RelatoriosRS — Plano de Desenvolvimento

> Criado: 2026-06-26

Diagnóstico Atual

O que existe

• - Frontend React: https://insights.rochasalesseguros.com.br/ ✅
• - Tabelas insights.conversations (4.115) + insights.messages (63.230) ✅
• - Tabela insights.scores — só 216 rows (scoring parcial de antes)
• - RPC get_daily_report_v9 — lê de insights.scores + insights.conversations
• - Relatórios page — vazia porque não tem scores

O problema

• - RPC get_daily_report_v9 depende de insights.scores
• - Só 216 de 4.115 conversas têm score
• - Sem scores → sem relatório diário → page vazia

---

Plano — Os Dois (Scoring + IA Generativa)

PARTE 1: Scoring Engine Algorítmico

Objetivo: Popular insights.scores para TODAS as 4.115 conversas.

Script: /root/hermes-insights/score_engine.py (a criar)

O que faz:

Para cada conversa:

1. Busca mensagens do Chatwoot

2. Analisa padrões (tempo de resposta, qualidade de resposta, objeções, fechamento)

3. Gera score 0-10 para cada dimensão:

- score_response_time — tempo até primeira resposta

- score_communication — qualidade da comunicação

- score_playbook_adherence — adherence ao 7P

- score_commercial_potential — potencial comercial

- score_risk — riscos (desistência, reclamação)

4. Gera score_breakdown JSON com steps e flags

5. Salva em insights.scores

Schedule: Cron job diário (ou sob demanda)

---

PARTE 2: IA Generativa — Relatório Comercial

Objetivo: Gerar relatório comercial por conversa com Gemini.

Script: /root/hermes-insights/generate_commercial_report.py (a criar)

O que faz:

Para cada conversa (ou últimas N):

1. Compila mensagens da conversa

2. Chama Gemini 2.5 Flash (gateway Lovable)

3. Gera JSON com:

`json

{

"summary": "...",

"main_topics": [...],

"client_pain": [...],

"opportunities": [...],

"objections": [...],

"seller_strengths": [...],

"seller_improvements": [...],

"next_steps": [...],

"classification": "quente|morno|frio",

"advance_probability": 0-100,

"key_quotes": [...]

}

`

4. Salva em insights.commercial_reports (nova tabela)

Schedule: Sob demanda ou após scoring

---

Estrutura de Arquivos

`

/root/hermes-insights/

├── sync_full_clean.py ← sync conversas ✅ existe

├── score_engine.py ← NOVO: scoring algorítmico

├── generate_commercial_report.py ← NOVO: IA generativa

├── sync_messages_v9.py ← mensagens (pronto)

└── relink_messages.py ← re-link (pronto)

`

---

Schema Novo

insights.commercial_reports (nova)

Coluna	Tipo
--------	------
id	UUID PK
conversation_id	UUID FK
agent_id	UUID FK
report_date	DATE
summary	TEXT
main_topics	JSONB
client_pain	JSONB
opportunities	JSONB
objections	JSONB
seller_strengths	JSONB
seller_improvements	JSONB
next_steps	JSONB
classification	TEXT
advance_probability	INTEGER
key_quotes	JSONB
created_at	TIMESTAMP

---

Integrações

• - Gateway IA: https://ai.gateway.lovable.dev/v1/chat/completions
• - Modelo: google/gemini-2.5-flash
• - API Key: LOVABLE_API_KEY (mesma do ComercialRS)

---

Pendências

• - [ ] Criar score_engine.py — scoring algorítmico
• - [ ] Criar insights.commercial_reports table
• - [ ] Criar generate_commercial_report.py — Gemini
• - [ ] Testar scoring engine
• - [ ] Testar geração de relatório
• - [ ] Vincular ao frontend (página de relatório por conversa?)

Plano criado: 2026-06-26