doc: exemplo de schedule com parametro

src/flash/flash.module.ts

@@ -1,4 +1,4 @@
-import { createModuleFactory } from "@davinti/jeff";
+import { createModuleFactory, createSchedule } from "@davinti/jeff";
 
 const moduleFactory = createModuleFactory(["C5", "C5_big", "C5_mambo"]);
 
@@ -11,38 +11,48 @@ export default moduleFactory
 		ai: {
 			topics: {
 				flash_vendas_big: {
-					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.",
+					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: "Você é um Especialista em Dados e Extrator de Filtros de alto nível. Sua única tarefa é analisar a solicitação do usuário sobre desempenho de vendas (Flash de Vendas), identificar quais informações ele deseja buscar (como data de referência ou loja) e como deseja visualizar esses dados (agrupamento), preparando as variáveis exatas para o sistema de relatórios.",
+						prompt_persona:
-						prompt_tarefa: "1. Identificação de Filtros: Extraia a data de referência (geralmente hoje) e identifique se o usuário quer ver dados de uma loja específica. A fonte de dados apenas suporta filtro de 'data' e 'loja'.\n2. Identificação de Agrupamento: Verifique se o usuário deseja visualizar o total geral (agrupamento vazio) ou agrupar por loja (ex: 'Qual loja está mais distante da meta?'). A query não suporta agrupamentos por divisão, segmento ou categoria.\n3. Identificação do Propósito Analítico:\n - Se perguntar 'Vou bater a meta do mês?', a IA final deverá calcular a média de venda diária (realizado / dias corridos), projetar o fechamento (média * dias do mês), comparar com a meta e exibir o gap.\n - Se perguntar 'Qual loja está mais distante da meta?', a IA final deverá criar um ranking ordenando as lojas pelo percentual de atingimento.\n - Se perguntar comparativos temporais ('mês passado' ou 'ano passado'), a IA final fará o comparativo direto em valor e percentual.",
+							"Você é um Especialista em Dados e Extrator de Filtros de alto nível. Sua única tarefa é analisar a solicitação do usuário sobre desempenho de vendas (Flash de Vendas), identificar quais informações ele deseja buscar (como data de referência ou loja) e como deseja visualizar esses dados (agrupamento), preparando as variáveis exatas para o sistema de relatórios.",
-						prompt_regras_gerais: "- Extraia listas de lojas se múltiplas forem solicitadas (ex: 'loja A e loja B').\n- Se não houver solicitação explícita ou implícita de agrupamento por loja, não preencha a chave de agrupamento, mantendo-a vazia.\n- Não invente filtros ou agrupamentos (como divisão, segmento) que não existem na configuração.",
+						prompt_tarefa:
-						prompt_regras_contexto: "- Nunca analise a mensagem de forma isolada se ela for um refinamento (ex: 'E como foi o ano passado?'). Use o histórico para resgatar os filtros anteriores.\n- Não invente valores para os filtros se não forem fornecidos na conversa.",
+							"1. Identificação de Filtros: Extraia a data de referência (geralmente hoje) e identifique se o usuário quer ver dados de uma loja específica. A fonte de dados apenas suporta filtro de 'data' e 'loja'.\n2. Identificação de Agrupamento: Verifique se o usuário deseja visualizar o total geral (agrupamento vazio) ou agrupar por loja (ex: 'Qual loja está mais distante da meta?'). A query não suporta agrupamentos por divisão, segmento ou categoria.\n3. Identificação do Propósito Analítico:\n - Se perguntar 'Vou bater a meta do mês?', a IA final deverá calcular a média de venda diária (realizado / dias corridos), projetar o fechamento (média * dias do mês), comparar com a meta e exibir o gap.\n - Se perguntar 'Qual loja está mais distante da meta?', a IA final deverá criar um ranking ordenando as lojas pelo percentual de atingimento.\n - Se perguntar comparativos temporais ('mês passado' ou 'ano passado'), a IA final fará o comparativo direto em valor e percentual.",
-						prompt_exemplos: "*Exemplo 1:*\n- Usuário: 'Vou bater a meta do mês?'\n- Raciocínio: Não há filtro de loja explícito (visão global). Nenhum agrupamento solicitado. A IA apenas extrairá os totais para calcular a projeção e gap com a meta.\n\n*Exemplo 2:*\n- Usuário: 'Qual loja está mais distante da meta?'\n- Raciocínio: Há um pedido implícito de agrupamento por 'loja'. O sistema irá consolidar os dados de todas as lojas para montar o ranking das mais distantes (menor atingimento percentual).\n\n*Exemplo 3:*\n- Usuário: 'Como estamos em relação ao mês passado?'\n- Raciocínio: Nenhuma quebra solicitada, exceto se for contexto anterior. O foco é a comparação de mes_atual vs mes_anterior em valor e percentual.",
+						prompt_regras_gerais:
-						prompt_outras_infos: "Atenção: A query subjacente fornece apenas totalizações gerais ou por loja. Qualquer pedido de quebra por divisão, regional ou segmento não pode ser atendido. A lógica de projeção (diária * total dias), gap de valor e ranking de percentual ficam a cargo do processamento final baseado nas colunas mes_atual, meta_mes, mes_anterior e ano_anterior retornadas.",
+							"- Extraia listas de lojas se múltiplas forem solicitadas (ex: 'loja A e loja B').\n- Se não houver solicitação explícita ou implícita de agrupamento por loja, não preencha a chave de agrupamento, mantendo-a vazia.\n- Não invente filtros ou agrupamentos (como divisão, segmento) que não existem na configuração.",
-						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_contexto:
+							"- Nunca analise a mensagem de forma isolada se ela for um refinamento (ex: 'E como foi o ano passado?'). Use o histórico para resgatar os filtros anteriores.\n- Não invente valores para os filtros se não forem fornecidos na conversa.",
+						prompt_exemplos:
+							"*Exemplo 1:*\n- Usuário: 'Vou bater a meta do mês?'\n- Raciocínio: Não há filtro de loja explícito (visão global). Nenhum agrupamento solicitado. A IA apenas extrairá os totais para calcular a projeção e gap com a meta.\n\n*Exemplo 2:*\n- Usuário: 'Qual loja está mais distante da meta?'\n- Raciocínio: Há um pedido implícito de agrupamento por 'loja'. O sistema irá consolidar os dados de todas as lojas para montar o ranking das mais distantes (menor atingimento percentual).\n\n*Exemplo 3:*\n- Usuário: 'Como estamos em relação ao mês passado?'\n- Raciocínio: Nenhuma quebra solicitada, exceto se for contexto anterior. O foco é a comparação de mes_atual vs mes_anterior em valor e percentual.",
+						prompt_outras_infos:
+							"Atenção: A query subjacente fornece apenas totalizações gerais ou por loja. Qualquer pedido de quebra por divisão, regional ou segmento não pode ser atendido. A lógica de projeção (diária * total dias), gap de valor e ranking de percentual ficam a cargo do processamento final baseado nas colunas mes_atual, meta_mes, mes_anterior e ano_anterior retornadas.",
+						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: [
 							{
-								"nome_parametro": "loja",
+								nome_parametro: "loja",
-								coluna_vtr: "x.codigo"
+								coluna_vtr: "x.codigo",
-							}
+							},
 						],
 						filtros: {
 							data_venda: {
-								descricao_agente: "A data base para a consulta das vendas. Caso não informada explicitamente, usar a data de hoje no formato YYYY-MM-DD.",
+								descricao_agente:
+									"A data base para a consulta das vendas. Caso não informada explicitamente, usar a data de hoje no formato YYYY-MM-DD.",
 								nome_parametro: "data_venda",
 							},
 							loja: {
-								descricao_agente: "Lista de nomes ou códigos de lojas mencionados para filtragem.",
+								descricao_agente:
+									"Lista de nomes ou códigos de lojas mencionados para filtragem.",
 								coluna_vtr: "x.nomeempresaapp",
-								tabela_rag: "tb_flash_nodo"
+								tabela_rag: "tb_flash_nodo",
-							}
+							},
-						}
+						},
 					},
-					query_base: "flash_vendas_ai"
+					query_base: "flash_vendas_ai",
 				},
-			}
+			},
 		},
 		queries: {
 			flash: {
@@ -186,10 +196,10 @@ export default moduleFactory
 			flash_vendas_ai: {
 				name: " Flash de vendas AI",
 				display: {
-					type: "none"
+					type: "none",
 				},
-				params: ["data_venda", "agrupamento"]
+				params: ["data_venda", "agrupamento"],
-			}
+			},
 		},
 		entrypoint: "flash" as "flash" | "flash_categorias",
 	})
@@ -250,9 +260,9 @@ where 1 = 0`,
 				return {
 					sql: /*sql*/ `
             
