feat(ai): adicionar nome do parametro aos filtros
davinTI/app-dono-modulos/pipeline/head This commit looks good
davinTI/app-dono-modulos/pipeline/head This commit looks good
This commit is contained in:
tkinaba
+271
-264
@@ -3,201 +3,202 @@ import { createModuleFactory } from "@davinti/jeff";
|
||||
const moduleFactory = createModuleFactory(["C5", "C5_big", "C5_mambo"]);
|
||||
|
||||
export default moduleFactory
|
||||
.createModule({
|
||||
id: "flash-de-vendas",
|
||||
description: "Flash de Vendas",
|
||||
label: "Flash de Vendas",
|
||||
icon: "bar-chart",
|
||||
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.",
|
||||
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_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.",
|
||||
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_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",
|
||||
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.",
|
||||
coluna_vtr: "args.data_venda",
|
||||
},
|
||||
loja: {
|
||||
descricao_agente: "Lista de nomes ou códigos de lojas mencionados para filtragem.",
|
||||
coluna_vtr: "x.nomeempresaapp",
|
||||
tabela_rag: "tb_flash_nodo"
|
||||
}
|
||||
}
|
||||
},
|
||||
query_base : "flash_vendas_ai"
|
||||
},
|
||||
}
|
||||
},
|
||||
queries: {
|
||||
flash: {
|
||||
name: "Flash de Vendas",
|
||||
display: {
|
||||
type: "flash",
|
||||
settings: {
|
||||
group_column: "canalapp",
|
||||
total_indicator_column: "is_total",
|
||||
null_label_key: "Geral",
|
||||
},
|
||||
header: {
|
||||
title_column: "canalapp",
|
||||
value_column: "venda_dia",
|
||||
value_format: "currency",
|
||||
},
|
||||
rows: [
|
||||
{
|
||||
label: "Meta Mês",
|
||||
column: "meta_mes",
|
||||
format: "currency_short",
|
||||
},
|
||||
{
|
||||
label: "Mês Atual",
|
||||
column: "mes_atual",
|
||||
format: "currency_short",
|
||||
},
|
||||
{
|
||||
label: "Dif ($)",
|
||||
column: "dif_mes_atual",
|
||||
format: "currency_short",
|
||||
},
|
||||
{
|
||||
label: "% Variação",
|
||||
column: "variacao_atual",
|
||||
format: "percentage",
|
||||
},
|
||||
{
|
||||
label: "Mês Anterior",
|
||||
column: "mes_anterior",
|
||||
format: "currency_short",
|
||||
},
|
||||
{
|
||||
label: "Dif ($)",
|
||||
column: "dif_mes_anterior",
|
||||
format: "currency_short",
|
||||
},
|
||||
{
|
||||
label: "% Variação",
|
||||
column: "variacao_mes_anterior",
|
||||
format: "percentage",
|
||||
},
|
||||
{
|
||||
label: "Ano Anterior",
|
||||
column: "ano_anterior",
|
||||
format: "currency_short",
|
||||
},
|
||||
{
|
||||
label: "Dif ($)",
|
||||
column: "dif_ano_anterior",
|
||||
format: "currency_short",
|
||||
},
|
||||
{
|
||||
label: "% Variação",
|
||||
column: "variacao_ano_anterior",
|
||||
format: "percentage",
|
||||
},
|
||||
],
|
||||
},
|
||||
params: ["data_venda"],
|
||||
},
|
||||
flash_categorias: {
|
||||
name: "Flash de Vendas por Categorias",
|
||||
display: {
|
||||
type: "flash",
|
||||
settings: {
|
||||
group_column: "categoriaapp",
|
||||
total_indicator_column: "is_total",
|
||||
null_label_key: "Geral",
|
||||
},
|
||||
header: {
|
||||
title_column: "categoriaapp",
|
||||
value_column: "venda_dia",
|
||||
value_format: "currency",
|
||||
},
|
||||
rows: [
|
||||
{
|
||||
label: "Meta Mês",
|
||||
column: "meta_mes",
|
||||
format: "currency_short",
|
||||
},
|
||||
{
|
||||
