AI Factory V3 - Contexto do Projeto

Ultima Atualizacao: 2025-12-19

Visao Geral do Sistema

Sistema de automacao de agentes de IA para GoHighLevel (GHL) com arquitetura modular, hiperpersonalizacao e validacao automatica.

Arquitetura Principal

FLUXO COMPLETO:
1. Call de Kickoff gravada (Google Meet/Zoom)
2. Audio vai pro Google Drive
3. Workflow 10 detecta e processa
4. AI analisa e extrai configuracoes
5. Agent Version criado no Supabase
6. Boot Validator valida automaticamente
7. Se aprovado, agente e ativado
8. Workflow 05 executa o agente quando GHL envia webhook

Workflows Principais

1. `10-AI-Factory-V3-Unified.json` - AI Factory Completa

Status: PRONTO PARA TESTE

FASE 1 - Ingestao:

Google Drive Trigger (monitoramento de pasta)
Filter (apenas arquivos novos)
Buscar Call no Supabase
Export Doc (transcrever audio)
AI Analisar Kickoff (Groq Llama 3.3 70B)

FASE 2 - Processamento:

Processar Analise (Code node com parse JSON robusto)
Criar Agent Version no Supabase
Salva prompts_por_modo, hyperpersonalization, tools_config

FASE 3 - Validacao:

Preparar Cenarios de Validacao
Claude Sonnet 4 valida o agente
Switch por resultado (APROVADO/BLOQUEADO)
Se aprovado: ativa automaticamente
Se bloqueado: notifica via Slack

2. `05-AI-Agent-Execution-Modular.json` - Execucao do Agente

Status: CORRIGIDO - BUG DO MODO FIXADO

Fluxo:

Webhook GHL recebe mensagem
Info node extrai dados (nome, telefone, mensagem, agente_ia)
Switch "Tipo de IA" verifica se agente_ia == "agente_versionado"
Se sim: Buscar Agente Ativo no Supabase
Preparar Execucao + Identificar Contexto (CORRIGIDO!)
AI Agent Modular executa com prompt dinamico
Resposta enviada via GHL API

BUG CORRIGIDO NESTA SESSAO:

Problema: Code node sempre pegava modosIdentificados[0] ignorando o campo agente_ia
Solucao: Ler agente_ia do webhook e usar para selecionar de prompts_por_modo

3. `03-Call-Analyzer-Onboarding.json` - Analisador de Calls

Status: ATUALIZADO COM HIPERPERSONALIZACAO

Extrai:

business_context (nome, tipo, servicos, precos)
hyperpersonalization (ddd, setor, porte, cargo_decisor)
compliance_rules (proibicoes, limites, escalacao)
personality_config (tom, nome_agente, caracteristicas)
modos_identificados (first_contact, scheduler, rescheduler, etc)
prompts_por_modo (prompt completo para cada modo)

4. `08-Boot-Validator.json` - Validador Automatico

Status: ATUALIZADO

Funcionalidades:

Roda a cada 5 minutos
Busca agentes pending_approval ou draft com prompt
Valida usando Claude Sonnet 4
Nota minima para aprovacao: 8.0
Violacoes criticas: bloqueia automaticamente
Auto-ativa agentes aprovados

Estrutura do Banco de Dados (Supabase)

Tabela: `agent_versions`

sql

- id UUID PRIMARY KEY
- client_id UUID (FK clients)
- location_id VARCHAR(100)
- agent_name VARCHAR(255)
- version INTEGER
- system_prompt TEXT
- agent_config JSONB  -- inclui prompts_por_modo, tools_config
- hyperpersonalization JSONB  -- DDD, setor, porte, cargo
- status ENUM ('draft', 'pending_approval', 'active', 'archived')
- validation_status VARCHAR(50)
- validation_score DECIMAL
- validation_result JSONB
- is_active BOOLEAN
- created_at, updated_at, validated_at, activated_at

Tabela: `hyperpersonalization_metrics`

sql

- id UUID PRIMARY KEY
- location_id VARCHAR(100)
- agent_version_id UUID
- ddd, setor, porte, cargo_decisor
- conversations_count, conversions_count
- conversion_rate, avg_response_sentiment
- period_start, period_end

