Compilador de Wiki do Escritório de Advocacia
Quando Usar
- Adicionar novos casos ou arquivos de casos antigos ao wiki
- Recompilar após atualizações de registros de atividade
- Consultar o wiki para conhecimento institucional
- Executar verificações de saúde/qualidade nos artigos do wiki
- Gerar skills do Hermes a partir de artigos do wiki
Ingestão de Excel (Exportações de Atividade do FileVine)
Quando Aaron enviar uma planilha Excel de registros de atividade do FileVine:
Formato esperado
- Colunas da planilha:
Nome do Projeto | Texto da Nota | Criado em | (vazio) - Nome do Projeto = "Nome do Cliente TipoCaso MM/DD/AAAA" (ex: "Amy Stich WC 01/17/2024")
- Texto da Nota = notas de atividade formatadas em markdown (pode conter links do FileVine, tachados)
- Criado em = data e hora
Etapas de conversão
pip install openpyxlse necessário- Carregar com
openpyxl.load_workbook(caminho, read_only=True) - Slugificar nomes de casos conforme regras do FirmVault (minúsculas, remover apóstrofos/aspas, & → e, não-alfanuméricos → hifens)
- Agrupar entradas por caso, depois por data dentro de cada caso
- Escrever em
FirmVault/cases/<slug>/Activity Log/<AAAA-MM-DD>.mdcom frontmatter:schema_version: 2 date: "AAAA-MM-DD" category: imported subcategory: settlement_activity_export - Usar a tag
subcategory: settlement_activity_exportpara identificar casos importados do Excel posteriormente
Múltiplos arquivos em uma sessão
Aaron frequentemente envia vários arquivos Excel em sequência. Processe cada um completamente (converter → agrupar → compilar → reconstruir índice) antes de pedir o próximo. O conversor lida com a desduplicação automaticamente — se um diretório de caso já existir, novos logs são anexados; se um arquivo de log para essa data existir, ele anexa uma seção "Entradas Importadas".
Referência de tamanho (importações de 2026-04-12)
- Arquivo 1 (settlement_1): 17.639 linhas → 198 casos → 6.221 arquivos de log (13,7 MB)
- Arquivo 2 (settlement_2): 22.182 linhas → 169 casos → 7.341 arquivos de log (12,9 MB)
- Arquivo 3 (settlement_3): 688 linhas → 8 casos → 158 arquivos de log (pequeno)
- Arquivo 4 (closing): 9.363 linhas → 125 casos → 2.924 arquivos de log
- A conversão leva ~2 segundos por arquivo
- Detecção de duplicatas: compare contagem de linhas + primeira/última linha para identificar reenvios
Decisões de tamanho de lote
- >50 casos: 3 subagentes paralelos (dividir uniformemente por contagem de logs)
- 10-50 casos: 1-2 subagentes dependendo do volume de logs
- <10 casos: Subagente único com atualizações de artigos direcionadas. NÃO peça para ler todos os artigos existentes — aponte para os 5-6 artigos mais prováveis de serem atualizados. Defina max_iterations=30 para evitar ficar sem turnos na leitura.
Script de conversor reutilizável
Salvar em /tmp/convert_excel.py, troque o caminho para cada novo arquivo. O script:
- Usa openpyxl (pip install se ausente)
- Slugifica conforme regras do FirmVault
- Agrupa por caso → data → escreve markdown com frontmatter
- Relata diretórios de caso novos vs. atualizados
Arquitetura
Padrão de 3 camadas de Karpathy: fontes brutas → compilador LLM → wiki estruturado
Camada 1: Bruta (imutável)
cases/*/Activity Log/*.md — 21K+ logs de atividade
cases/*/*.md — arquivos de caso
Camada 2: Wiki (mantido por LLM)
wiki/
Home.md — painel do Obsidian
index.md — catálogo mestre
log.md — histórico de compilação
concepts/*.md — artigos de conhecimento atômico (63 em 2026-04-12)
connections/*.md — insights transversais (26 em 2026-04-12)
AGENTS.md — esquema do compilador (a especificação)
SPEC.md — documento de arquitetura
Camada 3: Consumidores
Skills semânticas do Hermes, agentes OpenClaw, Aaron via Hermes
Processo de Compilação
Processamento em Lote (para casos em massa)
- Agrupar casos em lotes de ~80 mil tokens
- Delegar 3 lotes em paralelo
- Cada subagente lê AGENTS.md, artigos existentes, arquivos de caso + amostras de logs
- Subagentes ATUALIZAM artigos existentes (evidence_count++) ou CRIAM novos
- NÃO permitir que subagentes reescrevam index.md (condição de corrida) — reconstruir após
- Reconstruir index.md a partir de todos os artigos no disco após todos os lotes terminarem
Instruções Chave para Subagentes Compiladores
- Leia AGENTS.md para o esquema completo
- Leia TODOS os artigos existentes (concepts + connections) antes de escrever
- ANONIMIZE todos os PII (use "Caso A", "Caso B", etc.)
