era/é a vítima na sua biografia: trabalho, família, sonhos, vulnerabilidades.\n- Entender a rede de dependência e afeto (cônjuge, filhos, pais, etc.).\n- Preparar terreno para valorar a perda/lesão na dimensão existencial.\n\nJSON:\n1. PERFIL_VITIMA {idade, genero, profissao, renda_media, estado_civil}\n2. PAPEL_SOCIAL_CENTRAL {provedor_familiar, cuidador, estudante, aposentado, outro}\n3. DEPENDENTES_DIRETOS {quantidade, tipos: [filhos, pais, conjuges, outros]}\n4. PROJETOS_DE_VIDA {curto_prazo, longo_prazo}\n5. VULNERABILIDADE_PREVIA {pobreza, doenca_preexistente, deficiencia, nenhum}\n6. REDE_AFETIVA {lista_pessoas_chave, grau_dependencia_emocional: 0-10}\n7. IMPACTO_POTENCIAL_PERDA {descricao_curta, intensidade: 0-10}\n8. COERENCIA_COM_CONTEXTO_INICIAL {coerente|parcial|incoerente}\n9. LACUNAS_HISTORICO_VIDA [lista]\n10. SUGESTAO_PERGUNTAS_ADICIONAIS_USUARIO [lista]"
+  },
+  {
+    "fase": 2,
+    "nome": "FATO_DANO_E_NEXO_CAUSAL",
+    "modelo": "flash",
+    "tipo_saida": "json",
+    "missao": "CLAREAR FATO, DANO E NEXO CAUSAL DE FORMA ESTRUTURADA.\n\nObjetivos:\n- Organizar, de forma lógica, o que aconteceu, que dano houve e qual nexo alegado.\n- Separar fato objetivo de percepção subjetiva.\n\nJSON:\n1. FATO_GERADOR_LINEAR {linha_do_tempo: [eventos_em_ordem]}\n2. TIPO_EVENTO {acidente_transito, erro_medico, violencia_domestica, crime_intencional, outro}\n3. DANO_CORPORAL_CLASSIFICACAO {LEVE|GRAVE|GRAVISSIMA|MORTE|SEM_INFORMACAO}\n4. DANO_CONCRETO_DESCRITO {lesoes, sequelas, morte, dano_estetico}\n5. PROVAS_DISPONIVEIS {laudos_medicos, boletim_ocorrencia, fotos, videos, testemunhas}\n6. NARRATIVA_NEXO_CAUSAL {em_ate_500_caracteres}\n7. GRAU_CONFIANCA_NEXO_DECLARADO (autoavaliacao_usuario: 0-10)\n8. AMBIGUIDADES_IDENTIFICADAS {sim|nao, detalhes}\n9. ITENS_QUE_EXIGEM_PERICIA {lista}\n10. COERENCIA_FATO_NEXO {alta|media|baixa}"
+  },
+  {
+    "fase": 3,
+    "nome": "CONTEXTO_E_CONSEQUENCIAS_DO_DANO",
+    "modelo": "flash",
+    "tipo_saida": "json",
+    "missao": "MAPEAR CONTEXTO E CONSEQUÊNCIAS MATERIAIS, MORAIS E EXISTENCIAIS.\n\nObjetivos:\n- Levantar impactos na vida cotidiana, trabalho, família e psique.\n- Construir a ponte entre gravidade objetiva e dano moral/valor da vida.\n\nJSON:\n1. CONSEQUENCIAS_SAUDE {dor_cronica, limitacao_fisica, dependência_terceiros, tratamento_longo_prazo}\n2. CONSEQUENCIAS_TRABALHO {dias_afastamento, perda_emprego, rebaixamento_funcao, incapacidade_parcial, incapacidade_total}\n3. CONSEQUENCIAS_FAMILIA {rompimento_relacoes, sobrecarga_cuidador, impacto_filhos}\n4. CONSEQUENCIAS_PSICOLOGICAS {ansiedade, depressao, TEPT, medo_constante}\n5. PERDA_QUALIDADE_VIDA (0-10, justificativa)\n6. DESCRICAO_DANO_MORAL_SUBJETIVO {humilhacao, medo_de_morrer, perda_dignidade, luto}\n7. SINTONIA_COM_HISTORICO_VIDA {sim|parcial|nao}\n8. PONTOS_FORTES_DANO_MORAL {lista}\n9. PONTOS_FRACOS_DANO_MORAL {lista}"
+  },
+  {
+    "fase": 4,
+    "nome": "GRAVIDADE_DANO_E_FAIXA_STJ",
+    "modelo": "flash",
+    "tipo_saida": "json",
