by-lua/video-editing

gpt-imagem-playwright

Gera imagens no ChatGPT pelo browser persistente já logado. Execute, não explique — o usuário conhece o fluxo.

Imagem que mostra O PRODUTO (mockup, página, capa de entregável, tela) SEMPRE leva a página/mockup REAL anexada como referência — nunca só descrição em texto. Regra da dona (2026-10-04), depois de uma capa sair com conteúdo de outro produto inteiro: "o objetivo é ver o produto aparecendo". Antes de escrever o prompt, localize a página/mockup real (entregável gerado, screenshot aprovado, ou gravação de tela da dona), anexe-a (ver passo 2) e diga no prompt pra usar aquela imagem como referência de conteúdo/layout — nunca inventar outra tela. Sem anexo, o modelo inventa genérico sem relação com o produto.

Mas não é SÓ a capa (dona, 2026-10-09 — Tarô): a referência de imagem de criativo é capa + 2 a 3 páginas reais de entrega, sempre. Anexa os 4 arquivos (capa + 3 páginas) e escreve no prompt que o modelo escolhe DUAS das páginas pra mostrar na cena — "nem muito, nem pouco". Anexar só a capa foi reprovado: "só a capa?" — a arte sai sem o produto aparecendo. As páginas visíveis na arte são SEMPRE arquivo real do produto; o modelo posiciona, não desenha página.

Pegar a lane — PRIMEIRA COISA, SEMPRE

Vários Claudes usam este mesmo browser. Sem lane, todos caem na mesma aba e escrevem no mesmo chat.

~/.claude/bin/lane.sh take gpt <lane>      # ex.: lane.sh take gpt cozinha
S=gpt-<lane>                                # use $S em TODO comando daqui pra frente

Nome da lane = a tarefa (cozinha, espanhol, tarot), nunca número. Protocolo completo em ~/.claude/bin/LANES.md.

Perfil persistente ~/.agent-profiles/gpt, porta 9222, já logado. Nunca use agent-browser open (trava no Cloudflare) nem close --all (mata as abas das outras lanes). Ao terminar: ~/.claude/bin/lane.sh drop gpt <lane>.

Contas e perfis GPT (atualizado 2026-10-11, regra da dona)

Conta PESSOAL (Noélia Lima Plus) REMOVIDA em 11/10/2026 por ordem da dona. Os 4 perfis (gpt-noelia-7-10, -2, -3, -4 — portas 9252/9229/9240/9241) foram apagados do disco e do registry.conf; backup em ~/.agent-profiles/_removidos-gpt-pessoal-2026-10-11/. Não usar, não recriar sem a dona mandar.

Resta uma conta: Secundária (noelia.empt), 4 perfis. Perfis da MESMA conta dividem a cota de imagem: trocar de perfil dentro da conta não contorna limite.

Nome	Conta	Perfil	Porta
Noélia Secundária 1	secundária (noelia.empt)	gpt-noelia.empt	9239
Noélia Secundária 2	secundária	gpt-noelia.empt-2	9243
Noélia Secundária 3	secundária	gpt-noelia.empt-3	9247
Noélia Secundária 4	secundária	gpt-noelia.empt-4	9259

gpt (9222) e gpt-play-1 (9238) estão sem login: não usar.

REGRA DA DONA (11/10/2026): perfil novo do GPT TEM que ser cadastrado no ~/.claude/bin/gpt-contas.lst, senão o gpt-livre.sh não enxerga e ele devolve "SEM PERFIL GPT LIVRE" mesmo com o perfil novo funcionando. A lista é separada do registry.conf de propósito: ela é só dos perfis logados (o registry tem o gpt e o gpt-play-1, que não servem). Para adicionar perfil novo:

1. ~/.claude/bin/browsers.sh add <perfil> <porta> https://chatgpt.com e pedir login à dona
2. acrescentar a linha <conta> <perfil> <porta> em ~/.claude/bin/gpt-contas.lst

Sempre pegar perfil por S=$(~/.claude/bin/gpt-livre.sh <lane>): ele lê essa lista, pula perfil ocupado ou deslogado e imprime no stderr qual conta/perfil pegou. Cota acabou (card nativo "Você atingiu o limite… Tente de novo à(s) HH:MM", depois dos checks do item 8):

~/.claude/bin/gpt-livre.sh --esgotou secundaria 14:21
S=$(~/.claude/bin/gpt-livre.sh <lane>)   # avisa que não tem cota e para

Conta secundária sem cota = parar e avisar o orquestrador com o horário de reset. Perfil deslogado = pedir à dona para logar naquela janela (não há credencial salva).

Se aparecer o desafio do Cloudflare ("Confirme que é humano"), clique nele — nesse Chromium ele valida normalmente. Se aparecer de novo, clique de novo.

🚨 ANEXO NÃO ENTRA mas a conta está "livre"? NÃO É BUG — leia isto antes de tentar outro caminho

Sintoma: upload responde ✓ Done, o preview nunca aparece, o contador backend-api não sobe, e nenhum caminho funciona (nem upload, nem setFileInputFiles, nem JS). O agente costuma culpar o Playwright e ficar tentando variantes — não faça isso. Faça este diagnóstico de 1 minuto:

1. Cota de UPLOAD é separada da cota de GERAÇÃO. Banner no topo do chatgpt.com:

"Você atingiu o limite de uploads de arquivos. Tente novamente em 20 horas."

A conta pode gerar imagem de sobra e mesmo assim não aceitar nenhum anexo. Sem referência não há geração — logo, conta com upload esgotado é conta inutilizável pro fluxo deste skill, mesmo com gpt-livre.sh dizendo que está livre. Cadastre com gpt-livre.sh --esgotou pessoal <reset> e pegue a outra conta.

2. A aba pode ter caído num PROJETO do ChatGPT, não num chat. Na lateral aparece "Fixada" / "Abrir página inicial do projeto" / "Projetos". Os input[type=file] dessa tela são do editor de projeto e aceitam o comando upload sem erro mas não sobem arquivo nenhum — mesma falha silenciosa. Sempre: navigate chatgpt.com → clicar em "Novo chat" (ref e24/e12 da sidebar) e só então anexar.

Ordem ao anexar, sem improvisar:

S=$(~/.claude/bin/gpt-livre.sh <lane>)
agent-browser --session $S navigate "https://chatgpt.com/" >/dev/null; sleep 4
agent-browser --session $S snapshot -i -c | grep -iE "Novo chat|Projetos|Fixada"   # confirma que é chat, não projeto
# se aparecer "Projetos/Fixada": clique em "Novo chat" e espere

Gate de upload: conte QUALQUER preview, não só backend-api. A UI mudou — o preview no composer hoje é data:image/...;base64 (upload local), e o servidor só devolve backend-api DEPOIS que o prompt é enviado. Contar só backend-api dá falso negativo: o anexo está lá e o agente acha que falhou, joga fora uma referência boa e entra em loop de retentativa.

Gate confiável (serve nos dois casos):

CNT="(()=>[...document.querySelectorAll('img')].filter(i=>i.src.startsWith('data:image')||i.src.includes('backend-api')).length)()"
N0=$(echo "$CNT" | agent-browser --session $S eval --stdin | tr -dc '0-9')
agent-browser --session $S upload "input[type=file]" "$REF"
for k in $(seq 1 40); do
  n=$(echo "$CNT" | agent-browser --session $S eval --stdin | tr -dc '0-9')
  [ "${n:-0}" -gt "${N0:-0}" ] && break; sleep 3
done
[ "${n:-0}" -gt "${N0:-0}" ] || { echo "FAIL: anexo nao subiu"; exit 1; }

Sinal extra, o mais direto de todos: o botão de remover mostra o nome do arquivo renomeado pelo ChatGPT (ex.: Remover 01-capa(20261008-232320).png). Se esse botão apareceu com o nome entre parênteses, o upload CONCLUÍU — não é o botão "Remover ficheiro N" cru, que aparece antes de o upload terminar. CNT="(()=>[...document.querySelectorAll('img')].filter(i=>i.src.includes('backend-api')).length)()" N0=$(echo "$CNT" | agent-browser --session $S eval --stdin | tr -dc '0-9') agent-browser --session $S upload "input[type=file]" "$REF"

esperar contador subir; se NÃO subir em ~40s: ou é cota de upload, ou é aba de projeto. Não tente outro caminho — refaça o diagnóstico.

