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>
6.3 KiB
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 emmedium),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.rolesmigra sozinho (o provedor/modelo único vira o de todos;judge_analyst_modelfica no analista).judge_provider = "off"continua = equipe inteira desligada.PUT /v1/judgesemroles(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):
- crítica falha +
fix(eallowFix) → recalcula comfit_window; mudou ≥ 1 s = ajusta e confere uma vez; falhou = descarta; - crítica falha sem ajuste → descarta com motivo em português;
standalone/who_whatfalhos +context_linecurta (≤ 10 palavras, ≤ 60 caracteres) → aprova e a frase vira o texto de abertura;- não críticas falhas tiram
penaltyda nota; abaixo da mínima → descarta; - 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 delinesda varredura/analista e fica emscene_notes) ·sp(fala literal ≤ 25 palavras;[other1]= outra pessoa) ·face(rótulo dereaction.labelcom 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 emai_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. Ocodex execagora 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 regexALLOWEDdo 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.