davinTI/app-dono-modulos
16
0
Fork 0
Code Issues Pull Requests Projects Releases Wiki Activity

feat(ai): adicionar nome do parametro aos filtros
davinTI/app-dono-modulos/pipeline/head This commit looks good
Details

Browse Source
This commit is contained in:
tkinaba
2026-05-14 17:04:02 -03:00
parent 4a01bc531b
commit d732aabe53
1 changed files with 271 additions and 264 deletions
Download Patch File Download Diff File Expand all files Collapse all files
src/flash/flash.module.ts
+271 -264
View File
@@ -3,201 +3,202 @@ import { createModuleFactory } from "@davinti/jeff";
const moduleFactory = createModuleFactory(["C5", "C5_big", "C5_mambo"]); const moduleFactory = createModuleFactory(["C5", "C5_big", "C5_mambo"]);
export default moduleFactory export default moduleFactory
.createModule({ .createModule({
id: "flash-de-vendas", id: "flash-de-vendas",
description: "Flash de Vendas", description: "Flash de Vendas",
label: "Flash de Vendas", label: "Flash de Vendas",
icon: "bar-chart", icon: "bar-chart",
ai : { ai: {
topics : { topics: {
flash_vendas_big : { 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: {
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: "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_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_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_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_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_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." 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: { json_params_saida: {
agrupamentos: [ agrupamentos: [
{ {
"nome_parametro": "loja", "nome_parametro": "loja",
coluna_vtr: "x.codigo" coluna_vtr: "x.codigo"
} }
], ],
filtros: { filtros: {
data_venda: { 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.",
coluna_vtr: "args.data_venda", coluna_vtr: "data_referencia",
}, nome_parametro: "data_venda",
loja: { },
descricao_agente: "Lista de nomes ou códigos de lojas mencionados para filtragem.", loja: {
coluna_vtr: "x.nomeempresaapp", descricao_agente: "Lista de nomes ou códigos de lojas mencionados para filtragem.",
tabela_rag: "tb_flash_nodo" coluna_vtr: "x.nomeempresaapp",
} tabela_rag: "tb_flash_nodo"
} }
}, }
query_base : "flash_vendas_ai" },
}, query_base: "flash_vendas_ai"
} },
}, }
queries: { },
flash: { queries: {
name: "Flash de Vendas", flash: {
display: { name: "Flash de Vendas",
type: "flash", display: {
settings: { type: "flash",
group_column: "canalapp", settings: {
total_indicator_column: "is_total", group_column: "canalapp",
null_label_key: "Geral", total_indicator_column: "is_total",
}, null_label_key: "Geral",
header: { },
title_column: "canalapp", header: {
value_column: "venda_dia", title_column: "canalapp",
value_format: "currency", value_column: "venda_dia",
}, value_format: "currency",
rows: [ },
{ rows: [
label: "Meta Mês", {
column: "meta_mes", label: "Meta Mês",
format: "currency_short", column: "meta_mes",
}, format: "currency_short",
{ },
label: "Mês Atual", {
column: "mes_atual", label: "Mês Atual",
format: "currency_short", column: "mes_atual",
}, format: "currency_short",
{ },
label: "Dif ($)", {
column: "dif_mes_atual", label: "Dif ($)",
format: "currency_short", column: "dif_mes_atual",
}, format: "currency_short",
{ },
label: "% Variação", {
column: "variacao_atual", label: "% Variação",
format: "percentage", column: "variacao_atual",
}, format: "percentage",
{ },
label: "Mês Anterior", {
column: "mes_anterior", label: "Mês Anterior",
format: "currency_short", column: "mes_anterior",
}, format: "currency_short",
{ },