Último recurso de prova: screenshot da tela. Banner de cota e miniatura do anexo são visíveis lá e resolvem em 1 olhar.

Se aparecer botão "Entrar", a conta caiu: peça ao usuário para logar naquela janela (a conta do ChatGPT é pessoal e não tem credencial salva).

## Fluxo

### 1. Novo chat DENTRO da lane

Comece sempre num chat limpo — contexto de imagem anterior contamina o resultado. Navegue direto; **nunca clique numa conversa do histórico**, pode ser de outra lane.

```bash
agent-browser --session $S tab <lane>                    # re-fixar a aba
agent-browser --session $S navigate "https://chatgpt.com/"
sleep 3
agent-browser --session $S snapshot -i -c        # pegar o ref do textbox

2. Anexar referência (quando houver)

Referência acima de ~1 MB FALHA no upload — "Falha no upload" não é cota de conta (11/10/2026). Medido no Jiu-Jitsu: PNG de 1,5 MB deu FAIL upload três vezes seguidas na mesma conta que depois gerou imagem sem problema. JPG de 150–270 KB passa. Converta as referências antes de anexar (mesma pasta _refs/, um JPG por referência):

convert "$orig" -resize 1000x -quality 84 "_refs/$(basename "$orig" .png).jpg"

Se o upload falhar e a conta não estiver com banner de cota: cheque o tamanho antes de trocar de conta.

agent-browser --session $S upload "input[type=file]" /caminho/referencia.png

"Remover ficheiro 1: ..." no snapshot NÃO prova que o anexo subiu. Esse botão aparece assim que o arquivo entra no input, antes do upload terminar. Se você enviar nessa janela, o prompt vai sem a referência — e o sintoma é silencioso: a miniatura no chat fica um quadrado vazio e a imagem sai sem nenhuma herança visual da referência.

O sinal de upload concluído é o preview: uma <img> com src em chatgpt.com/backend-api/ ou data:image/...;base64 (upload local — é o que a UI mostra hoje, já que o servidor só responde depois do prompt ser enviado). O jeito certo de esperar é contar antes de anexar e esperar o contador subir — sem depender de dimensão nem de peso:

CNT="(()=>[...document.querySelectorAll('img')].filter(i=>i.src.startsWith('data:image')||i.src.includes('backend-api')).length)()"
N0=$(echo "$CNT" | agent-browser --session $S eval --stdin | tr -dc '0-9')

agent-browser --session $S upload "input[type=file]" "$REF"

for k in $(seq 1 40); do
  n=$(echo "$CNT" | agent-browser --session $S eval --stdin | tr -dc '0-9')
  [ "${n:-0}" -gt "${N0:-0}" ] && break; sleep 3
done
[ "${n:-0}" -gt "${N0:-0}" ] || { echo "FAIL: anexo nao subiu"; exit 1; }

Nunca trave numa dimensão fixa. Errei isso: usei naturalWidth===600 depois de ver o preview da primeira referência em 600x600, e as três referências seguintes falharam todas no gate. O preview mantém a proporção da referência — a segunda ref veio 338x600. 600 é só o lado maior. Peso também não serve: o teto de tempo tem que cobrir a maior ref do lote (a de 627 KB estourou 36s e passou com 120s), então dê folga em vez de calibrar.

Contador é o sinal certo porque não assume nada sobre o arquivo — vale pra qualquer referência, qualquer proporção, qualquer tamanho.

Medido: ~7s numa ref de 220 KB, ~40s numa de 627 KB.

3. Enviar o prompt

Pegue o @ref do textbox pelo snapshot — focus "div#prompt-textarea" NÃO funciona. Esse seletor não existe nesse DOM (medido 11/10/2026, Jiu-Jitsu). Do jeito certo:

TB=$(agent-browser --session $S snapshot -i -c 2>/dev/null \
     | grep -oiP '(textbox|textarea)[^\]]*\[ref=\K[^\]]+' | head -1)
agent-browser --session $S focus "@$TB"

E confirme o envio pelo innerText.length do composer, nunca por "clicou" — clique sem enviar deixa o prompt parado no campo.

Hífen/underscore no texto do prompt QUEBRA o envio. Pedir a ortografia com marcação tipo V-O-C-E-ACENTUADO fez o ChatGPT responder "o que gostaria que eu criasse?" — o prompt não chegou. Escreva as palavras normalmente e peça o acento por extenso ("com o acento circunflexo no O de VOCE"), sem separadores.

Escreva o prompt num arquivo e use keyboard inserttext — fill quebra com texto longo e caractere especial.

inserttext trunca na primeira quebra de linha/aspas (medido 2026-10-09, Tarô). Um prompt de 10 linhas chegou ao modelo cortado na primeira linha — o modelo respondeu perguntando o texto do título e a geração foi perdida. Faça o prompt uma linha só, sem aspas duplas (" vira quebra), e confirme o envio pelo começo da mensagem que aparece no chat ("Você disse: …"): se ali só tem a primeira frase, o prompt truncou — reenvie inteiro antes de esperar imagem.

agent-browser --session $S focus @eN
agent-browser --session $S keyboard inserttext "$(cat prompt.txt)"
agent-browser --session $S click @eENVIAR      # button "Enviar prompt"

O botão de envio não tem mais data-testid="send-button". Verificado em 2026-08-30: é button[aria-label="Enviar prompt"], classe composer-submit-btn. Script que procura o testid antigo digita o prompt, tenta 3x e morre com FAIL: nao enviou (campo=NNNN) — o número é o prompt inteiro parado no campo. Sempre com fallback:

document.querySelector('button[aria-label="Enviar prompt"]')
  || document.querySelector('.composer-submit-btn')

Enter no #prompt-textarea NÃO envia (testado com Input.dispatchKeyEvent keyDown/keyUp Enter: nada acontece). O caminho é o clique.

Quanto tempo UMA imagem leva — 60 a 70 segundos, não minutos

Medido em produção (leva de 9 imagens 9:16, 2026-08-30), etapa por etapa:

Etapa	Tempo
navegar + composer aparecer	6s
digitar o prompt	3s
enviar + confirmar que enviou	6s
ChatGPT gerando	~50s
baixar + validar dimensão	5s
total	~63s

Se uma imagem está levando minutos, o problema é o SEU loop de espera, não o ChatGPT. Na mesma leva, um polling com sleep 15 e teto de 60 iterações produziu imagens levando 9, 20 e 21 minutos, e uma abortada por timeout — enquanto a geração real levava 50 segundos. Duas causas somadas:

• sleep 15 desperdiça até 15s por imagem e, pior, faz parecer que o serviço está lento quando o lento é o loop.
• Teto curto aborta cedo. 60 × 15s parece 15 min, mas cada iteração ainda soma o tempo do eval; o loop estourava antes de imagens que teriam saído.

Use sleep 5 e teto de 120 iterações (10 min reais de margem). Um eval custa ~157ms, então polling curto é barato — medido, não estimado:

for i in 1 2 3; do a=$(date +%s%N)
  echo '(()=>1)()' | agent-browser --session $S eval --stdin >/dev/null 2>&1
  b=$(date +%s%N); echo "eval $(( (b-a)/1000000 ))ms"; done

Instrumente o script com timestamps por etapa antes de culpar a ferramenta. Sem isso você reporta ao usuário que "o ChatGPT está engasgando" quando o gargalo é seu:

T0=$(date +%s); ts(){ echo "  [$(( $(date +%s)-T0 ))s] $1"; }

Régua: acima de ~2 min numa imagem, suspeite do seu código primeiro.

Paralelizar: uma aba por imagem, no máximo 4 a 5

A serialização obrigatória é uma cena por mensagem (lote volta grid) — ela não obriga a gerar uma imagem por vez. Com aba própria por imagem, N imagens saem no tempo de uma.

Vale a partir de ~5 imagens: 9 imagens seriais levam ~10 min; em 4 abas, ~3 min. Abaixo disso não compensa o modo de falha.

Teto de 4 a 5 abas. Mais que isso satura o browser e aumenta a colisão.

O risco é real e silencioso: abas concorrentes trocam imagem entre criativos, e o arquivo sai com dimensão certa e conteúdo alheio — passa por ffprobe, por hash e por contagem de arquivos. A trava é a verificação de dono por conteúdo, obrigatória em cada aba antes de baixar:

SIG=$(head -c 40 "$PROMPT" | tr -d '\n')
cat <<EOF | agent-browser --session $S eval --stdin
(()=>{const m=document.querySelectorAll('[data-message-author-role]');
 if(!m.length) return 'vazio';
 return (m[0].innerText||'').indexOf("$SIG")===0 ? 'MINHA':'ALHEIA';})()
EOF

ALHEIA = descarte aquela aba e refaça a imagem. Nunca baixe.

Em série, mantenha a checagem de aba vazia (msgs == 0) antes de enviar; em paralelo, as duas — vazia antes, e "MINHA" depois.

4. Esperar

bash -c "sleep 8; for i in \$(seq 1 120); do
  > **Espera pela imagem pronta, não pelo "Parar de responder" (11/10/2026).** Esse botão não existe
> no estado "Pensando" — o loop acima roda os 90s inteiros esperando um texto que nunca vem, e às vezes
> baixa antes da imagem existir. Espere a **contagem de blobs** crescer:
> ```bash
> for i in $(seq 1 90); do
>   n=$(echo "(()=>[...document.querySelectorAll('img')].filter(x=>x.naturalWidth>700&&x.src.startsWith('blob:')).length)()" \
>       | agent-browser --session $S eval --stdin | tr -dc '0-9')
>   [ "${n:-0}" -gt "$NB" ] && break; sleep 8
> done
> ```
> E pegue a **última** imagem do filtro (o modelo às vezes devolve duas). Antes de aceitar o arquivo,
> compare o `md5` contra as referências anexadas e contra os irmãos do lote — já baixou a própria
> referência por engano duas vezes com dimensão e peso perfeitos.

