feat(secretaria): memória de longo prazo por contato (a partir das conversas)

A secretária passa a "lembrar" do cliente entre conversas: - tabela sec_contact_memory (fato + embedding JSON), chave = ext_chat_id/contact_name. - na sumarização (a cada ~10 trocas) extrai fatos duradouros do cliente via LLM e salva com embedding + dedup por similaridade (>0.92). - buildSystemPrompt injeta "MEMÓRIA DO CLIENTE" com os fatos mais relevantes à pergunta (cosseno); sem chave de embedding usa os mais recentes; tudo com fallback silencioso (não regride). Co-Authored-By: Claude Opus 4.8 <noreply@anthropic.com>
2026-06-28 08:05:42 +02:00
parent 31bf45faf5
commit 42a04efe14
4 changed files with 244 additions and 0 deletions
@@ -109,6 +109,8 @@ class ProtocolEngine {
        let summary = conversation.summary;
        if (totalMsgs > 0 && (totalMsgs % 10 === 0 || totalMsgs === 5)) {
            summary = await this.summarize(agent, recentMessages, userMessage, response);
+            // Extrai memória duradoura do contato a partir da conversa (não bloqueia a resposta).
+            this.extractContactMemory(agent, conversation, recentMessages, userMessage, response).catch(() => { });
        }
        await this.db('sec_conversations')
            .where({ id: conversationId })
@@ -144,6 +146,10 @@ class ProtocolEngine {
            ``,
        ].join('\n');
        prompt += protocolHeader;
+        // Memória de longo prazo do contato (fatos de conversas anteriores)
+        const contactMem = await this.contactMemoryContext(conversation, userMessage);
+        if (contactMem)
+            prompt += `=== MEMÓRIA DO CLIENTE (de conversas anteriores) ===\n${contactMem}\n\n`;
        for (const node of nodes) {
            switch (node.type) {
                case 'persona':
@@ -256,6 +262,118 @@ class ProtocolEngine {
            });
        }
    }
+    // ── Memória de longo prazo por contato ─────────────────────────────────────
+    /** Recupera os fatos do contato relevantes à pergunta (conversas anteriores). */
+    async contactMemoryContext(conversation, userMessage) {
+        const contactKey = conversation.ext_chat_id || conversation.contact_name;
+        if (!contactKey)
+            return '';
+        let cfg;
+        try {
+            cfg = await this.config.get('secretaria');
+        }
+        catch {
+            return '';
+        }
+        try {
+            const mems = await this.db('sec_contact_memory')
+                .where({ agent_id: conversation.agent_id, contact_key: contactKey });
+            if (!mems.length)
+                return '';
+            const qVec = (userMessage?.trim() && (0, embeddings_1.hasEmbeddingKey)(cfg)) ? await (0, embeddings_1.embed)(userMessage, cfg) : null;
+            if (!qVec) {
+                // Sem embedding da pergunta: usa os fatos mais recentes.
+                return mems.slice(-6).map((m) => `- ${m.content}`).join('\n');
+            }
+            const ranked = mems
+                .map((m) => {
+                let v = [];
+                try {
+                    v = JSON.parse(m.embedding);
+                }
+                catch {
+                    v = [];
+                }
+                return { content: m.content, score: (0, embeddings_1.cosineSimilarity)(qVec, v) };
+            })
+                .sort((a, b) => b.score - a.score)
+                .slice(0, 6)
+                .filter((r) => r.score > 0);
+            return ranked.length ? ranked.map((r) => `- ${r.content}`).join('\n') : '';
+        }
+        catch {
+            return '';
+        }
+    }
+    /** Extrai fatos duradouros do cliente da conversa e salva (com embedding + dedup). */
+    async extractContactMemory(agent, conversation, recentMessages, userMessage, response) {
+        const contactKey = conversation.ext_chat_id || conversation.contact_name;
+        if (!contactKey)
+            return;
+        let cfg;
+        try {
+            cfg = await this.config.get('secretaria');
+        }
+        catch {
+            return;
+        }
+        if (!(0, embeddings_1.hasEmbeddingKey)(cfg))
+            return; // sem embedding não há como armazenar/buscar
+        const transcript = [
+            ...recentMessages.map((m) => ({ role: m.role, content: m.content })),
+            { role: 'user', content: userMessage },
+            { role: 'assistant', content: response },
+        ].map((m) => `${m.role === 'user' ? 'Cliente' : 'Atendente'}: ${m.content}`).join('\n');
+        const sys = [
+            'Extraia FATOS DURADOUROS sobre o CLIENTE desta conversa, úteis em atendimentos futuros',
+            '(preferências, dados pessoais, decisões, contexto recorrente).',
+            '- Uma frase curta por fato, em 3ª pessoa ("O cliente ...").',
+            '- Ignore saudações, agradecimentos e o que é efêmero.',
+            '- Se não houver nada digno de memória, responda exatamente: NADA',
+            'Responda só a lista, uma por linha, sem numerar.',
+        ].join('\n');
+        let factsText = '';
+        try {
+            const r = await this.callAI(agent, sys, [{ role: 'user', content: transcript }]);
+            factsText = r.text ?? '';
+        }
+        catch {
+            return;
+        }
+        if (!factsText.trim() || /^\s*NADA\s*$/i.test(factsText.trim()))
+            return;
+        const facts = factsText.split('\n')
+            .map((s) => s.replace(/^[-*\d.\s]+/, '').trim())
+            .filter((f) => f.length > 3)
+            .slice(0, 8);
+        if (!facts.length)
+            return;
+        const existing = await this.db('sec_contact_memory')
+            .where({ agent_id: agent.id, contact_key: contactKey });
+        const vecs = existing.map((e) => { try {
+            return JSON.parse(e.embedding);
+        }
+        catch {
+            return [];
+        } });
+        for (const fact of facts) {
+            const vec = await (0, embeddings_1.embed)(fact, cfg);
+            if (!vec)
+                continue;
+            if (vecs.some((ev) => ev.length && (0, embeddings_1.cosineSimilarity)(vec, ev) > 0.92))
+                continue; // dedup
+            await this.db('sec_contact_memory').insert({
+                id: this.uuid(),
+                agent_id: agent.id,
+                contact_key: contactKey,
+                content: fact,
+                embedding: JSON.stringify(vec),
+                created_at: new Date(),
+                updated_at: new Date(),
+            });
+            vecs.push(vec);
+        }
+    }
    // ── Finalize Protocol ─────────────────────────────────────────────────────
    async finalizeProtocol(conversationId) {
        const conversation = await this.db('sec_conversations').where({ id: conversationId }).first();