Migration: `002_add_hyperpersonalization.sql`

Adiciona coluna hyperpersonalization em agent_versions
Cria indices para busca por setor, DDD, porte
Views de performance: vw_hp_performance_por_setor, vw_hp_performance_por_regiao

Modos de Agente Disponiveis

first_contact - Primeiro contato com lead frio
scheduler - Agendar reunioes/consultas
rescheduler - Recuperar no-shows
concierge - Pos-agendamento ate o dia
customer_success - Pos-primeira reuniao
objection_handler - Lidar com objecoes
followuper - Reativar leads frios

Codigo Corrigido - Preparar Execucao

javascript

// IDENTIFICAR CONTEXTO (MODO) - LE DO CAMPO agente_ia DO GHL
const modosIdentificados = toolsConfig.modos_identificados || toolsConfig.modos_ativos || [];
const promptsPorModo = toolsConfig.prompts_por_modo || {};

// Ler o campo agente_ia que vem do GHL
const agenteIaDoGHL = webhook.agente_ia || webhook.customFields?.agente_ia || webhook.custom_fields?.agente_ia || '';

let contexto = agenteIaDoGHL;

// Validar se existe prompt para este modo
if (!contexto || !promptsPorModo[contexto]) {
  if (promptsPorModo['first_contact']) {
    contexto = 'first_contact';
  } else {
    const primeiroModoDisponivel = Object.keys(promptsPorModo)[0];
    if (primeiroModoDisponivel) {
      contexto = primeiroModoDisponivel;
    } else {
      contexto = 'first_contact';
    }
  }
}

// Usar o prompt do modo correto
const promptDoModo = promptsPorModo[contexto] || '';

Hiperpersonalizacao Engine

Mapeamento de DDD para Linguagem Regional

javascript

const dddEngine = {
  '11': { regiao: 'SP Capital', estilo: 'Paulistano direto ao ponto, objetivo' },
  '21': { regiao: 'RJ Capital', estilo: 'Carioca descontraido, usa girias leves' },
  '31': { regiao: 'BH', estilo: 'Mineiro acolhedor, pede confirmacao' },
  '41': { regiao: 'Curitiba', estilo: 'Curitibano formal, educado' },
  '51': { regiao: 'POA', estilo: 'Gaucho caloroso, usa "tu"' },
  // ... outros DDDs
};

Mapeamento de Setor para Vocabulario

javascript

const setorEngine = {
  'saude': { termo_cliente: 'paciente', acao: 'consulta', analogias: ['diagnostico', 'tratamento'] },
  'odontologia': { termo_cliente: 'paciente', acao: 'avaliacao', analogias: ['sorriso', 'saude bucal'] },
  'juridico': { termo_cliente: 'cliente', acao: 'audiencia', analogias: ['processo', 'defesa'] },
  'tech': { termo_cliente: 'usuario', acao: 'demo', analogias: ['deploy', 'sprint'] },
  // ... outros setores
};

GHL Architect V2 Framework

Template de prompt para agentes:

markdown

# PERSONA
[Quem e o agente, tom de voz]

# OBJETIVO
[Meta principal do modo atual]

# PROTOCOLO DE CONVERSA
[Fluxo passo-a-passo]

# GUARDRAILS (Regras Rigidas)
[O que NUNCA fazer, limites]

# FEW-SHOT (Exemplos)
[3-5 exemplos de conversas ideais]

# HIPERPERSONALIZACAO
- DDD: {{ $json.hyperpersonalization.ddd }}
- Setor: {{ $json.hyperpersonalization.setor }}
- Porte: {{ $json.hyperpersonalization.porte }}
- Ajustes regionais: [instrucoes especificas]

Pendencias e Proximos Passos

Para Testar

[ ] Workflow 10 com uma call real de kickoff
[ ] Verificar se Google Drive trigger esta configurado
[ ] Testar fluxo completo: call -> agent_version -> validacao -> ativacao
[ ] Testar workflow 05 com agente ativo recebendo mensagem