```bash
  if ! agent-browser --session $S snapshot -i -c 2>/dev/null | grep -q 'Parar de responder'; then echo DONE; break; fi
  sleep 5
done"

O clique por ref FALHA de vez em quando — use eventos de mouse (2026-09-05)

Medido em produção: numa leva de 12 imagens, todos os envios falharam com o campo cheio (FAIL: nao enviou (campo=1330)), com o botão presente, habilitado e não coberto — elementFromPoint no centro devolvia o próprio botão. Só o agent-browser click @ref é que não disparava o handler do React.

Trocar o clique por ref pelo disparo completo de eventos resolveu na hora. Faça disso o padrão, não o fallback:

cat <<'JS' | agent-browser --session $S eval --stdin
(()=>{const el=document.querySelector('button[aria-label="Enviar prompt"]')
       ||document.querySelector('.composer-submit-btn');
if(!el||el.disabled) return 'sem botao';
const r=el.getBoundingClientRect();
const o={bubbles:true,cancelable:true,view:window,clientX:r.left+r.width/2,clientY:r.top+r.height/2,pointerId:1,isPrimary:true,button:0};
['pointerover','mouseover','pointermove'].forEach(t=>el.dispatchEvent(new (t.startsWith('pointer')?PointerEvent:MouseEvent)(t,o)));
el.dispatchEvent(new PointerEvent('pointerdown',o)); el.dispatchEvent(new MouseEvent('mousedown',o));
el.dispatchEvent(new PointerEvent('pointerup',o)); el.dispatchEvent(new MouseEvent('mouseup',o));
el.dispatchEvent(new MouseEvent('click',o)); return 'clicou';})()
JS

E confirme pelo campo zerar — clicou não prova envio.

Baixar: DIFF de src, não marcação no DOM

Marcar as imagens existentes com dataset antes de enviar não funciona: o React recria os nós e a marca some, e todas voltam a parecer novas.

O que funciona é capturar a lista de src antes do envio e ficar com a diferença depois:

srcs(){ echo '(()=>[...new Set([...document.querySelectorAll("img")]
  .filter(i=>i.naturalWidth>800 && i.naturalHeight/i.naturalWidth>1.5)
  .map(i=>i.src))].join("|"))()' | agent-browser --session $S eval --stdin | tr '|' '\n'; }
srcs > /tmp/pre.txt          # ANTES de enviar
# ... envio e espera ...
NEW=$(srcs | grep -vxF -f /tmp/pre.txt | tail -1)

Com várias referências anexadas isso é obrigatório. O filtro por dimensão sozinho pega o preview da própria referência — uma imagem-mãe 941×1672 tem exatamente o formato do lote e passa como se fosse geração nova.

Rejeite o download que for igual a uma referência ou a um irmão do lote

Duas gerações do mesmo lote voltaram com hash idêntico — o modelo devolveu a mesma imagem duas vezes, e o arquivo passou por dimensão, por peso e por contagem. Compare o md5 do que baixou contra as referências anexadas e contra os arquivos já salvos daquele lote; se bater, é lixo, apague e refaça:

NEW=$(md5sum < "$F")
for R in "$@"; do [ "$(md5sum < "$R")" = "$NEW" ] && { echo "baixou a REFERENCIA"; exit 1; }; done
for O in "$(dirname "$F")"/*.png; do [ "$O" != "$F" ] && [ "$(md5sum < "$O")" = "$NEW" ] && { echo "repetida"; exit 1; }; done

Formato paisagem (16:9) — o filtro padrão descarta

O filtro de download é naturalHeight/naturalWidth > 1.5, que é retrato. Para banner 16:9 inverta o critério (naturalWidth/naturalHeight > 1.3) e valide a dimensão como "largura maior que altura", não contra um valor fixo. Saída típica de banner: 1672×941.

Foto de referência com pele pode fazer a geração falhar

Um banner de shorts falhou duas vezes seguidas com "Something went wrong. If this issue persists please contact us…" — não é o aviso transitório em português, é erro real, e persistiu os 10 minutos de espera. A referência era a foto do produto vestido, com as pernas da modelo à mostra.

Recortar só a peça (sem pele) e reenviar passou de primeira. Para roupa curta — shorts, biquíni, lingerie — anexe o recorte da peça, nunca a foto com corpo.

Enviou, chat criado, e NENHUMA resposta = engasgo, refaça

Distinga pelos contadores, não pela aparência:

Sinal	Significado	Conduta
msgs == 1 (só a sua)	o assistente nunca respondeu	refaça a cena
"Algo deu errado / Repetir" em PT	aviso transitório	espere, a imagem vem
"Something went wrong… help center" em EN, persistente	erro real	troque a referência

echo "(()=>document.querySelectorAll('[data-message-author-role]').length)()" \
  | agent-browser --session $S eval --stdin

Clicar em Enviar prompt não garante que enviou — confirme

O clique responde ✓ Done mesmo quando o ref já expirou (digitar re-renderiza a barra) e nada é enviado. Você só descobre 10 minutos depois, esperando uma imagem que nunca foi pedida — e o usuário acaba tendo que clicar à mão.

