fix(ai): adicionar implementação da query para C5

src/flash/flash.module.ts

@@ -10,17 +10,24 @@ export default moduleFactory
 		icon: "bar-chart",
 		ai: {
 			topics: {
-				flash_vendas_big: {
+				flash_vendas: {
 					descricao:
 						"Consulta e análise do relatório Flash de Vendas. Permite visualizar metas do mês, vendas do mês atual, variações e projeções, além de comparativos com o mês anterior e ano anterior. Útil para projeção de batimento de meta, ranking de lojas e comparativos de performance.",
 					prompt: {
-              prompt_persona: "Especialista em dados e extrator de filtros para o Flash de Vendas. Analise a solicitação sobre desempenho de vendas, identifique filtros (data, loja) e agrupamento, e preencha o schema.",
+						prompt_persona:
-              prompt_tarefa: "1. Identifique filtros: extraia data de referência (default: hoje) e lojas se mencionadas. Apenas `data` e `loja` são suportados.\n2. Identifique agrupamento: vazio para total geral, ou \"loja\" se o usuário pediu ranking/comparação entre lojas.\n3. Identifique o propósito analítico (apenas para contexto, não preencha campo):\n - \"Vou bater a meta?\" → projeção de fechamento e gap.\n - \"Loja mais distante da meta?\" → ranking por % de atingimento.\n - Comparativos temporais → mes_anterior ou ano_anterior.",
+							"Especialista em dados e extrator de filtros para o Flash de Vendas. Analise a solicitação sobre desempenho de vendas, identifique filtros (data, loja) e agrupamento, e preencha o schema.",
-              prompt_regras_contexto: "- Refinamentos (\"e o ano passado?\") → use o histórico para manter filtros anteriores.\n- Não invente valores que não foram informados.",
+						prompt_tarefa:
-              prompt_regras_gerais: "- Múltiplas lojas (\"loja A e loja B\") → extraia como array.\n- Sem solicitação de agrupamento → deixe vazio.\n- Não invente filtros ou agrupamentos fora do schema (divisão, segmento, regional não são suportados).",
+							'1. Identifique filtros: extraia data de referência (default: hoje) e lojas se mencionadas. Apenas `data` e `loja` são suportados.\n2. Identifique agrupamento: vazio para total geral, ou "loja" se o usuário pediu ranking/comparação entre lojas.\n3. Identifique o propósito analítico (apenas para contexto, não preencha campo):\n - "Vou bater a meta?" → projeção de fechamento e gap.\n - "Loja mais distante da meta?" → ranking por % de atingimento.\n - Comparativos temporais → mes_anterior ou ano_anterior.',
-              prompt_exemplos: "- \"Vou bater a meta do mês?\" → sem filtro de loja, sem agrupamento\n- \"Qual loja está mais distante da meta?\" → agrupamento: \"loja\"\n- \"Como estamos em relação ao mês passado?\" → sem agrupamento (comparativo temporal direto)\n- \"Como foi a loja Centro e Shopping?\" → loja: [\"Centro\", \"Shopping\"]",
+						prompt_regras_contexto:
-              prompt_outras_infos: "A query retorna colunas: mes_atual, meta_mes, mes_anterior, ano_anterior. Apenas totalizações gerais ou por loja são suportadas.",
+							'- Refinamentos ("e o ano passado?") → use o histórico para manter filtros anteriores.\n- Não invente valores que não foram informados.',
-              prompt_saida: "Sua resposta deve ser uma análise detalhada e objetiva dos dados recebidos, apresentando os principais insights de forma clara e concisa."
+						prompt_regras_gerais:
+							'- Múltiplas lojas ("loja A e loja B") → extraia como array.\n- Sem solicitação de agrupamento → deixe vazio.\n- Não invente filtros ou agrupamentos fora do schema (divisão, segmento, regional não são suportados).',
+						prompt_exemplos:
+							'- "Vou bater a meta do mês?" → sem filtro de loja, sem agrupamento\n- "Qual loja está mais distante da meta?" → agrupamento: "loja"\n- "Como estamos em relação ao mês passado?" → sem agrupamento (comparativo temporal direto)\n- "Como foi a loja Centro e Shopping?" → loja: ["Centro", "Shopping"]',
+						prompt_outras_infos:
+							"A query retorna colunas: mes_atual, meta_mes, mes_anterior, ano_anterior. Apenas totalizações gerais ou por loja são suportadas.",
+						prompt_saida:
+							"Sua resposta deve ser uma análise detalhada e objetiva dos dados recebidos, apresentando os principais insights de forma clara e concisa.",
 					},
 					json_params_saida: {
 						agrupamentos: [
@@ -458,7 +465,68 @@ export default moduleFactory
 			},
 			flash_vendas_ai: (args) => {
 				return {
-					sql: /*sql*/ ``,
+					sql: /*sql*/ `
+              SELECT