-            `
+            `,
-				}
+				};
-			}
+			},
 		},
 		C5_big: {
 			flash: (args) => {
@@ -579,9 +589,9 @@ where 1 = 0`,
               --FILTROS--
               GROUP BY ${args.agrupamento}
               ORDER BY mes_atual DESC
-            `
+            `,
-				}
+				};
-			}
+			},
 		},
 		C5_mambo: {
 			flash: (args) => {
@@ -598,11 +608,12 @@ where 1 = 0`,
 				return {
 					sql: /*sql*/ `
               
-            `
+            `,
-				}
+				};
-			}
+			},
 		},
-	}).withSchedules({
+	})
+	.withSchedules({
 		C5: [
 			{
 				name: "Procedure que atualiza os dados do flash",
@@ -613,9 +624,10 @@ where 1 = 0`,
 			},
 		],
 		C5_big: [
-			{
+			createSchedule({
 				name: "Procedure que atualiza os dados do flash",
-				command: /*sql*/ `BEGIN
+				command: (params) => ({
+					sql: /*sql*/ `BEGIN
                     PRC_FLASH_ATUALIZA_VENDA_DONO(
                         p_data_inicial => TRUNC(SYSDATE) - 30,
                         p_data_final   => TRUNC(SYSDATE),
@@ -623,9 +635,10 @@ where 1 = 0`,
                         p_empresa_fim  => 10
                     );
                 END;`,
+				}),
 				cron: "0 * * * *",
 				timeout_seconds: 2400,
-			},
+			}),
 		],
 		C5_mambo: [
 			{