Pegue o ref no instante do clique e confirme por dois sinais antes de entrar no loop de espera:

S=$(agent-browser --session $S snapshot -i -c | grep -oP 'button "Enviar prompt" \[ref=\K[^\]]+' | head -1)
agent-browser --session $S click @$S
sleep 8
# 1) o campo do prompt zerou  2) a página diz que está gerando
echo "(()=>'prompt='+(document.querySelector('#prompt-textarea')?.innerText.length||0)+' | '+document.body.innerText.slice(-160).replace(/\s+/g,' '))()" \
  | agent-browser --session $S eval --stdin

Campo com o texto ainda lá = não enviou. Re-snapshot e clique de novo.

Cloudflare que não passa NUNCA = você não está no browser logado

Antes de culpar o Cloudflare, confirme em que browser você está. O agent-browser sobe um Chromium empacotado próprio, com perfil em /tmp/agent-browser-chrome-* — sem login, sem cookie — e nesse browser o "Confirme que é humano" nunca valida, por mais que você clique.

# em que perfil eu estou?
pgrep -af chromium | grep -oP 'user-data-dir=\K[^ ]+' | sort -u
# /tmp/agent-browser-chrome-...  -> ERRADO, descartável, sem login
# ~/.agent-profiles/gpt          -> certo

A correção é uma linha — não clicar no checkbox, não abrir aba nova:

agent-browser --session $S connect 9222     # ancora a sessão no browser logado
agent-browser --session $S get url          # confirme que respondeu

Sintoma que identifica o caso na hora: o usuário olha a tela e diz que não tem Cloudflare nenhum enquanto o seu snapshot insiste que tem. São dois browsers diferentes — o dele é o logado, o seu é o descartável. Custou uma sessão inteira de cliques inúteis para descobrir isso; connect 9222 resolveu em 2 segundos.

Vale também quando a aba da lane morre no meio (No tab with label): reconecte e navegue direto para a URL da conversa, que o ChatGPT preserva o chat e as imagens já geradas.

Perdeu a aba, ou caiu no Cloudflare: escalone pro browser-harness

Duas falhas que não se resolvem insistindo no agent-browser:

• A aba da lane morreu no meio. tab <lane> responde No tab with label, eval retorna about:blank, snapshot diz (no interactive elements). A lane perdeu o ponteiro, mas as outras abas do Chromium continuam vivas e logadas.
• Cloudflare que não valida. Ao reabrir, a aba nova pode cair no "Confirme que é humano" e o checkbox não passar nem em 3 cliques — enquanto outra aba do mesmo browser está logada e livre.

Antes de chamar o usuário, veja o que mais existe no browser — o agent-browser só enxerga a aba dele:

curl -s http://127.0.0.1:9222/json/list | python3 -c "
import sys,json
for t in json.load(sys.stdin):
    if t.get('type')=='page': print(t['id'][:8],'|',t['url'][:60],'|',t['title'][:40])"

Achou aba viva em chatgpt.com? Trabalhe nela por CDP cru:

set -x BU_CDP_URL http://127.0.0.1:9222
browser-harness <<'PY'
ensure_real_tab()
print(page_info())
PY

Três pegadinhas do harness, todas custaram tentativa:

• cdp() recebe kwargs, não dict: cdp("DOM.getDocument", depth=-1, pierce=True). Passar dict devolve Message may have string 'sessionId' property.
• js() não aceita await_promise. Para fetch/promise use cdp("Runtime.evaluate", expression=..., awaitPromise=True, returnByValue=True).
• shot() não existe; screenshot é cdp("Page.captureScreenshot", format="png") e decodificar o base64.

Anexar por CDP (o input[type=file] certo é o primeiro dos 4):

doc = cdp("DOM.getDocument", depth=-1, pierce=True)
# percorra children + shadowRoots atrás de INPUT com attribute type=file
cdp("DOM.setFileInputFiles", files=[REF], nodeId=nid)

Coordenada de clique: CSS px ≠ px da viewport CDP. Nessa janela a escala é ~1.22 — getBoundingClientRect deu y=672 e o botão real estava em y=844. Input.dispatchMouseEvent na coordenada do rect erra em silêncio: o comando retorna ok, o campo continua cheio, e você culpa o seletor. Tire um Page.captureScreenshot, leia a posição real na imagem, clique nela. Sucesso = #prompt-textarea.innerText.length === 0.

Ao baixar, filtre pela proporção — o DOM tem imagens de outros chats

naturalWidth > 800 sozinho pega miniaturas da barra lateral e imagens de conversas antigas, e você acaba salvando foto aleatória no lugar da cena. Para material 9:16, filtre também pela razão:

[...new Set(Array.from(document.querySelectorAll('img'))
  .filter(i => i.naturalWidth > 800 && i.naturalHeight / i.naturalWidth > 1.6)
  .map(i => i.src))]

Confira sempre as dimensões do que baixou (ffprobe): se vier quadrada onde devia ser 9:16, é imagem de outro chat.

"Algo deu errado. Tente novamente." NÃO é falha — é só esperar. O ChatGPT mostra esse aviso com o botão Repetir enquanto ainda está gerando; a imagem aparece depois, sozinha. Nunca clique em Repetir, não reenvie o prompt e não abra chat novo — cada uma dessas coisas enfileira outra geração e embaralha qual imagem é de qual cena.

Conte imagens, não leia o texto da página. O sinal de pronto é o número de <img> com naturalWidth > 400 subir:

bash -c "ALVO=<n_atual+1>; for i in \$(seq 1 120); do
  n=\$(echo '(()=>Array.from(document.querySelectorAll(\"img\")).filter(i=>i.naturalWidth>400).length)()' | agent-browser --session $S eval --stdin | tr -dc '0-9')
  [ \"\$n\" -ge \"\$ALVO\" ] && { echo READY; break; }
  sleep 5
done"

Só é falha de verdade se o contador não subir depois de ~10 min.

5. Baixar

Pegue os ids das imagens geradas:

cat <<'EOF' | agent-browser --session $S eval --stdin
Array.from(document.querySelectorAll('img')).map(i=>i.src)
  .filter((s,i,a)=>a.indexOf(s)===i)
  .map(s=>{const m=s.match(/id=(file_[a-z0-9]+)/);return m?m[1]:null}).filter(Boolean);
EOF

O primeiro id costuma ser a referência que você anexou — confira a ordem antes de baixar.

Depois baixe. Prefixe o nome com a lane — sem isso duas lanes se sobrescrevem em ~/Downloads:

cat <<'EOF' | agent-browser --session $S eval --stdin
(async () => {
  const ids = ["file_XXX","file_YYY"];
  const srcs = Array.from(document.querySelectorAll('img')).map(i=>i.src);
  for (let k=0;k<ids.length;k++){
    const url = srcs.find(s=>s.includes(ids[k]));
    const r = await fetch(url); const b = await r.blob();
    const a = document.createElement('a');
    a.href = URL.createObjectURL(b); a.download = `<lane>-img-${k+1}.png`;
    document.body.appendChild(a); a.click(); a.remove();
  }
  return 'ok';
})()
EOF
sleep 3
~/.claude/bin/lane.sh collect <lane>                 # ~/Downloads/<lane>-* → ~/Downloads/PLAYWRIGHT/<lane>/
~/.claude/bin/lane.sh collect <lane> /caminho/do/projeto/assets   # e depois pro projeto

Staging obrigatório: todo download passa por ~/Downloads/PLAYWRIGHT/<lane>/. Quando o entregável estiver aprovado, mova pra pasta do projeto — nada fica largado em ~/Downloads.

Pediram webp? cwebp não está instalado nesta máquina — use o ffmpeg, que está. Entregue os dois arquivos, o PNG é o master:

ffmpeg -y -loglevel error -i saida.png -c:v libwebp -quality 90 saida.webp

Medido: 941×1672, 2.0 MB de PNG → 198 KB de webp.

