Files
MateuusandClaude Opus 5.5 b11090ffa3 Skill cenaforge 1.54.0: Clipador (revisão × final, dublagem, falantes, expressões, Equipe de IA)
Dois arquivos novos em references/ (clipper-video.md, clipper-ai-team.md), banco em v17,
seção de expressões, gotchas 180–185 e ponteiros em panel/publishing/ai/tools.

Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com>
2026-11-18 04:53:34 -03:00

6.3 KiB
Raw Permalink Blame History

Clipador — Equipe de IA: papéis, juiz de contexto, linha do tempo JSON e medição (18/11/2026)

Fontes do contrato: doc/clipador/EQUIPE-IA.md (o que foi feito, F0 + F1) e doc/clipador/PESQUISA-JUIZ.md (pesquisa; F2 OCR do HUD/YAMNet e F3 VLM local não entraram — são só candidatas). Visão geral: clipper.md; provedores e reserva: ai.md. Migração v17 (ai_calls, scene_notes, clips.owner_label/owner_note).

Papéis (clipper/app/roles.py, settings chave judge.roles)

id Faz Imagem Desligável
scan (varredura) assiste por janelas, propõe momentos, descreve os quadros (lines) mosaico 4×2 (padrão), soltos ou nenhuma sim (scanEnabled)
analyst diz O QUE aconteceu no candidato idem sim (o editor passa a receber imagens)
editor decide corte, trecho, título, legenda, hashtags só se o analista falhou/está off não
judge só texto: o corte faz sentido para quem nunca viu a live? nunca sim
  • Cada papel: enabled, provider, model ("" = padrão do provedor), effort (só Codex; "" = low; juiz começa em medium), extra = instruções do administrador (≤ 2.000 caracteres, entram DEPOIS das padrão, que ficam no código e o painel mostra só para leitura: GET /v1/judge → roleDefaults.<papel>.pt|en). Juiz também: critical (setup,payoff,standalone), allowFix, allowContextLine, penalty (0,5). Validação: roles.normalize_roles.
  • Banco sem judge.roles migra sozinho (o provedor/modelo único vira o de todos; judge_analyst_model fica no analista). judge_provider = "off" continua = equipe inteira desligada. PUT /v1/judge sem roles (painel antigo) vale para todos. Reserva por papel: fallback_chain(primary) começa na IA do papel. Tradução, perfil do jogo e câmera usam a IA do editor.

Juiz de contexto (context_judge.py, judge.check_context)

Roda depois que o editor MANTEVE (nota ≥ mínima). Vê só o que vai no corte + 20 s antes/15 s depois marcados out=1, título, legenda, abertura, what_happened e linha do jogo. Escreve viewer_summary e responde 7 checagens: setup, payoff, standalone (críticas) · who_what, intelligible, faithful, strong_open. O código decide (context_judge.decide):

  1. crítica falha + fix (e allowFix) → recalcula com fit_window; mudou ≥ 1 s = ajusta e confere uma vez; falhou = descarta;
  2. crítica falha sem ajuste → descarta com motivo em português;
  3. standalone/who_what falhos + context_line curta (≤ 10 palavras, ≤ 60 caracteres) → aprova e a frase vira o texto de abertura;
  4. não críticas falhas tiram penalty da nota; abaixo da mínima → descarta;
  5. corte manual: só avisa (decision: "warn"); falha da IA do juiz: vale o editor (context: {error}).

Gravado em judge_json.context; descartado pelo juiz = status = discarded + judge_json.discardedBy = "context" (aparece em "Descartados"; Forçar render funciona). Fonte em inglês: CONTEXT_SCHEMA_EN com bloco pt. Fora do F1: 2ª opinião com outro provedor, few-shot do dono, "testar nos últimos 10 cortes".

Linha do tempo JSON e mosaico (timeline.py, media.mosaic)

  • JSON Lines com chaves curtas: t,d · v (o que está na tela, ≤ 12 palavras; vem de lines da varredura/analista e fica em scene_notes) · sp (fala literal ≤ 25 palavras; [other1] = outra pessoa) · face (rótulo de reaction.label com intensidade ≥ 3) · lvl (só se ≥ 6 ou ≤ 1) · chat. Entrada nova a cada pausa > 1,2 s (se a atual tem ≥ 4 s), troca de falante ou 8 s. Orçamento de caracteres por papel (analista 9.000, editor 7.000, juiz 6.000, varredura 9.000): passou, a fala encurta (25 → 12 → 6 palavras). Perfil do jogo enxuto (judge.lean_profile).
  • Imagens: 8 quadros de 384×216 numa grade 4×2 = 1 imagem 1536×432; falhou = quadros soltos.
  • Opção timelineJson (PUT /v1/judge, padrão ligada): desligada = formato antigo (transcrição + chat + quadros de 768 px). Cada chamada grava o modo em ai_calls.mode (timeline+mosaic, legacy+frames…) — é como se compara.
  • Medido (corte 291, sessão 15, tfue, IA falsa que guarda o prompt; fórmulas de imagem da pesquisa): analista 5.638 → 3.104 tokens (−45 %), editor 2.795 → 2.250 (−20 %), varredura 5.330 → 3.311 (−38 %), juiz novo ≈ 1.420. Por hora (tfue): ≈ 317 mil → ≈ 224 mil com o juiz (−29 %). Uma chamada real do juiz (Codex gpt-6-luna, esforço médio): 9.624 de entrada, 1.400 de saída, 27 s ⇒ o fixo da CLI do Codex ≈ 8 mil tokens por chamada é o maior item e o próximo alvo (gotchas, item 136; token-economy.md).

Medição (F0)

  • ai_calls (v17): por tentativa — role, purpose, provider, model, ok/error, ms, tamanhos de prompt/imagem, tokens_in/out/cached (quando a CLI informa: codex exec --json, claude --output-format json, gemini -o json), session_id, clip_id, mode. O codex exec agora roda com --json (a resposta continua em -o).
  • Avaliação do dono: clips.owner_label (good|bad|no_context) + owner_note. PATCH /v1/clips/{id} com {"label": "no_context"} (vale para qualquer corte, não muda o estado) ou {"status": "rejected", "label": "no_context"} (botão Sem contexto no modal). Sem rótulo: aprovado/publicado = bom, rejeitado = ruim.
  • GET /v1/judge/report?days=7 (ou ?session=N): chamadas por papel × IA × modo, tokens por hora, cortes, juiz (aprovou/ajustou/descartou/avisou/erro), concordância e κ de Cohen. Painel: Ajustes → Juiz → Medição. Rota na regex ALLOWED do painel (judge(\/report)?).

Onde está cada coisa

roles.py (papéis, validação, migração) · judge.py (Judge.ask(role=…), check_context, build_*_prompt, lean_profile, codex_usage/claude_usage/gemini_usage, scope) · context_judge.py · timeline.py · worker.py (judge_clip: analista → editor → juiz; _context_check; record_ai_call) · intel.py (visual, varredura, timelineJson) · report.py. Painel: clipper-ai-team.tsx (cartões e medição), clipper-judge.tsx, clipper-clip-parts.tsx (ContextVerdict, OwnerLabelControl). Testes: test_roles.py, test_context_judge.py; conftest._no_real_ai_cli bloqueia qualquer CLI real.