+                  ${args.agrupamento} AS KEY_FIELD,
+                  SUM(CASE WHEN x.periodo = 'ATUAL' THEN x.valor_meta_efetiva ELSE 0 END) AS meta_mes,
+                  SUM(CASE WHEN x.periodo = 'ATUAL' THEN x.valor_venda ELSE 0 END) AS mes_atual,
+                  SUM(CASE WHEN x.periodo = 'ATUAL' THEN x.valor_venda - x.valor_meta_efetiva ELSE 0 END) AS dif_mes_atual,
+                  CASE
+                      WHEN SUM(CASE WHEN x.periodo = 'ATUAL' THEN x.valor_meta_efetiva ELSE 0 END) = 0 THEN 0
+                      ELSE ROUND(
+                              ((SUM(CASE WHEN x.periodo = 'ATUAL' THEN x.valor_venda ELSE 0 END) /
+                              SUM(CASE WHEN x.periodo = 'ATUAL' THEN x.valor_meta_efetiva ELSE 0 END)) * 100) - 100
+                          , 2)
+                  END AS variacao_atual,
+                  SUM(CASE WHEN x.periodo = 'MES_ANTERIOR' THEN x.valor_meta_efetiva ELSE 0 END) AS meta_mes_anterior,
+                  SUM(CASE WHEN x.periodo = 'MES_ANTERIOR' THEN x.valor_venda ELSE 0 END) AS mes_anterior,
+                  SUM(CASE WHEN x.periodo = 'ATUAL' THEN x.valor_venda ELSE 0 END) -
+                      SUM(CASE WHEN x.periodo = 'MES_ANTERIOR' THEN x.valor_venda ELSE 0 END) AS dif_mes_anterior,
+                  CASE
+                      WHEN SUM(CASE WHEN x.periodo = 'MES_ANTERIOR' THEN x.valor_venda ELSE 0 END) = 0 THEN 0
+                      ELSE ROUND(
+                              ((SUM(CASE WHEN x.periodo = 'ATUAL' THEN x.valor_venda ELSE 0 END) /
+                                  SUM(CASE WHEN x.periodo = 'MES_ANTERIOR' THEN x.valor_venda ELSE 0 END)) * 100) - 100
+                          , 2)
+                  END AS variacao_mes_anterior,
+                  SUM(CASE WHEN x.periodo = 'ANO_ANTERIOR' THEN x.valor_meta_efetiva ELSE 0 END) AS meta_ano_anterior,
+                  SUM(CASE WHEN x.periodo = 'ANO_ANTERIOR' THEN x.valor_venda ELSE 0 END) AS ano_anterior,
+                  SUM(CASE WHEN x.periodo = 'ATUAL' THEN x.valor_venda ELSE 0 END) -
+                      SUM(CASE WHEN x.periodo = 'ANO_ANTERIOR' THEN x.valor_venda ELSE 0 END) AS dif_ano_anterior,
+                  CASE
+                      WHEN SUM(CASE WHEN x.periodo = 'ANO_ANTERIOR' THEN x.valor_venda ELSE 0 END) = 0 THEN 0
+                      ELSE ROUND(
+                              ((SUM(CASE WHEN x.periodo = 'ATUAL' THEN x.valor_venda ELSE 0 END) /
+                                  SUM(CASE WHEN x.periodo = 'ANO_ANTERIOR' THEN x.valor_venda ELSE 0 END)) * 100) - 100
+                          , 2)
+                  END AS variacao_ano_anterior
+              FROM
+              (
+                  SELECT
+                      n.codigo,
+                      n.nome AS nomeempresaapp,
+                      n.codigo || ' - ' || n.nome AS loja_formatada,
+                      r.valor_meta_efetiva,
+                      r.valor_venda,
+                      CASE
+                          WHEN r.data_referencia BETWEEN TRUNC(TO_DATE(${args.data_venda}, 'YYYY-MM-DD'), 'MM') AND TO_DATE(${args.data_venda}, 'YYYY-MM-DD') THEN 'ATUAL'
+                          WHEN r.data_referencia BETWEEN ADD_MONTHS(TRUNC(TO_DATE(${args.data_venda}, 'YYYY-MM-DD'), 'MM'), -1) AND ADD_MONTHS(TO_DATE(${args.data_venda}, 'YYYY-MM-DD'), -1) THEN 'MES_ANTERIOR'
+                          WHEN r.data_referencia BETWEEN ADD_MONTHS(TRUNC(TO_DATE(${args.data_venda}, 'YYYY-MM-DD'), 'MM'), -12) AND ADD_MONTHS(TO_DATE(${args.data_venda}, 'YYYY-MM-DD'), -12) THEN 'ANO_ANTERIOR'
+                      END AS periodo
+                  FROM tb_flash_nodo_resumo_venda r
+                  JOIN tb_flash_nodo n ON n.id_nodo = r.id_nodo
+                  WHERE n.tipo_nodo = 'EMPRESA'
+                  AND (
+                      r.data_referencia BETWEEN TRUNC(TO_DATE(${args.data_venda}, 'YYYY-MM-DD'), 'MM') AND TO_DATE(${args.data_venda}, 'YYYY-MM-DD')
+                      OR r.data_referencia BETWEEN ADD_MONTHS(TRUNC(TO_DATE(${args.data_venda}, 'YYYY-MM-DD'), 'MM'), -1) AND ADD_MONTHS(TO_DATE(${args.data_venda}, 'YYYY-MM-DD'), -1)
+                      OR r.data_referencia BETWEEN ADD_MONTHS(TRUNC(TO_DATE(${args.data_venda}, 'YYYY-MM-DD'), 'MM'), -12) AND ADD_MONTHS(TO_DATE(${args.data_venda}, 'YYYY-MM-DD'), -12)
+                  )
+              ) x
+              WHERE 1=1
+              --FILTROS--
+              GROUP BY ${args.agrupamento}
+              ORDER BY mes_atual DESC
+            `,
 				};
 			},
 		},