- ATUALIZE existente > CRIE novo (aumentar confiança é o objetivo)
- Confiança: baixa (<5 casos), média (5-9), alta (10+)
- Use [[wikilinks]] entre artigos
- Anexe ao log.md, não reescreva index.md
Estratégia de Amostragem
- Casos grandes (400+ logs): primeiros 40 + últimos 40 cronologicamente
- Casos médios (100-400): primeiros 25 + últimos 25
- Casos pequenos (<100): primeiros 10 + últimos 10, ou todos
Template de Prompt do Subagente
Compilador do Wiki do Escritório de Advocacia. Leia /opt/data/FirmVault/wiki/AGENTS.md.
Leia artigos existentes em wiki/concepts/ e wiki/connections/.
Compilar casos: [LISTA]. Para cada: leia cases/<slug>/<slug>.md e
amostre primeiros N + últimos N logs de atividade. ATUALIZE artigos existentes
(incremente evidence_count, aumente confiança: 5=média, 10=alta).
CRIE novo apenas para padrões genuinamente novos. ANONIMIZE PII.
Escreva em wiki/. NÃO reescreva index.md. Anexe a wiki/log.md.
Adaptar prompts à categoria de dados
Diferentes exportações Excel contêm diferentes tipos de dados. Adicione uma dica de foco:
- Arquivos de acordo: "Foco em: padrões de acordo, táticas de negociação, cronogramas de tratamento, gestão de SOL, comportamento do ajustador, resolução de ônus"
- Arquivos de encerramento: "Estes são casos de ENCERRAMENTO — procure especialmente por: fluxos de encerramento de caso, motivos de recusa, desembolso final, arquivamento de arquivos, obrigações pós-encerramento, padrões de rescisão de cliente"
- Arquivos de admissão: Foco em onboarding, verificação de seguro, encaminhamentos iniciais de tratamento Isso melhora dramaticamente a qualidade da extração de padrões.
Reconstrução de índice
Sempre reconstrua index.md como uma delegate_task separada após todos os lotes de compilação terminarem. Mesmo para lotes pequenos. O subagente só precisa analisar o frontmatter YAML de todos os arquivos .md em concepts/ + connections/ e gerar o índice conforme o esquema em AGENTS.md. Leva ~60 segundos, max_iterations=15.
Vault do Obsidian
O diretório wiki/ É um vault do Obsidian:
- Configuração .obsidian/ com cores de grafo (azul=concepts, laranja=connections)
- Home.md como página de destino
- [[wikilinks]] usam nomes de slug (NÃO prefixados com caminho)
- A visualização de grafo mostra interconexões entre artigos
Regras de Wikilink
- Use
[[slug-name]]não[[concepts/slug-name]] - O Obsidian resolve por nome de arquivo; caminhos quebram links
Filtrando Casos para Compilação
Duas abordagens — use o arquivo Excel diretamente (preferido) ou escaneie o vault:
Preferido: Extrair slugs do próprio arquivo Excel
# Analisar Excel → obter nomes únicos de projeto → slugificar → agrupar
wb = openpyxl.load_workbook(caminho, read_only=True)
cases = Counter(str(r[0]).strip() for r in list(wb.active.iter_rows(values_only=True))[1:] if r[0])
slugs = [{"slug": slugify(nome), "logs": contagem} for nome, contagem in cases.items()]
Isso é preciso — compila apenas o que foi importado.
Alternativa: Escanear vault por tag de subcategoria
for slug in os.listdir(cases_dir):
for logfile in os.listdir(log_dir):
if "settlement_activity_export" in open(logfile).read(200):
new_slugs.append(slug)
break
NÃO use filtragem baseada em mtime — isso pega todos os casos no vault (incluindo antigos cujos diretórios foram tocados durante a conversão).