label: "Mês Atual",
|
||||
column: "mes_atual",
|
||||
format: "currency_short",
|
||||
},
|
||||
{
|
||||
label: "Dif ($)",
|
||||
column: "dif_mes_atual",
|
||||
format: "currency_short",
|
||||
},
|
||||
{
|
||||
label: "% Variação",
|
||||
column: "variacao_atual",
|
||||
format: "percentage",
|
||||
},
|
||||
{
|
||||
label: "Mês Anterior",
|
||||
column: "mes_anterior",
|
||||
format: "currency_short",
|
||||
},
|
||||
{
|
||||
label: "Dif ($)",
|
||||
column: "dif_mes_anterior",
|
||||
format: "currency_short",
|
||||
},
|
||||
{
|
||||
label: "% Variação",
|
||||
column: "variacao_mes_anterior",
|
||||
format: "percentage",
|
||||
},
|
||||
{
|
||||
label: "Ano Anterior",
|
||||
column: "ano_anterior",
|
||||
format: "currency_short",
|
||||
},
|
||||
{
|
||||
label: "Dif ($)",
|
||||
column: "dif_ano_anterior",
|
||||
format: "currency_short",
|
||||
},
|
||||
{
|
||||
label: "% Variação",
|
||||
column: "variacao_ano_anterior",
|
||||
format: "percentage",
|
||||
},
|
||||
],
|
||||
},
|
||||
params: ["data_venda", "codigo_categoria_pai", "cod_empresa"],
|
||||
},
|
||||
flash_vendas_ai : {
|
||||
name : " Flash de vendas AI",
|
||||
display: {
|
||||
type: "none"
|
||||
},
|
||||
params: ["data_venda", "agrupamento"]
|
||||
}
|
||||
},
|
||||
entrypoint: "flash" as "flash" | "flash_categorias",
|
||||
})
|
||||
.withImplementations({
|
||||
C5: {
|
||||
flash: (args) => {
|
||||
return {
|
||||
sql: /*sql*/ `
|
||||
.createModule({
|
||||
id: "flash-de-vendas",
|
||||
description: "Flash de Vendas",
|
||||
label: "Flash de Vendas",
|
||||
icon: "bar-chart",
|
||||
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.",
|
||||
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_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.",
|
||||
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_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",
|
||||
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.",
|
||||
coluna_vtr: "data_referencia",
|
||||
nome_parametro: "data_venda",
|
||||
},
|
||||
loja: {
|
||||
descricao_agente: "Lista de nomes ou códigos de lojas mencionados para filtragem.",
|
||||
coluna_vtr: "x.nomeempresaapp",
|
||||
tabela_rag: "tb_flash_nodo"
|
||||
}
|
||||
}
|
||||
},
|
||||
query_base: "flash_vendas_ai"
|
||||
},
|
||||
}
|
||||
},
|
||||
queries: {
|
||||
flash: {
|
||||
name: "Flash de Vendas",
|
||||
display: {
|
||||
type: "flash",
|
||||
settings: {
|
||||
group_column: "canalapp",
|
||||
total_indicator_column: "is_total",
|
||||
null_label_key: "Geral",
|
||||
},
|
||||
header: {
|
||||
title_column: "canalapp",
|
||||
value_column: "venda_dia",
|
||||
value_format: "currency",
|
||||
},
|
||||
rows: [
|
||||
{
|
||||
label: "Meta Mês",
|
||||
column: "meta_mes",
|
||||
format: "currency_short",
|
||||
},
|
||||
{
|
||||
label: "Mês Atual",
|
||||
column: "mes_atual",
|
||||
format: "currency_short",
|
||||
},
|
||||
{
|
||||
label: "Dif ($)",
|
||||
column: "dif_mes_atual",
|
||||
format: "currency_short",
|
||||
},
|
||||
{
|
||||
label: "% Variação",
|
||||
column: "variacao_atual",
|
||||
format: "percentage",
|
||||
},
|
||||
{
|
||||
label: "Mês Anterior",
|
||||
column: "mes_anterior",
|
||||
format: "currency_short",
|
||||
},
|
||||
{
|
||||
label: "Dif ($)",
|
||||
column: "dif_mes_anterior",
|
||||
format: "currency_short",
