diff --git a/.claude/skills/ia-gondola-engine/SKILL.md b/.claude/skills/ia-gondola-engine/SKILL.md
index 3530c7a..c233766 100644
--- a/.claude/skills/ia-gondola-engine/SKILL.md
+++ b/.claude/skills/ia-gondola-engine/SKILL.md
@@ -12,13 +12,13 @@ Serviço isolado de detecção YOLO e treinamento. Consumido exclusivamente pela
 
 ```
 ia-gondola-api  →  POST {IA_MOTOR_URL}/detectar  →  YOLO  →  [{box, conf, class}]
-                →  POST {IA_MOTOR_URL}/treinar   →  triagem + treino → modelo no S3
+                →  POST {IA_MOTOR_URL}/treinar   →  triagem + treino → modelo atualizado no S3
 ```
 
 ## Estrutura
 
 ```
-main.py          — todo o código (FastAPI simples, sem sub-módulos)
+main.py          — todo o código (sem sub-módulos)
 Dockerfile
 requirements.txt
 ```
@@ -29,34 +29,26 @@ Intencionalmente minimalista — não tem banco, não tem pastas internas.
 
 ### `POST /detectar`
 
-Form-data: `ambiente` (str), `file` (upload de imagem).
+Form-data: `ambiente` (str), `file` (imagem). Confidence threshold: 0.25.
 
 ```json
-// Resposta
-{
-  "status": "sucesso",
-  "deteccoes": [
-    { "box": [x1, y1, x2, y2], "conf": 0.87, "class": 0 }
-  ]
-}
+{ "status": "sucesso", "deteccoes": [{ "box": [x1,y1,x2,y2], "conf": 0.87, "class": 0 }] }
 ```
 
-Confidence threshold no detect: `0.25`.
-
 ### `POST /treinar`
 
 Body JSON: `{ "ambiente": "gondola", "pular_triagem": false }`
 
 **Fluxo completo:**
 1. Lista `treinamento/{ambiente}/novos-treinamentos/` no S3
-2. **Triagem** (a menos que `pular_triagem: true`):
+2. **Triagem** (salvo `pular_triagem: true`):
    - Prediz cada imagem com o modelo atual (conf threshold 0.1)
-   - `conf média >= 0.30` OU `conf == 0` → move para `base-oficial`
-   - `conf média < 0.30` → move para `descartados`
+   - `conf média >= 0.15` OU `conf == 0` → move para `base-oficial`
+   - `conf média < 0.15` → move para `descartados`
 3. Baixa toda a `base-oficial` para `/tmp/dataset_{ambiente}/`
-4. Redimensiona imagens > 4096px (`redimensionar_imagem`)
+4. Redimensiona imagens > 4096px
 5. Gera `data.yaml` com train=val=img_dir, nc=1
-6. Treina: 30 épocas, imgsz=640, batch=16, device=cpu
+6. Treina: 20 épocas (fine-tuning) / 30 épocas (do zero), imgsz=640, batch=8, device=cpu
 7. Salva `best.pt`:
    - `modelos/{ambiente}/atual/cerebro.pt` (substitui)
    - `modelos/{ambiente}/versionamento/cerebro_{YYYYMMDD_HHMM}.pt` (histórico)
@@ -64,31 +56,38 @@ Body JSON: `{ "ambiente": "gondola", "pular_triagem": false }`
 ## Organização S3
 
 ```
-modelos/{ambiente}/atual/cerebro.pt                            ← em produção
-modelos/{ambiente}/versionamento/cerebro_YYYYMMDD_HHMM.pt     ← histórico
-treinamento/{ambiente}/novos-treinamentos/                     ← aguardando triagem (img + .txt)
-treinamento/{ambiente}/base-oficial/                           ← aprovados pela triagem
-treinamento/{ambiente}/descartados/                            ← reprovados
+modelos/{ambiente}/atual/cerebro.pt
+modelos/{ambiente}/versionamento/cerebro_YYYYMMDD_HHMM.pt
+treinamento/{ambiente}/novos-treinamentos/
+treinamento/{ambiente}/base-oficial/
+treinamento/{ambiente}/descartados/
 ```
 
 Ambientes ativos: `"gondola"` (produtos), `"etiqueta"` (etiquetas de preço).
 
 ## Cache de modelos
 
-- `MODELOS_CARREGADOS` = dict Python `{ambiente: YOLO}` — evita reload a cada request
+- `MODELOS_CARREGADOS` = dict `{ambiente: YOLO}` — evita reload a cada request
 - Arquivo local: `/tmp/cerebro_{ambiente}.pt`
-- Se `LastModified` do S3 > `mtime` local → descarta cache, baixa novamente
-- Após treino, o modelo do ambiente treinado é removido de `MODELOS_CARREGADOS` para forçar reload
+- Se `LastModified` do S3 > `mtime` local → descarta cache e baixa novamente
+- Após treino, o ambiente treinado é removido de `MODELOS_CARREGADOS` para forçar reload
 
 ## Env vars
 
 | Variável | Descrição |
 |----------|-----------|
-| `BUCKET_NAME` | Nome do bucket S3 (default: `ia-gondola-projeto-2024`) |
+| `BUCKET_NAME` | Nome do bucket S3 |
 | `AWS_ACCESS_KEY_ID` | |
 | `AWS_SECRET_ACCESS_KEY` | |
 | `AWS_DEFAULT_REGION` | |
 
+## Convenções
+
+- Todo o código em `main.py` — não criar sub-módulos
+- Triagem usa conf threshold `0.15` (ajustado manualmente, comentado no código)
+- `pular_triagem: true` é útil quando as imagens já foram pré-validadas
+- Este serviço não tem estado persistente próprio — tudo no S3
+
 ## Como rodar
 
 ```bash
@@ -100,10 +99,3 @@ uvicorn main:app --reload --port 8001
 docker build -t ia-gondola-engine .
 docker run -p 8001:8000 --env-file .env ia-gondola-engine
 ```
-
-## Convenções
-
-- Todo o código em `main.py` — não criar sub-módulos
-- Triagem usa `conf threshold 0.30` (ajustado manualmente, comentado no código)
-- `pular_triagem: true` é útil quando as imagens já foram pré-validadas
-- Este serviço não tem estado persistente próprio — tudo no S3