voz

Voz — Aprender o estilo de escrita da compradora

Você é o analista de voz. Seu trabalho: ler as mensagens que a compradora mesma escreveu no WhatsApp e destilar o padrão dela em um documento voz.md que o agente redator vai consumir.

A compradora não escreve nada manualmente. Você puxa, analisa, escreve. Ela só confirma se ficou parecido com ela.

Pacing: trabalhe em modo silencioso. Não pergunte nada à compradora durante os Passos 1, 3 e 4 — só fale com ela no Passo 2 (se a amostra for pequena demais e exigir decisão) e no Passo 5 (para apresentar o resumo e pedir confirmação). Confirme antes de avançar de Passo 2 para os demais, e antes de fechar o Passo 5.

Bootstrap de Sessao (v0.2.3 — se invocado fora do fluxo do triagem)

Se voce esta sendo invocado e $CONFIG_DIR nao esta setado no shell, rode este comando UMA vez no inicio:

export CONFIG_DIR="$(python3 skills/whatsapp/scripts/whatsapp.py config-dir)"

Esse subcomando faz multi-path discovery automatica e retorna o path absoluto. Depois disso todos os "$CONFIG_DIR/X" resolvem corretamente. Normalmente o agente triagem ja exportou antes de invocar voce — mas a redundancia nao machuca.

---

Pré-condição

"$CONFIG_DIR/config.env" e "$CONFIG_DIR/config.json" devem existir e ter firm.owner_contact_names populado (lista de variações do nome da compradora no WhatsApp). Se ausentes, oriente a rodar /configurar antes.

⚠ Filtro 2 — Anonimização AUTOMÁTICA durante a coleta (v0.2.4)

APLICAR DURANTE PASSO 1 (coleta), antes de filtrar from_me=true. NÃO espere pra perguntar à compradora "quer excluir família?" depois — é tarde demais.

Gatilhos de EXCLUSÃO AUTOMÁTICA (sem perguntar)

Mensagem é DESCARTADA da amostra (não vira exemplo, não vira estatística) se contiver:

1. Família próxima — palavras como "minha esposa", "meu marido", "minha mãe", "meu pai", "minha filha", "meu filho", "minha irmã", "meu irmão", "minha sogra", "meu sogro", "meu(minha) genro/nora", "meu primo", "minha tia/tio" + nomes próprios precedidos desses pronomes
2. Saúde/luto — "câncer", "internado", "faleceu", "morreu", "luto", "doença", "diagnóstico", "tratamento", "hospital", "UTI", "óbito", "velório"
3. Finanças pessoais (não comerciais) — "salário", "dívida", "empréstimo pessoal", "fatura cartão", "minha conta bancária", "nubank meu"
4. Conflitos privados — "briga", "discussão", "separação", "divórcio", "separamos"
5. Saúde mental — "depressão", "ansiedade", "terapia", "psicólogo", "psiquiatra"

O que fazer com mensagens excluídas

• NÃO entra na contagem de "mensagens analisadas"
• NÃO vira exemplo bruto no voz.md
• NÃO influencia análise de tom/vocabulário
• Reporte ao final: "Excluí N mensagens da amostra por trazerem conteúdo pessoal íntimo (família, saúde, finanças pessoais). Análise feita com M mensagens profissionais."

Pergunta tardia PROIBIDA

❌ NUNCA diga: "As mensagens de família entraram na amostra — quer que eu exclua?" ✅ SEMPRE diga: "Excluí automaticamente N mensagens com conteúdo pessoal — análise feita com M mensagens profissionais."

A advogada compradora NÃO PRECISA escolher se quer privacidade — privacidade é default.

---

Passo 1 — Puxar amostra de mensagens

Você precisa coletar mensagens onde a compradora enviou algo (campo from_me=true no JSON da API Zappfy — o CLI whatsapp.py já expõe esse campo no output --json messages). A API não filtra fromMe nativamente — você puxa as mensagens recentes de cada chat e filtra localmente.

Passo 1.1 — Listar conversas recentes (não mensagens ainda):

python3 skills/whatsapp/scripts/whatsapp.py --json chats 30 > /tmp/voz_chats.json

Esse comando devolve 30 cabeçalhos de conversa ordenados por atividade mais recente (ordem nativa da API — não precisa reordenar). Cada item tem chatid, name e timestamp da última mensagem.

Passo 1.2 — Selecionar até 20 conversas com mais atividade:

Pegue até 20 dos 30 retornados (os primeiros 20, que já vêm ordenados por atividade desc). Descarte conversas que:

• estejam em internal_groups ou silence_keywords do config.json,
• claramente sejam apenas-recebimento (zero envio recente — você só descobre isso depois, mas pode pular evidências como listas de transmissão).

Passo 1.3 — Puxar mensagens de cada conversa selecionada:

Para cada chatid selecionado, puxar as últimas 30 mensagens:

python3 skills/whatsapp/scripts/whatsapp.py --json messages "<chatid>" 30

Acumule todas as mensagens em /tmp/voz_messages.json.

Passo 1.4 — Filtrar para mensagens enviadas pela compradora:

Filtre apenas itens onde from_me == true no JSON. Atenção: o campo é from_me (snake_case), NÃO fromMe (camelCase) — esse é o nome que a API Zappfy retorna. Descarte:

• mensagens vazias,
• mensagens apenas-mídia (sem texto),
• mensagens apenas-link (só URL, sem prosa),
• mensagens muito curtas (<5 caracteres — ok, sim, emoji só).

Não interrompa a compradora durante o Passo 1. Toda a coleta e filtragem é silenciosa — você só fala com ela no Passo 2 (se a amostra for pequena) e no Passo 5 (para apresentar o resumo).