+    "missao": "CONECTAR GRAVIDADE DA LESÃO ÀS FAIXAS JURISPRUDENCIAIS DE DANO MORAL.\n\nBaseado em estudos de acórdãos e classificação legal: lesão leve, grave, gravíssima e casos de morte, com faixas típicas de 10 a 600 salários mínimos, variando conforme sequela e incapacidade. [2][3][4][12]\n\nJSON:\n1. CLASSIFICACAO_JURIDICA_LESÃO {LEVE|GRAVE|GRAVISSIMA|MORTE}\n2. CRITERIOS_USADOS {dias_incapacidade, risco_vida, sequela_permanente, incapacidade_trabalho, deformidade}\n3. FAIXA_REFERENCIA_STJ_SM {min_sm, max_sm, mediana_sm}\n4. FAIXA_REFERENCIA_STJ_RS {min_rs, max_rs, mediana_rs}\n5. AJUSTES_POR_CASO_CONCRETO {fatores_agravantes, fatores_atenuantes}\n6. FAIXA_AJUSTADA_RS {min_rs, max_rs}\n7. NOTA_SOBRE_TETOS_E_PISOS {comentario_curto}"
+  },
+  {
+    "fase": 5,
+    "nome": "CENARIOS_VALOR_VIDA",
+    "modelo": "flash",
+    "tipo_saida": "json",
+    "missao": "GERAR CENÁRIOS DE VALOR (PRINCIPAL/ALTERNATIVO/IMPROVÁVEL) PARA O DANO À VIDA/DIGNIDADE.\n\nJSON (lista de 3 cenários):\n[\n  {\n    \"ID\": \"PRINCIPAL\",\n    \"DESCRICAO\": \"cenário mais provável com base nas provas e na jurisprudência\",\n    \"PRIOR\": 0.6,\n    \"VALOR_SUGERIDO_RS\": 0,\n    \"SUPOSICOES_CHAVE\": [\"nexo_causal_reconhecido\", \"lesao_grave_sem_tetraplegia\"],\n    \"COMPATIBILIDADE_FATOS\": \"alta\",\n    \"DANO_MORAL_RS\": {\"min\": 0, \"max\": 0, \"mediano\": 0},\n    \"DANO_MATERIAL_RS\": 0,\n    \"VALOR_TOTAL_RS\": {\"min\": 0, \"max\": 0, \"mediano\": 0}\n  },\n  {\n    \"ID\": \"ALTERNATIVO\",\n    \"PRIOR\": 0.3,\n    \"...\": \"estrutura_análoga\"\n  },\n  {\n    \"ID\": \"IMPROVAVEL\",\n    \"PRIOR\": 0.1,\n    \"...\": \"estrutura_análoga\"\n  }\n]\n\nRegra: Σ(PRIOR) = 1.0"
+  },
+  {
+    "fase": 6,
+    "nome": "TESTE_JUSTICA_DO_VALOR",
+    "modelo": "flash",
+    "tipo_saida": "json",
+    "missao": "EXPLICAR POR QUE O VALOR ESCOLHIDO É JUSTO E POR QUE OUTROS NÃO SÃO.\n\nJSON:\n1. VALOR_RECOMENDADO_RS\n2. CENARIO_BASE {PRINCIPAL|ALTERNATIVO|IMPROVAVEL}\n3. POR_QUE_ESTE_VALOR {texto_curto: liga_gravidade + historico_vida + consequências + faixa_STJ}\n4. POR_QUE_NAO_VALORES_MENORES [lista_de_itens_curta]\n5. POR_QUE_NAO_VALORES_MAIORES [lista_de_itens_curta]\n6. TESTE_PROPORCIONALIDADE {passou|falhou, justificativa}\n7. TESTE_ENRIQUECIMENTO_SEM_CAUSA {passou|falhou, justificativa}\n8. TESTE_REPARACAO_MINIMA_DIGNA {passou|falhou, justificativa}\n9. MARGEM_DISCRICIONARIEDADE_RS {min, max}"
+  },
+  {
+    "fase": 7,
+    "nome": "RELATORIO_VALOR_VIDA",
+    "modelo": "pro",
+    "tipo_saida": "texto",
+    "missao": "GERAR TEXTO FINAL EXPLICANDO O VALOR DA INDENIZAÇÃO À LUZ DA VIDA, HISTÓRIA E GRAVIDADE DO DANO.\n\nEstrutura mínima do texto:\n1. RESUMO_FATOS_E_NEXO\n2. QUEM_ERA_A_VITIMA_E_O_QUE_PERDEU (vida, saúde, projetos, papéis familiares)\n3. GRAVIDADE_DA_LESÃO_E_FAIXA_JURISPRUDENCIAL\n4. CENARIO_ESCOLHIDO_E_VALOR_RECOMENDADO\n5. POR_QUE_ESTE_VALOR (argumento sintético)\n6. POR_QUE_NAO_MENOS (sub-reparação)\n7. POR_QUE_NAO_MAIS (desproporção/enriquecimento)\n8. OBSERVACOES_SOBRE_DUVIDAS_REMANESCENTES_E_LIMITES_DA_ANALISE"
+  }
+]