|
||||
},
|
||||
{
|
||||
label: "% Variação",
|
||||
column: "variacao_mes_anterior",
|
||||
format: "percentage",
|
||||
},
|
||||
{
|
||||
label: "Ano Anterior",
|
||||
column: "ano_anterior",
|
||||
format: "currency_short",
|
||||
},
|
||||
{
|
||||
label: "Dif ($)",
|
||||
column: "dif_ano_anterior",
|
||||
format: "currency_short",
|
||||
},
|
||||
{
|
||||
label: "% Variação",
|
||||
column: "variacao_ano_anterior",
|
||||
format: "percentage",
|
||||
},
|
||||
],
|
||||
},
|
||||
params: ["data_venda"],
|
||||
},
|
||||
flash_categorias: {
|
||||
name: "Flash de Vendas por Categorias",
|
||||
display: {
|
||||
type: "flash",
|
||||
settings: {
|
||||
group_column: "categoriaapp",
|
||||
total_indicator_column: "is_total",
|
||||
null_label_key: "Geral",
|
||||
},
|
||||
header: {
|
||||
title_column: "categoriaapp",
|
||||
value_column: "venda_dia",
|
||||
value_format: "currency",
|
||||
},
|
||||
rows: [
|
||||
{
|
||||
label: "Meta Mês",
|
||||
column: "meta_mes",
|
||||
format: "currency_short",
|
||||
},
|
||||
{
|
||||
label: "Mês Atual",
|
||||
column: "mes_atual",
|
||||
format: "currency_short",
|
||||
},
|
||||
{
|
||||
label: "Dif ($)",
|
||||
column: "dif_mes_atual",
|
||||
format: "currency_short",
|
||||
},
|
||||
{
|
||||
label: "% Variação",
|
||||
column: "variacao_atual",
|
||||
format: "percentage",
|
||||
},
|
||||
{
|
||||
label: "Mês Anterior",
|
||||
column: "mes_anterior",
|
||||
format: "currency_short",
|
||||
},
|
||||
{
|
||||
label: "Dif ($)",
|
||||
column: "dif_mes_anterior",
|
||||
format: "currency_short",
|
||||
},
|
||||
{
|
||||
label: "% Variação",
|
||||
column: "variacao_mes_anterior",
|
||||
format: "percentage",
|
||||
},
|
||||
{
|
||||
label: "Ano Anterior",
|
||||
column: "ano_anterior",
|
||||
format: "currency_short",
|
||||
},
|
||||
{
|
||||
label: "Dif ($)",
|
||||
column: "dif_ano_anterior",
|
||||
format: "currency_short",
|
||||
},
|
||||
{
|
||||
label: "% Variação",
|
||||
column: "variacao_ano_anterior",
|
||||
format: "percentage",
|
||||
},
|
||||
],
|
||||
},
|
||||
params: ["data_venda", "codigo_categoria_pai", "cod_empresa"],
|
||||
},
|
||||
flash_vendas_ai: {
|
||||
name: " Flash de vendas AI",
|
||||
display: {
|
||||
type: "none"
|
||||
},
|
||||
params: ["data_venda", "agrupamento"]
|
||||
}
|
||||
},
|
||||
entrypoint: "flash" as "flash" | "flash_categorias",
|
||||
})
|
||||
.withImplementations({
|
||||
C5: {
|
||||
flash: (args) => {
|
||||
return {
|
||||
sql: /*sql*/ `
|
||||
select
|
||||
tes.canalapp,
|
||||
tes.nomeempresaapp,
|
||||
@@ -223,11 +224,11 @@ where 1=1
|
||||
and (tvf.nroempresa in (${args.ctx_user_companies_for_module}))
|
||||
group by rollup(canalapp, nomeempresaapp)
|
||||
order by grouping(canalapp) desc, grouping(nomeempresaapp) desc`,
|
||||
};
|
||||
},
|
||||
flash_categorias: (args) => {
|
||||
return {
|
||||
sql: /*sql*/ `
|
||||
};
|
||||
},
|
||||
flash_categorias: (args) => {
|
||||
return {
|
||||
sql: /*sql*/ `
|
||||
select
|
||||
'Categorias' as categoriaapp,
|
||||
1 as is_total,
|
||||
@@ -244,19 +245,20 @@ select
|
||||
0 as variacao_ano_anterior
|
||||
from dual
|
||||
where 1 = 0`,
|
||||
};
|
||||
},
|
||||
flash_vendas_ai: (args) => {
|
||||
return {
|
||||
sql: /*sql*/ `
|
||||
};
|
||||
},
|
||||
flash_vendas_ai: (args) => {
|
||||
return {
|