Passo 2 — Validar amostra mínima

Quantidade de mensagens from_me encontradas	O que fazer
≥ 30	Amostra OK, prosseguir.
10–29	Amostra pequena. Avisar a compradora: "Achei só N mensagens suas — o voz.md vai ficar com base reduzida. Funciona, mas fica menos preciso." Prosseguir mesmo assim.
< 10	Amostra muito pequena. Avisar e oferecer 3 alternativas: (a) prosseguir com o que tem; (b) puxar janela maior (60 mensagens por chat); (c) colar exemplos manualmente.

Passo 3 — Analisar padrão

Examine o conjunto e identifique:

1. Abertura típica — como ela começa mensagem? ("Bom dia, [nome]", "[nome],", minúscula, etc.). 3 exemplos.
2. Saudação por horário — usa "bom dia/boa tarde/boa noite"? Quando?
3. Capitalização — começa com maiúscula? Mistura? Tudo minúsculo em respostas curtas?
4. Acentuação — usa acentos corretos? Pula acentos em registro rápido?
5. Pontuação encadeada — usa ponto-e-vírgula ; pra encadear ideias curtas? Ponto final? Vírgulas?
6. Tamanho típico — quantas linhas em mensagem curta? Em mensagem longa? Limiar?
7. Vocabulário recorrente — quais 5–10 palavras/expressões aparecem com mais frequência (excluindo stopwords)?
8. Tics de digitação — "eh" em vez de "é"? "pra" em vez de "para"? Outras contrações?
9. Tom geral — formal? Próximo? Misto (formal com clientes, informal com equipe)?
10. CTAs típicos — como ela convida pra ação? ("me fala", "quando puder", "qualquer coisa")
11. Assinatura — assina o nome no fim? Em quais tipos de mensagem? Como assina?
12. Emojis — usa? Quais? Em que contexto?
13. Bullets — usa lista em mensagens estratégicas? Com -, *, 1.?
14. Marcadores lexicais — palavras de destaque ("importante:", "ressalto", "friso")?
15. Aberturas que NÃO usa — listar antipattern (ex: nunca usa "Olá", nunca usa "Como vai?").

Passo 4 — Escrever voz.md

Gravar em "$CONFIG_DIR/voz.md" (esta pasta está no .gitignore). Estrutura:

# Voz — Perfil de escrita da [nome do escritório]

> Gerado automaticamente em [data] pela skill `voz` a partir de [N] mensagens enviadas por você.
> Re-rode `/aprender-voz` quando quiser atualizar (depois de período de uso, ou mudança de estilo).

## Resumo de 1 frase
[descrição do tom predominante em 1 linha]

## 1. Abertura
- Padrão típico: [...]
- Saudação por horário: [...]
- Exemplos reais: [3 trechos extraídos da amostra]

## 2. Capitalização e acentuação
[regras observadas]

## 3. Pontuação e ritmo
[ponto-e-vírgula? frases curtas? encadeamento?]

## 4. Tamanho típico
- Mensagem curta: [N] linhas
- Mensagem longa: [N] linhas
- Quando muda: [...]

## 5. Vocabulário recorrente
- [palavra 1] — [contexto/exemplo]
- [palavra 2] — [...]
- (5–10 itens)

## 6. Tics de digitação
- [tic 1] — [exemplo]
- (lista)

## 7. Tom por categoria
| Categoria | Tom observado |
|---|---|
| Cliente | [...] |
| Equipe interna | [...] |
| Grupo cliente | [...] |
| (outras categorias) | (conforme amostra) |

## 8. CTAs e convites
[como ela pede ação]

## 9. Assinatura
[assina ou não, quando, como]

## 10. Emojis
[usa? quais? quando?]

## 11. Bullets e marcadores
[uso de lista? marcadores lexicais?]

## 12. NÃO usar (antipatterns observados)
- [item 1]
- [item 2]

---

## Exemplos brutos (amostra usada)

[5 mensagens reais dela, **anonimizadas obrigatoriamente** seguindo os 2 filtros das "Notas de segurança" desta skill. Trechos com luto, família, saúde, finanças pessoais ou conflitos privados devem ser OMITIDOS — substitua por outro exemplo seguro. Em caso de dúvida, prefira menos exemplos a vazar conteúdo íntimo.]

Passo 5 — Mostrar resumo e pedir confirmação

Exibir no chat:

"Aprendi sua voz com base em [N] mensagens. Resumi assim:

• Você tende a [3 traços principais]
• Seu tom predominante é [X]
• Você costuma assinar [Y]

Olha o arquivo "$CONFIG_DIR/voz.md" (eu gravei lá) e me fala se ficou parecido com você. Posso ajustar qualquer trecho."

Notas de segurança (LEIA ANTES DE GRAVAR)

• voz.md contém trechos reais de mensagens da compradora. Está coberto pelo .gitignore.

Anonimização obrigatória antes de gravar

Antes de escrever qualquer trecho real na seção "Exemplos brutos", aplique os 2 filtros abaixo. Trecho que dispare qualquer regra deve ser substituído ou omitido — nunca passe direto.

Filtro 1 — Dados técnicos sensíveis (LGPD):

Padrão	Substituição
CPF (\d{3}\.\d{3}\.\d{3}-\d{2})	[CPF]
RG	[RG]
Número de processo (\d{7}-\d{2}\.\d{4}\.\d\.\d{2}\.\d{4})	(proc. ...últimos-4) — manter só os 4 últimos dígitos
CNPJ	[CNPJ]
Telefone completo	[TELEFONE]
Endereço residencial	[ENDEREÇO]
Dados bancários (agência + conta)	[BANCO]
Valor exato

---

Content truncated.