label: "Dif ($)", {
column: "dif_mes_anterior", label: "Dif ($)",
format: "currency_short", column: "dif_mes_anterior",
}, format: "currency_short",
{ },
label: "% Variação", {
column: "variacao_mes_anterior", label: "% Variação",
format: "percentage", column: "variacao_mes_anterior",
}, format: "percentage",
{ },
label: "Ano Anterior", {
column: "ano_anterior", label: "Ano Anterior",
format: "currency_short", column: "ano_anterior",
}, format: "currency_short",
{ },
label: "Dif ($)", {
column: "dif_ano_anterior", label: "Dif ($)",
format: "currency_short", column: "dif_ano_anterior",
}, format: "currency_short",
{ },
label: "% Variação", {
column: "variacao_ano_anterior", label: "% Variação",
format: "percentage", column: "variacao_ano_anterior",
}, format: "percentage",
], },
}, ],
params: ["data_venda"], },
}, params: ["data_venda"],
flash_categorias: { },
name: "Flash de Vendas por Categorias", flash_categorias: {
display: { name: "Flash de Vendas por Categorias",
type: "flash", display: {
settings: { type: "flash",
group_column: "categoriaapp", settings: {
total_indicator_column: "is_total", group_column: "categoriaapp",
null_label_key: "Geral", total_indicator_column: "is_total",
}, null_label_key: "Geral",
header: { },
title_column: "categoriaapp", header: {
value_column: "venda_dia", title_column: "categoriaapp",
value_format: "currency", value_column: "venda_dia",
}, value_format: "currency",
rows: [ },
{ rows: [
label: "Meta Mês", {
column: "meta_mes", label: "Meta Mês",
format: "currency_short", column: "meta_mes",
}, format: "currency_short",
{ },
label: "Mês Atual", {
column: "mes_atual", label: "Mês Atual",
format: "currency_short", column: "mes_atual",
}, format: "currency_short",
{ },
label: "Dif ($)", {
column: "dif_mes_atual", label: "Dif ($)",
format: "currency_short", column: "dif_mes_atual",
}, format: "currency_short",
{ },
label: "% Variação", {
column: "variacao_atual", label: "% Variação",
format: "percentage", column: "variacao_atual",
}, format: "percentage",
{ },
label: "Mês Anterior", {
column: "mes_anterior", label: "Mês Anterior",
format: "currency_short", column: "mes_anterior",
}, format: "currency_short",
{ },
label: "Dif ($)", {
column: "dif_mes_anterior", label: "Dif ($)",
format: "currency_short", column: "dif_mes_anterior",
}, format: "currency_short",
{ },
label: "% Variação", {
column: "variacao_mes_anterior", label: "% Variação",
format: "percentage", column: "variacao_mes_anterior",
}, format: "percentage",
{ },
label: "Ano Anterior", {
column: "ano_anterior", label: "Ano Anterior",
format: "currency_short", column: "ano_anterior",
}, format: "currency_short",
{ },
label: "Dif ($)", {
column: "dif_ano_anterior", label: "Dif ($)",
format: "currency_short", column: "dif_ano_anterior",
}, format: "currency_short",
{ },
label: "% Variação", {
column: "variacao_ano_anterior", label: "% Variação",
format: "percentage", column: "variacao_ano_anterior",
}, format: "percentage",
], },
}, ],
params: ["data_venda", "codigo_categoria_pai", "cod_empresa"], },
}, params: ["data_venda", "codigo_categoria_pai", "cod_empresa"],
flash_vendas_ai : { },
name : " Flash de vendas AI", flash_vendas_ai: {
display: { name: " Flash de vendas AI",
type: "none" display: {
}, type: "none"
params: ["data_venda", "agrupamento"] },
} params: ["data_venda", "agrupamento"]
}, }
entrypoint: "flash" as "flash" | "flash_categorias", },
}) entrypoint: "flash" as "flash" | "flash_categorias",
.withImplementations({ })
C5: { .withImplementations({
flash: (args) => { C5: {
return { flash: (args) => {
sql: /*sql*/ ` return {
sql: /*sql*/ `
select select