Armadilhas
- Subagentes paralelos causam condições de corrida em evidence_count — aceite variação de ±3
- Não deixe subagentes reescreverem index.md — reconstrua você mesmo após todos os lotes
- Casos grandes (1000+ logs) devem ser truncados — amostre estrategicamente
- Wikilinks com prefixos de caminho quebram no Obsidian — remova
concepts/etc. - O script compile.py gera prompts mas não chama o LLM diretamente — use delegate_task
- Alguns artigos referenciam links aspiracionais (artigos ainda não criados) — tudo bem, eles serão criados conforme mais casos forem compilados
- Escaneamento do vault baseado em mtime não funciona para identificar casos "recém importados" — a conversão também toca diretórios existentes. Sempre extraia a lista de casos do próprio arquivo Excel.
- Casos de encerramento são em sua maioria recusas, não encerramentos pós-acordo. O fluxo de recusa/encerramento recebe o maior aumento de evidência dos dados de encerramento, e não o fluxo de desembolso de acordo.
- Lotes pequenos (<10 casos) esgotam as iterações do subagente se você pedir para ler todos os 89 artigos. Aponte para artigos específicos.
Fluxo de Trabalho com Múltiplos Arquivos
Quando o usuário enviar vários arquivos Excel, converta todos primeiro e depois compile:
- Reutilize /tmp/convert_excel.py — apenas troque o nome do arquivo para cada arquivo
- Após todos convertidos, agrupe apenas os casos NOVOS (use slugify + verifique existência)
- Compile em 3 lotes paralelos, depois reconstrua o índice uma vez no final
Detecção de Duplicatas
O usuário pode enviar o mesmo arquivo duas vezes (mesmo nome, ID de documento diferente). Compare contagens de linhas + primeira/última linha para detectar duplicatas antes de converter.
Tamanhos de Importações
- Arquivo 1 (settlement_1): 17,6 mil entradas, 198 casos, 6,2 mil arquivos de log
- Arquivo 2 (settlement_2): 22,1 mil entradas, 169 casos, 7,3 mil arquivos de log
- Arquivo 3 (settlement_3): 688 entradas, 8 casos (pequeno — lote único)
- Arquivo 4 (closing): 9,3 mil entradas, 125 casos, 2,9 mil arquivos de log
- Arquivos 5-7 (arquivados 2,3,4): 64,3 mil entradas, 692 casos, 21 mil arquivos de log Total ingerido: ~114 mil entradas, 1.170 casos, ~56 mil arquivos de log → 93 artigos no wiki
Agrupamento Preferido
- <20 casos: subagente único, sem lotes
- 20-300 casos: 3 subagentes paralelos
-
300 casos: 3 subagentes paralelos com amostragem agressiva (primeiros 10 + últimos 10)
- Sempre reconstrua index.md APÓS todos os lotes terminarem (nunca deixe subagentes mexerem nele)
Armadilha: filtragem baseada em mtime não é confiável
Não use mtime de arquivo para encontrar casos "novos" — convert_excel.py também toca arquivos existentes. Em vez disso, extraia nomes de casos do Excel diretamente e slugifique para obter a lista alvo.
Arquivos
- FirmVault: /opt/data/FirmVault
- Wiki: /opt/data/FirmVault/wiki/
- Esquema: wiki/AGENTS.md
- Conversor: /tmp/convert_excel.py (troque o nome do arquivo entre execuções)
- Contagens de artigos: 65 concepts + 28 connections = 93 total (em 2026-04-12)
- Decisões: /opt/data/FirmVault/decisions/ (ADR-000 a ADR-006)
- Relatório de auditoria: /opt/data/FirmVault/wiki/reports/workflow-vs-wiki-audit.md
- Proposta v2: /opt/data/FirmVault/wiki/reports/PHASE_DAG_v2_proposal.md
Auditoria de Fluxo de Trabalho
Após uma rodada de compilação importante, audite o wiki contra o PHASE_DAG:
- Leia PHASE_DAG.yaml (fluxo de trabalho prescrito)
- Leia todos os artigos do wiki (realidade observada)
- Compare: contradições, lacunas, redundâncias
- Escreva relatório de auditoria em wiki/reports/
- Se mudanças forem justificadas, redija proposta de PHASE_DAG v2
- Documente decisões como ADRs em decisions/ (selecionadas de stirps-ai/stirps-gov)
Essa auditoria é o que transformou 93 artigos do wiki em decisões arquiteturais acionáveis. O wiki é a evidência; os ADRs são os compromissos.