||||
sql: /*sql*/ `
|
||||
|
||||
`
|
||||
}
|
||||
}
|
||||
},
|
||||
C5_big: {flash: (args) => {
|
||||
return {
|
||||
sql: /*sql*/ `
|
||||
}
|
||||
}
|
||||
},
|
||||
C5_big: {
|
||||
flash: (args) => {
|
||||
return {
|
||||
sql: /*sql*/ `
|
||||
SELECT
|
||||
'Lojas' AS canalapp,
|
||||
x.codigo AS cod_empresa,
|
||||
@@ -335,11 +337,12 @@ where 1 = 0`,
|
||||
(x.codigo, x.nomeempresaapp),
|
||||
()
|
||||
)
|
||||
`,};
|
||||
},
|
||||
flash_categorias: (args) => {
|
||||
return {
|
||||
sql: /*sql*/ `
|
||||
`,
|
||||
};
|
||||
},
|
||||
flash_categorias: (args) => {
|
||||
return {
|
||||
sql: /*sql*/ `
|
||||
WITH params AS (
|
||||
SELECT
|
||||
TO_DATE(${args.data_venda}, 'YYYY-MM-DD') AS data_venda,
|
||||
@@ -511,11 +514,12 @@ where 1 = 0`,
|
||||
ORDER BY
|
||||
is_total,
|
||||
nomeempresaapp
|
||||
`,};
|
||||
},
|
||||
flash_vendas_ai: (args) => {
|
||||
return {
|
||||
sql: /*sql*/ `
|
||||
`,
|
||||
};
|
||||
},
|
||||
flash_vendas_ai: (args) => {
|
||||
return {
|
||||
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,
|
||||
@@ -577,39 +581,42 @@ where 1 = 0`,
|
||||
GROUP BY ${args.agrupamento}
|
||||
ORDER BY mes_atual DESC
|
||||
`
|
||||
}
|
||||
}
|
||||
},
|
||||
C5_mambo: {flash: (args) => {
|
||||
return {
|
||||
sql: /*sql*/ ``,};
|
||||
},
|
||||
flash_categorias: (args) => {
|
||||
return {
|
||||
sql: /*sql*/ ``,};
|
||||
},
|
||||
flash_vendas_ai: (args) => {
|
||||
return {
|
||||
sql: /*sql*/ `
|
||||
}
|
||||
}
|
||||
},
|
||||
C5_mambo: {
|
||||
flash: (args) => {
|
||||
return {
|
||||
sql: /*sql*/ ``,
|
||||
};
|
||||
},
|
||||
flash_categorias: (args) => {
|
||||
return {
|
||||
sql: /*sql*/ ``,
|
||||
};
|
||||
},
|
||||
flash_vendas_ai: (args) => {
|
||||
return {
|
||||
sql: /*sql*/ `
|
||||
|
||||
`
|
||||
}
|
||||
}
|
||||
},
|
||||
}).withSchedules({
|
||||
C5: [
|
||||
{
|
||||
name: "Procedure que atualiza os dados do flash",
|
||||
command: /*sql*/ `BEGIN
|
||||
}
|
||||
}
|
||||
},
|
||||
}).withSchedules({
|
||||
C5: [
|
||||
{
|
||||
name: "Procedure que atualiza os dados do flash",
|
||||
command: /*sql*/ `BEGIN
|
||||
END`,
|
||||
cron: "0 * * * *",
|
||||
timeout_seconds: 2400,
|
||||
},
|
||||
],
|
||||
C5_big: [
|
||||
{
|
||||
name: "Procedure que atualiza os dados do flash",
|
||||
command: /*sql*/ `BEGIN
|
||||
cron: "0 * * * *",
|
||||
timeout_seconds: 2400,
|
||||
},
|
||||
],
|
||||
C5_big: [
|
||||
{
|
||||
name: "Procedure que atualiza os dados do flash",
|
||||
command: /*sql*/ `BEGIN
|
||||
PRC_FLASH_ATUALIZA_VENDA_DONO(
|
||||
p_data_inicial => TRUNC(SYSDATE) - 30,
|
||||
p_data_final => TRUNC(SYSDATE),
|
||||
@@ -617,17 +624,17 @@ where 1 = 0`,
|
||||
p_empresa_fim => 10
|
||||
);
|
||||
END;`,
|
||||
cron: "0 * * * *",
|
||||
timeout_seconds: 2400,
|
||||
},
|
||||
],
|
||||
C5_mambo: [
|
||||
{
|
||||
name: "Procedure que atualiza os dados do flash",
|
||||
command: /*sql*/ `BEGIN
|
||||
cron: "0 * * * *",
|
||||
timeout_seconds: 2400,
|
||||
},
|
||||
],
|
||||
C5_mambo: [
|
||||
{
|
||||
name: "Procedure que atualiza os dados do flash",
|
||||
command: /*sql*/ `BEGIN
|
||||
END`,
|
||||
cron: "0 * * * *",
|
||||
timeout_seconds: 2400,
|
||||
},
|
||||
],
|
||||
});
|
||||
cron: "0 * * * *",
|
||||
timeout_seconds: 2400,
|
||||
},
|
||||
],
|
||||
});
|
||||
|
||||
Reference in New Issue
Block a user