6. VALIDE O ARQUIVO SALVO — o download mente de três jeitos

Baixar não é ter. Cada uma destas falhas já entregou arquivo que parecia certo:

Falha	Como o arquivo aparece	Como pega
miniatura do DOM	416×681 em vez de 941×1672	dimensão via ffprobe
imagem de outro chat (aba roubada)	dimensão correta, conteúdo alheio	abrir e olhar / 1ª msg do chat
envio que falhou	arquivo antigo permanece no lugar	data de modificação

Rode sempre os três, logo depois de salvar:

# 1) dimensão exata do lote — qualquer coisa diferente é lixo
for f in <lane>-*.png; do
  d=$(ffprobe -v error -show_entries stream=width,height -of csv=p=0 "$f")
  [ "$d" = "941,1672" ] || echo "REPROVA $f = $d"
done
# 2) tamanho fora da média dos irmãos denuncia miniatura
ls -la <lane>-*.png | awk '{print $NF, $5}'
# 3) reconcilie pedido × disco: o lote não para quando um envio falha
for n in $LISTA; do [ -f "<lane>-$n.png" ] || echo "FALTA $n"; done

Um arquivo de 455 KB no meio de arquivos de 2 MB é miniatura — foi exatamente assim que uma imagem de 416×681 entrou numa leva e quase virou vídeo.

7. Congele a imagem aprovada e distribua por HASH

Depois do QA, a imagem aprovada vira fonte da verdade. O erro que fecha o ciclo: a imagem foi reprovada, regerada e salva na pasta de origem — mas as cópias já distribuídas para as cenas continuaram sendo a versão velha. Cinco cenas foram gerar vídeo a partir da imagem descartada; ninguém notou porque o caminho do arquivo estava certo.

Caminho certo não prova conteúdo certo. Toda vez que uma imagem for regerada, redistribua e compare hash:

md5sum _IMG/numes-51-base.png CRIATIVO-51/IMG/cena-1.png   # têm que bater

E antes de consumir a imagem em qualquer etapa seguinte, valide que ela é byte-idêntica a alguma imagem aprovada daquele mesmo criativo — ver scripts/valida_img.sh na skill video-hub.

Páginas de ENTREGÁVEL (produto/bônus/OB) = WORK MODE, não chat

A regra "uma cena por mensagem" abaixo vale pro CHAT (criativo/cena). Páginas de entregável low ticket vão no Work mode: lote inteiro do item num pedido (até ~90 imagens), com a nossa página de referência + capa anexadas, contexto e texto página a página. Receita: ~/.claude/browser-workspace/domain-skills/chatgpt.com/work-mode-lote-entrega.md. Ordem e ciclo de panes em criacao-low-ticket-mvt/references/CONSTRUCAO.md passo 2(f).

Página com carta real (tarô/cigano): SLOT VAZIO + scan colado (05/10/2026)

O GPT redesenha a carta mesmo com o scan anexado (o Sol saiu desenhado na capa da Intuitiva do Cigano). Jeito que funciona:

1. Prompt pede a página com um quadro vazio no tamanho da carta (moldura, sem nada dentro): leave the card frame EMPTY, plain paper inside, no illustration.
2. Cola o scan real no quadro por script (Pillow), recortado SEM fundo branco, com borda fina e sombra leve. Retângulo branco por cima da arte = colagem malfeita: refazer.
3. Auditoria: contact sheet de todas as páginas. Toda carta que aparece (inclusive nas mãos de alguém, numa mesa, na rotina) tem que ser scan real ou mostrar só o verso. Frente inventada = refazer a página (c-003 e c-009 do Cigano).

Prompt-modelo OBRIGATÓRIO do lote de entregável (Work mode)

Copiar e preencher. Nunca mandar lote sem estas linhas (cada uma cobre um erro que já aconteceu):

Gere {N} IMAGENS INDIVIDUAIS — uma imagem separada por página, cada uma um arquivo de imagem
próprio, usando o GERADOR DE IMAGENS. NÃO junte páginas numa imagem, NÃO faça grid/colagem,
NÃO renderize com HTML/SVG/Python/código, NÃO gere PDF.
As imagens anexas são a REFERÊNCIA DE ESTILO: copie exatamente moldura, fundo, fonte, caixas e
setas; troque só a ilustração e o texto. NÃO devolva a referência. NÃO reproduza a página anexa.
Ilustração = {ex.: gravura Rider-Waite clássica completa e colorida da carta} — nunca ícone,
silhueta ou placeholder.
Tokens: fundo {hex}, tinta {hex}, ornamento {hex}; cabeçalho "{nome exato do produto}".
Orientação: {paisagem/retrato por tipo de página}.
Imagem 1 = {página} — texto: ...
Imagem 2 = {página} — texto: ...

Checklist antes de aceitar o lote:

1. Teste com 2 páginas primeiro; lote só se as 2 saírem no nível da referência.
2. Desenhou por código (formas chapadas, placeholder, fonte de sistema) → reprovar, repetir a 1ª linha; se insistir, modo Chat (uma página por mensagem).
3. Devolveu a referência (re-encodada, md5 diferente): comparar cada download contra as refs e contra o lote — hash exato + olhar; bateu → apagar e regerar (6 casos em 27/09).
4. Grid / várias páginas numa imagem → reprovar.
5. Nome do produto trocado no cabeçalho (ex.: "Tarô" × "Tarot") → padronizar com as páginas já publicadas.
6. Fim: md5sum sem duplicatas + contact sheet (montage) olhando página por página.
7. Página com ILUSTRAÇÃO fiel (gravura Rider-Waite, retrato, produto real) → MODO CHAT, não Work. 27/09: o Work mode entregou 36 páginas do principal do Mapa do Tarot com carta em ícone simplificado, mesmo com o prompt-modelo. Chat (uma página por mensagem + referência do mesmo tipo) entregou as 31 dos Menores certas no mesmo dia. Work mode só serve pra página de texto/ diagrama sem ilustração fiel — e ainda assim testar 2 antes.
8. Cota esgotada: bloqueio de imagem NÃO é cota até descartar com prova (dono 28/09): (a) rate limit por pedido rápido demais ("too many requests" ≠ cota — esperar 2-3 min, 1 pedido por vez); (b) aba fechada/errada; (c) modo errado — conferir seletor em Chat no chat novo; (d) perfil antigo sem login (gpt 9222, gpt-play-1) em vez de gpt-noelia-7-10*. Se os 4 checks passarem e aparecer o card nativo "Você atingiu o limite de imagens… Tente de novo à(s) HH:MM", é cota real do Plus e vale em Chat E Work (provado 28/09 com prints, Mapas Elétricos). Os perfis gpt-noelia-7-10* são a MESMA conta (Noélia Lima Plus) e outros panes (ex.: tarot) gastam a mesma cota: aí é esperar o horário e retomar sozinho.

Regras de prompt

• Sempre em inglês.
• UMA cena por mensagem, chat novo a cada imagem. Pedir N cenas numa mensagem faz o modelo devolver uma imagem contendo as N — ver a seção "Lote SEMPRE volta grid" abaixo. Nenhuma redação testada mudou isso.
• Formato: diga explicitamente. vertical 9:16 story format, square 1:1, horizontal 16:9.
• Sem texto: no text, no captions, no watermark, no UI overlay — o modelo erra letras.
• Feche a lista de objetos: only these objects: X, Y, Z — nothing else. Objeto ambíguo vira lixo na cena.
• Realismo: grounded documentary realism, real ordinary objects, natural imperfections, no surreal elements, no decorative clutter
• Look UGC: amateur phone footage look, slight grain, no studio lighting

Regerar cena de personagem que já existe: SEMPRE anexar a referência

Se o criativo já tem uma cena aprovada com aquela pessoa, nunca redescreva a persona por texto para gerar outra cena dela. Anexe uma imagem aprovada e peça a MESMA pessoa; mude só a pose e o enquadramento.