tes.canalapp, tes.canalapp,
tes.nomeempresaapp, tes.nomeempresaapp,
@@ -223,11 +224,11 @@ where 1=1
and (tvf.nroempresa in (${args.ctx_user_companies_for_module})) and (tvf.nroempresa in (${args.ctx_user_companies_for_module}))
group by rollup(canalapp, nomeempresaapp) group by rollup(canalapp, nomeempresaapp)
order by grouping(canalapp) desc, grouping(nomeempresaapp) desc`, order by grouping(canalapp) desc, grouping(nomeempresaapp) desc`,
}; };
}, },
flash_categorias: (args) => { flash_categorias: (args) => {
return { return {
sql: /*sql*/ ` sql: /*sql*/ `
select select
'Categorias' as categoriaapp, 'Categorias' as categoriaapp,
1 as is_total, 1 as is_total,
@@ -244,19 +245,20 @@ select
0 as variacao_ano_anterior 0 as variacao_ano_anterior
from dual from dual
where 1 = 0`, where 1 = 0`,
}; };
}, },
flash_vendas_ai: (args) => { flash_vendas_ai: (args) => {
return { return {
sql: /*sql*/ ` sql: /*sql*/ `
` `
} }
} }
}, },
C5_big: {flash: (args) => { C5_big: {
return { flash: (args) => {
sql: /*sql*/ ` return {
sql: /*sql*/ `
SELECT SELECT
'Lojas' AS canalapp, 'Lojas' AS canalapp,
x.codigo AS cod_empresa, x.codigo AS cod_empresa,
@@ -335,11 +337,12 @@ where 1 = 0`,
(x.codigo, x.nomeempresaapp), (x.codigo, x.nomeempresaapp),
() ()
) )
`,}; `,
}, };
flash_categorias: (args) => { },
return { flash_categorias: (args) => {
sql: /*sql*/ ` return {
sql: /*sql*/ `
WITH params AS ( WITH params AS (
SELECT SELECT
TO_DATE(${args.data_venda}, 'YYYY-MM-DD') AS data_venda, TO_DATE(${args.data_venda}, 'YYYY-MM-DD') AS data_venda,
@@ -511,11 +514,12 @@ where 1 = 0`,
ORDER BY ORDER BY
is_total, is_total,
nomeempresaapp nomeempresaapp
`,}; `,
}, };
flash_vendas_ai: (args) => { },
return { flash_vendas_ai: (args) => {
sql: /*sql*/ ` return {
sql: /*sql*/ `
SELECT SELECT
${args.agrupamento} AS KEY_FIELD, ${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_meta_efetiva ELSE 0 END) AS meta_mes,
@@ -577,39 +581,42 @@ where 1 = 0`,
GROUP BY ${args.agrupamento} GROUP BY ${args.agrupamento}
ORDER BY mes_atual DESC ORDER BY mes_atual DESC
` `
} }
} }
}, },
C5_mambo: {flash: (args) => { C5_mambo: {
return { flash: (args) => {
sql: /*sql*/ ``,}; return {
}, sql: /*sql*/ ``,
flash_categorias: (args) => { };
return { },
sql: /*sql*/ ``,}; flash_categorias: (args) => {
}, return {
flash_vendas_ai: (args) => { sql: /*sql*/ ``,
return { };
sql: /*sql*/ ` },
flash_vendas_ai: (args) => {
return {
sql: /*sql*/ `
` `
} }
} }
}, },
}).withSchedules({ }).withSchedules({
C5: [ C5: [
{ {
name: "Procedure que atualiza os dados do flash", name: "Procedure que atualiza os dados do flash",
command: /*sql*/ `BEGIN command: /*sql*/ `BEGIN
END`, END`,
cron: "0 * * * *", cron: "0 * * * *",
timeout_seconds: 2400, timeout_seconds: 2400,
}, },
], ],
C5_big: [ C5_big: [
{ {
name: "Procedure que atualiza os dados do flash", name: "Procedure que atualiza os dados do flash",
command: /*sql*/ `BEGIN command: /*sql*/ `BEGIN
PRC_FLASH_ATUALIZA_VENDA_DONO( PRC_FLASH_ATUALIZA_VENDA_DONO(
p_data_inicial => TRUNC(SYSDATE) - 30, p_data_inicial => TRUNC(SYSDATE) - 30,
p_data_final => TRUNC(SYSDATE), p_data_final => TRUNC(SYSDATE),
@@ -617,17 +624,17 @@ where 1 = 0`,
p_empresa_fim => 10 p_empresa_fim => 10
); );
END;`, END;`,
cron: "0 * * * *", cron: "0 * * * *",
timeout_seconds: 2400, timeout_seconds: 2400,
}, },
], ],
C5_mambo: [ C5_mambo: [
{ {
name: "Procedure que atualiza os dados do flash", name: "Procedure que atualiza os dados do flash",
command: /*sql*/ `BEGIN command: /*sql*/ `BEGIN
END`, END`,
cron: "0 * * * *", cron: "0 * * * *",
timeout_seconds: 2400, timeout_seconds: 2400,
}, },
], ],
}); });