Melhorias Futuras

[ ] Dashboard de metricas de hiperpersonalizacao
[ ] A/B testing por DDD/Setor
[ ] Feedback loop automatico (ajustar prompts baseado em conversoes)
[ ] Multi-idioma (espanhol para EUA)

Credenciais e Conexoes Necessarias

Supabase: Postgres connection configurada
Anthropic API: Para Claude Sonnet 4 (validacao)
Groq API: Para Llama 3.3 70B (analise de calls)
GHL API: Para enviar mensagens
Google Drive: Para trigger de arquivos

Comandos Uteis

Buscar agente ativo por location

sql

SELECT * FROM agent_versions
WHERE location_id = 'LOCATION_ID'
  AND is_active = TRUE
  AND status = 'active'
ORDER BY version DESC
LIMIT 1;

Verificar agentes pendentes de validacao

sql

SELECT id, agent_name, status, validation_status, created_at
FROM agent_versions
WHERE status = 'pending_approval'
   OR validation_status IS NULL
ORDER BY created_at DESC;

Ativar agente manualmente

sql

UPDATE agent_versions
SET is_active = TRUE, status = 'active', activated_at = NOW()
WHERE id = 'AGENT_VERSION_ID';

Historico de Sessoes

2025-12-19 (Esta Sessao)

Corrigido bug no workflow 05 (modo sempre pegava primeiro)
Adicionado suporte a hiperpersonalizacao
Criada migration 002_add_hyperpersonalization.sql
Atualizado workflow 03 com extracao de hiperpersonalizacao
Atualizado workflow 08 com parse robusto de JSON
Workflow 10 pronto para teste

Mantenedor: Marcos Daniels / Claude Code Versao do Sistema: v3.0-hyperpersonalized

AI Factory V3 - Contexto do Projeto ​

Visao Geral do Sistema ​

Arquitetura Principal ​

Workflows Principais ​

1. 10-AI-Factory-V3-Unified.json - AI Factory Completa ​

2. 05-AI-Agent-Execution-Modular.json - Execucao do Agente ​

3. 03-Call-Analyzer-Onboarding.json - Analisador de Calls ​

4. 08-Boot-Validator.json - Validador Automatico ​

Estrutura do Banco de Dados (Supabase) ​

Tabela: agent_versions ​

Tabela: hyperpersonalization_metrics ​

Migration: 002_add_hyperpersonalization.sql ​

Modos de Agente Disponiveis ​

Codigo Corrigido - Preparar Execucao ​

Hiperpersonalizacao Engine ​

Mapeamento de DDD para Linguagem Regional ​

Mapeamento de Setor para Vocabulario ​

GHL Architect V2 Framework ​

Pendencias e Proximos Passos ​

Para Testar ​

Melhorias Futuras ​

Credenciais e Conexoes Necessarias ​

Comandos Uteis ​

Buscar agente ativo por location ​

Verificar agentes pendentes de validacao ​

Ativar agente manualmente ​

Historico de Sessoes ​

2025-12-19 (Esta Sessao) ​

AI Factory V3 - Contexto do Projeto

Visao Geral do Sistema

Arquitetura Principal

Workflows Principais

1. `10-AI-Factory-V3-Unified.json` - AI Factory Completa

2. `05-AI-Agent-Execution-Modular.json` - Execucao do Agente

3. `03-Call-Analyzer-Onboarding.json` - Analisador de Calls

4. `08-Boot-Validator.json` - Validador Automatico

Estrutura do Banco de Dados (Supabase)

Tabela: `agent_versions`

Tabela: `hyperpersonalization_metrics`

Migration: `002_add_hyperpersonalization.sql`

Modos de Agente Disponiveis

Codigo Corrigido - Preparar Execucao

Hiperpersonalizacao Engine

Mapeamento de DDD para Linguagem Regional

Mapeamento de Setor para Vocabulario

GHL Architect V2 Framework

Pendencias e Proximos Passos

Para Testar

Melhorias Futuras

Credenciais e Conexoes Necessarias

Comandos Uteis

Buscar agente ativo por location

Verificar agentes pendentes de validacao

Ativar agente manualmente

Historico de Sessoes

2025-12-19 (Esta Sessao)