Using the attached photo as the reference: generate ONE single standalone photograph
of the SAME woman — same face, same bone structure, same age, same hair, same shirt,
same wall, same light. Change only the pose: <nova pose>.

Descrição textual, por mais detalhada que seja, sorteia outra pessoa. Aconteceu numa leva real: a cena 1 precisou ser refeita, foi descrita do zero com idade, cabelo, roupa e ambiente idênticos, e voltou com outra mulher — enquanto as cenas 2, 3 e 4 seguiam com a original. Um criativo com duas atrizes não sobe.

Vale para qualquer regeração: correção de defeito, troca de pose, mudança de enquadramento. Existe cena aprovada com a persona? Anexa.

E peça UMA imagem, explicitamente: ONE single frame only. Not a grid, not a collage, not a contact sheet, not multiple panels mais no grid, no collage, no split screen, no multiple images, no repeated person, no duplicate figure no negativo — o modelo entrega colagem de 4 poses com facilidade, e a colagem passa pelo teste de dimensão (fica 9:16 certinho), então só se pega abrindo a imagem.

A cena tem que fazer sentido na vida real

Antes de escrever o prompt: uma pessoa de verdade faria isso, nesse lugar, desse jeito? Se não, o defeito é do roteiro, não do modelo — e vai reaparecer por mais que você reforce o prompt.

• Todo objeto precisa de apoio físico: na mão fechada, sobre a mesa, no bolso. Objeto "apoiado" onde não se apoia (celular em cima do volante, xícara no braço do sofá) o modelo não sabe onde fixar — na imagem sai torto, e se virar vídeo desgruda e flutua.
• A ação tem que ser possível ali: dirigindo não se lê tela; cozinhando não se segura telefone com as duas mãos.
• Objeto que não precisa estar em cena, tire. Cada objeto a mais é uma chance de invenção. Remover é mais barato que domar.
• Roupa, luz e hora coerentes com o ambiente e com o que se fala.

Telas e superfícies com conteúdo

Se a cena tem celular, laptop, tablet, papel escrito, cartaz ou placa, descreva o conteúdo explicitamente. Sem isso o modelo entrega tela preta, aparelho virado de costas, ou texto em inglês por padrão — os três já quebraram criativo em produção.

Escreva sempre os quatro itens: ligada, o que aparece, em que idioma, com que aparência.

the phone screen is ON and clearly visible, displaying a reading app in Portuguese:
a short title line, a date line, and three or four paragraphs of body text in
Brazilian Portuguese, dark background with warm off-white text, calm editorial
layout, no app chrome, no message bubbles, no chat interface, no green color,
no English text, text slightly soft so individual words are not sharply readable

text slightly soft é deliberado: dá conteúdo plausível sem exibir texto inventado nítido. Texto legível na tela de um produto real é mockup falso — pode prometer o que a oferta não promete.

Proíba a traseira explicitamente. Pedir "tela ligada" não basta: o modelo satisfaz a instrução virando o aparelho de costas — aí não há tela acesa para contradizer o prompt. Num criativo cujo mecanismo é a tela, isso entrega uma cena vazia. Aconteceu quatro vezes seguidas no mesmo criativo até a proibição entrar:

the phone is face UP with the screen visible and ON, the back of the phone is never
shown, no camera module visible, the hand holds the phone from the side or below
without covering the screen

E no NEGATIVE: phone face down, back of phone, camera module, hand covering the screen.

Regra geral que isso ilustra: quando o modelo insiste num desvio, proíba o desvio pelo nome em vez de reforçar o pedido original.

Nunca: tela preta, aparelho de costas, texto em inglês num criativo PT-BR, balão de mensagem, layout de chat, qualquer tom esverdeado (lê como WhatsApp).

Isso é exceção à regra no text acima: ali o texto proibido é legenda/marca d'água sobre a imagem. Conteúdo DENTRO de uma tela em cena é obrigatório quando a tela aparece.

Conferir os controles ANTES de cada envio

Vale para qualquer painel de geração (ChatGPT, Hub, etc): trocar de modelo reseta os controles — proporção, duração e o anexo voltam ao padrão do motor novo, sem aviso. Um "tentar com outro motor" depois de falha faz isso silenciosamente.

Antes de todo envio, confirme por eval (não por screenshot, que engana):

• modelo é o que você escolheu, não Auto
• proporção é a do formato pedido — 9:16 para story, nunca o 16:9 padrão
• duração é a planejada
• imagem de referência continua anexada — anexo perdido vira texto→imagem e entrega outra pessoa
• tamanho do prompt dentro do limite do motor

Enviar sem conferir gasta cota e devolve material inútil. Foi assim que uma leva inteira saiu em 16:9 e 5s quando o pedido era 9:16 e 10s.

QA das imagens — gate antes de virar vídeo

Vídeo custa cota e é o recurso escasso. Imagem errada que vira vídeo custa duas vezes: a geração perdida e a regeração. Rode este gate em TODAS as imagens antes de liberar qualquer clipe.

Rode a checagem de hash DEPOIS DE CADA DOWNLOAD, não só no fim do lote. Baixar a mesma imagem duas vezes com nomes de cenas diferentes é o defeito mais frequente deste fluxo — em uma única leva aconteceu em três criativos distintos (um com três arquivos iguais). O DOM não garante que a imagem nova é a última: se o download pegar o src errado, você leva a anterior de novo e não percebe.

# 1. imagem duplicada — o mesmo PNG salvo com nomes de cenas diferentes
md5sum IMG/*.png | sort | uniq -w32 -D        # qualquer saída = defeito

# 2. contact sheet pra olhar tudo de uma vez
montage IMG/cena-*.png -tile 4x1 -geometry 220x391+4+4 -background '#111' sheet.jpg

Tela em cena não se valida pelo contact sheet. Reduzida, toda tela parece "levemente suave"; no arquivo original o texto costuma estar nítido e quotável. Crope a área da tela em full-res e olhe:

magick IMG/cena-N.png -crop 45%x18%+180+330 +repage -resize 800x /tmp/tela.jpg

Se der pra ler título, data ou uma frase inteira, reprove — mesmo que na miniatura parecesse borrado.

Depois abra o sheet e confira, imagem por imagem:

• Persona e ambiente batem com o roteiro daquela cena? Imagem de outro criativo vaza com facilidade quando há mais de uma aba aberta.
• É a mesma pessoa em todas as cenas do mesmo criativo? Roupa, cabelo e idade iguais?
• Toda tela em cena está ligada, com conteúdo, no idioma certo?
• Tem texto queimado, marca d'água ou objeto proibido pela marca?
• A imagem serve como primeiro frame do vídeo que ela vai gerar? Rosto em repouso, exposição correta, objeto na posição em que a ação começa?

Contar arquivos não é QA. Hash e olho, sempre.

Pessoas

• Nacionalidade específica. "Latin American" cai no padrão mexicano/andino. Use Argentine from Buenos Aires, of Italian and Spanish descent, European-Mediterranean features, Mexican, mestiza features, Caribbean Colombian, e no Brasil especifique a região.
• Rosto natural, exposição correta: natural evenly exposed face, no blown-out highlights, no overexposure, visible pores and fine lines, natural skin texture
• Sem acabamento de banco de imagem: no beauty retouching, no skin smoothing, no plastic skin, no airbrushing, no stock photo look
• Expressão em repouso se a imagem vai virar vídeo: relaxed neutral expression, mouth closed, no exaggerated expression, no forced pose, candid unposed. Emoção exagerada na imagem vira careta ao animar.
• Mesma pessoa em várias imagens: anexe um frame real e escreva the SAME person as in the attached reference photo — same face, same bone structure, same age. Não redescreva do zero — sai outra pessoa.
• Proíba o que pode vazar da referência. Se a referência tem vela e cristal e a cena nova é uma cozinha: absolutely no candles, no crystals, no mystical objects.

Erros comuns

Sintoma	Correção
Veio um grid em vez de imagens separadas	Pediu mais de uma cena na mesma mensagem. UMA cena por mensagem, chat novo — proibição de layout não resolve
Voltaram variações da cena anterior	Chat reusado ancora no assunto do turno anterior — abra chat novo
Envio falhou no meio do lote e ninguém viu	Reconcilie pedido × disco no fim (`[ -f ... ]
Baixou imagem de outro projeto	Aba roubada por outra lane — verifique dono do chat antes de baixar
Pessoa diferente entre imagens	Anexe referência + "same face, same bone structure"
Etnia errada	Especifique país e ascendência, não continente
Rosto estourado	no blown-out highlights, no overexposure
Cena poluída de objeto	Feche a lista: only these objects: … nothing else
Pede login	Peça ao usuário para logar na janela do perfil gpt
Prompt caiu no chat de outro Claude	Você não fixou a aba. lane.sh take gpt <lane> de novo antes do bloco
Imagem sumiu / veio a de outra tarefa	Download sem prefixo de lane sobrescreveu em ~/Downloads. Use <lane>-img-N.png

Para gerar vídeo a partir das imagens, ver skill grok-video-hub-playwright. Para o pipeline completo de criativo de anúncio, ver video-hub.

---

Mecânica migrada do antigo video-hub (2026-08-23)

Estas seções vieram do monolito video-hub ao ser dividido em criativo-ads-video-orq (orquestrador) + gpt-imagem-playwright (esta) + hub-video-playwright. Esta skill é a fonte única da mecânica do ChatGPT — se um seletor mudar, corrija aqui, nunca no orquestrador.

O pedido do lote tem que ser cirúrgico — senão volta grid

Dizer "imagens separadas, uma por cena" não basta. Numa leva real, um pedido de 4 cenas com essa frase devolveu: duas variações da cena 1, um grid 2×2 com as quatro cenas coladas, e só uma cena solta correta. O grid sai em 9:16, então passa por qualquer checagem de dimensão — só abrindo o arquivo se descobre.

Abra o pedido exatamente assim, antes de qualquer descrição de cena:

Generate N images and return them as N SEPARATE image attachments — one attachment
per scene, N files in total.

Do NOT merge them into one picture. No grid, no 2x2, no collage, no contact sheet,
no mosaic, no side-by-side, no before/after, no panel layout, no single image
containing more than one scene. Each scene is its own standalone photograph, each
one full-bleed vertical 9:16, each one filling its entire frame edge to edge with
a single scene.

Do not generate variations or alternate takes of any scene. Exactly one image per
scene, N images, no more and no fewer.

===== IMAGE 1 =====
<descrição da cena 1>

===== IMAGE 2 =====
<descrição da cena 2>
...

As três travas que fazem esse texto funcionar, e por que cada uma existe:

• "N SEPARATE image attachments … N files in total" — o modelo entende "anexo", não "imagem separada"; sem contar os arquivos ele entrega um só.
• A lista fechada de layouts proibidos (grid, 2x2, collage, contact sheet, mosaic, side-by-side, panel) — proibir só "grid" deixa "collage" liberado.
• "full-bleed … filling its entire frame edge to edge with a single scene" — é o que impede o modelo de "resolver" o 9:16 empilhando cenas dentro do quadro.
• "Do not generate variations or alternate takes" — sem isso ele gasta o lote entregando duas versões da mesma cena e nenhuma das outras.

Confira contando os arquivos e abrindo cada um. Contar não basta: no caso acima o total batia e um dos arquivos era o grid.

Declare o STYLE UMA vez para o lote inteiro — repetir por cena mata o lote

Segundo defeito da mesma leva, e o mais caro: um pedido de 10 cenas voltou com duas variações da cena 1 e mais nada. As outras nove foram simplesmente ignoradas, sem erro e sem aviso.

Causa: o bloco STYLE (~900 chars) estava colado dentro de cada uma das 10 descrições. Prompt final: 18 mil caracteres, 9 mil deles pura repetição. Acima de uns poucos milhares de caracteres o modelo atende só a primeira cena.

Estrutura certa — o compartilhado sai do laço:

<abertura com a contagem e a lista de layouts proibidos>

STYLE — apply this identically to all N images: <bloco de estilo, UMA vez>

IMAGE 1 — <personagem, ambiente, enquadramento, objetos fechados, luz>
IMAGE 2 — <idem, compacto>
...

Cada cena vira ~350 chars em vez de ~1800, e o pedido de 9 cenas fecha em ~6k chars em vez de 18k. Acrescente também "Render ALL NINE scenes, not just the first one" — barato e ataca exatamente o modo de falha.

Régua: se o pedido do lote passa de ~8k caracteres, tem repetição para tirar. Fatie em dois lotes antes de aceitar um prompt gigante.

CONCLUSÃO: UMA cena por mensagem. Lote de cenas SEMPRE volta grid.

Testado quatro vezes na mesma leva, com a redação ficando mais explícita a cada tentativa. O resultado não melhorou:

Pedido	Voltou
4 cenas	grid 2×2 + 2 variações da cena 1 + 1 cena solta
10 cenas	2 variações da cena 1, mais nada
9 cenas	grid 3×3 com as nove + 3 variações da cena anterior
3 cenas, chat novo, cada layout proibido pelo nome	grid 3×1
1 cena	1 imagem standalone, 941×1672 ✓

Pedir N cenas numa mensagem faz o modelo entregar uma imagem contendo as N. Nenhuma redação testada mudou isso — proibir "grid, 2x2, collage, contact sheet, mosaic, side-by-side, panel", exigir "N separate image attachments, N files in total", exigir "full-bleed, one scene filling the entire frame": tudo ignorado.

Detalhe que engana: as cenas dentro do grid saem individualmente perfeitas — personagem, luz, objetos, tudo conforme descrito. Dá a sensação de que faltou pouco. Não faltou: num grid 3×1 cada cena fica com ~941×557 e não serve de primeiro frame de vídeo. Recortar não salva.

Portanto: uma cena por mensagem, sempre. É mais lento e é o único que funciona. Automatize em vez de negociar com o modelo:

for n in 31 32 33 34 35; do ./one.sh prompt-$n.txt cena-$n; done

Cada rodada: chat novo → colar o prompt de UMA cena → esperar 1 imagem → baixar → conferir 941x1672 no ffprobe.

Por que chat novo a cada imagem

Medido na mesma leva, com o prompt já enxuto e com todas as proibições de layout:

Pedido	Voltou
4 cenas	2 variações da cena 1, 1 grid 2×2, 1 cena solta correta
10 cenas	2 variações da cena 1, mais nada
9 cenas	3 variações da cena 1 do turno anterior, 1 grid 3×3 com as nove

Dois comportamentos, os dois independentes da redação:

• Teto de ~3-4 imagens por turno. Pedir mais não aumenta a entrega: o modelo desiste das cenas extras ou as empilha num grid. Peça no máximo 3-4 por vez e feche o lote antes do próximo.
• A conversa ancora na última cena. Num chat que já gerou imagens, o turno seguinte volta cheio de variações do assunto anterior em vez das cenas novas. Por isso: um chat novo (https://chatgpt.com/) por lote. Não é higiene, é o que faz o lote seguinte obedecer.

Sinal de que o grid está vindo: as cenas descritas aparecem todas corretas lá dentro. A descrição não é o problema — o formato de entrega é. Não reescreva as cenas; refaça o pedido em chat novo, com 3.

Lote só para cenas independentes. Cena 2 de um hook nunca entra no lote junto com a cena 1 dele — ela é gerada depois, com a cena 1 aprovada anexada como referência (ver adiante). Lote é para cenas de criativos diferentes, que não precisam de consistência entre si.

Consistência de personagem: anexe um frame real da pessoa e peça "same woman, same face, same age". Não descreva a pessoa do zero em cada cena — sai outra pessoa. Para extrair frames de um vídeo existente:

ffmpeg -ss <seg> -i vencedor.mp4 -frames:v 1 REFERENCIA/persona-01.png

O botão de enviar do ChatGPT também é ícone — e o campo NÃO se limpa sozinho

Mesmo defeito do Hub, e ele aparece nas duas pontas do fluxo (com e sem anexo): agent-browser click @ref no botão de enviar responde ✓ Done e não envia. O prompt fica no campo, o loop espera uma geração que nunca foi pedida e estoura em timeout — que se parece muito com bloqueio de Cloudflare ou cota esgotada.

Envie sempre pelo data-testid com a sequência completa de eventos:

cat <<'EOF' | agent-browser --session $G eval --stdin
(()=>{const el=document.querySelector('[data-testid="send-button"]');
if(!el||el.disabled) return 'sem botao';
const r=el.getBoundingClientRect(); const o={bubbles:true,cancelable:true,view:window,clientX:r.left+r.width/2,clientY:r.top+r.height/2,pointerId:1,isPrimary:true,button:0};
['pointerover','mouseover','pointermove'].forEach(t=>el.dispatchEvent(new (t.startsWith('pointer')?PointerEvent:MouseEvent)(t,o)));
el.dispatchEvent(new PointerEvent('pointerdown',o)); el.dispatchEvent(new MouseEvent('mousedown',o));
el.dispatchEvent(new PointerEvent('pointerup',o)); el.dispatchEvent(new MouseEvent('mouseup',o));
el.dispatchEvent(new MouseEvent('click',o)); return 'clicou';})()
EOF

E limpe o campo antes de digitar. keyboard inserttext acrescenta ao que já está lá. Com o envio falhando em silêncio, cada nova tentativa empilha outro prompt: num caso real o campo chegou a 6.523 caracteres — mais de quatro prompts colados. Se um desses tivesse sido enviado, teria gerado uma imagem sem sentido.

echo "(()=>{const t=document.querySelector('#prompt-textarea'); t.innerHTML=''; t.dispatchEvent(new Event('input',{bubbles:true})); t.focus(); return 1;})()" | agent-browser --session $G eval --stdin

A ABA PODE SER ROUBADA NO MEIO — confirme que a conversa é SUA antes de baixar

O defeito mais caro do ChatGPT, e o mais difícil de perceber: outro Claude no mesmo browser abre uma aba e rouba o ponteiro da sua sessão. Seus comandos passam a cair no chat dele. Você envia seu prompt para o vazio e baixa a imagem que ele gerou.

Como aparece na prática: pedi a personagem de uma VSL (senhora à mesa de tarô) e baixei, em duas tentativas seguidas, um copo com moedas e depois um celular marcando 11:11 — imagens de outro projeto. Nada no script deu erro. O arquivo tinha 941×1672, o log dizia OK.

Fixar a lane não basta. lane.sh take corrige o ponteiro no instante em que roda, mas a outra lane pode abrir aba um segundo depois. Aconteceu mesmo com lane nova e exclusiva.

A única defesa é verificação de dono, em duas etapas:

# 1) ANTES de enviar: a aba tem que estar num chat VAZIO
m=$(echo "(()=>document.querySelectorAll('[data-message-author-role]').length)()" \
  | agent-browser --session $G eval --stdin | tr -dc '0-9')
[ "$m" = "0" ] || { echo "aba tomada por outra lane (msgs=$m)"; }   # descarte e refaça

# 2) DEPOIS de enviar: a primeira mensagem tem que ser O SEU PROMPT
SIG=$(head -c 40 prompt.txt | tr -d '\n')
cat <<EOF | agent-browser --session $G eval --stdin
(()=>{const m=document.querySelectorAll('[data-message-author-role]');
 if(!m.length) return 'vazio';
 return (m[0].innerText||'').indexOf("$SIG")===0 ? 'MINHA':'ALHEIA';})()
EOF

ALHEIA = não baixe nada, refixe a lane e recomece aquela imagem. Envolva em 2-3 tentativas.

É o mesmo princípio da validação por conteúdo do Hub (frame 0 × imagem de origem): em ferramenta de conta compartilhada, nunca confie em posição — confirme por conteúdo. No Hub essa trava pegou oito clipes trocados; no ChatGPT a ausência dela deixou duas imagens erradas passarem.

Um perfil por conta é regra — não tente clonar para isolar

A saída intuitiva ("cada Claude num perfil próprio com o mesmo login") não funciona: o login pertence ao perfil, e duplicar o diretório derruba a sessão e traz o Cloudflare de volta. Está em ~/.claude/bin/LANES.md. O isolamento possível é por lane (aba + ponteiro + staging de download), e ele é frágil por natureza.

Duas regras que reduzem a colisão:

• Nome de lane por TAREFA, nunca por projeto. Reusar a lane de ontem (mestre20) numa tarefa nova é convite a colisão. VSL nova = lane nova (martavsl).
• Refixe a lane antes de CADA geração, não uma vez por lote. lane.sh take é idempotente e barato; vinte gerações seguidas sem refixar é onde o ponteiro salta.

E quando souber que outro Claude está usando o mesmo browser, peça para o usuário pausá-lo. Cada colisão custa uma tentativa e alguns minutos; não dá para resolver sozinho do lado de cá.

Detecte o composer por eval, não por snapshot — e saiba que sem login ele não existe

grep 'textbox ...' no snapshot falha de forma intermitente com a página ainda carregando. Espere pelo elemento real:

for k in $(seq 1 8); do
  v=$(echo "(()=>document.querySelector('#prompt-textarea')?1:0)()" | agent-browser --session $G eval --stdin | tr -dc '01')
  [ "$v" = "1" ] && break; sleep 6
done

Se ele nunca aparecer, a sessão provavelmente caiu — deslogado o ChatGPT não renderiza o composer, e isso se disfarça de "página lenta". Cheque o login antes de aumentar timeout.

Geração que não responde: é engasgo, não cota

Sintoma: mensagem enviada (campo zerou, a conversa existe), busy=0, nenhuma imagem e nenhuma resposta do assistente — a conversa fica só com a sua mensagem. Não há aviso de limite.

Isso é travamento pontual do ChatGPT. Confirme contando as mensagens:

echo "(()=>document.querySelectorAll('[data-message-author-role]').length)()" | agent-browser --session $G eval --stdin

1 = só a sua, o assistente nunca respondeu. Refaça aquela cena; não conclua que a cota acabou. Numa leva real uma cena travou assim e as duas seguintes saíram normalmente — espaçar as gerações teria sido perda de tempo.

Operação

agent-browser --session $G upload "input[type=file]" /caminho/REFERENCIA/persona-01.png
agent-browser --session $G snapshot -i -c          # achar o ref do textbox
agent-browser --session $G focus @eN
agent-browser --session $G keyboard inserttext "$(cat prompt.txt)"
agent-browser --session $G click @eENVIAR

Use keyboard inserttext com heredoc em arquivo — fill quebra com prompt longo e caractere especial.

Esperar terminar:

bash -c 'for i in $(seq 1 120); do if ! agent-browser --session $G snapshot -i -c 2>/dev/null | grep -q "Parar de responder"; then echo DONE; break; fi; sleep 5; done'

Confirme que a geração COMEÇOU — clicar em Enviar prompt não basta

O clique responde ✓ Done mesmo com o ref expirado (digitar no campo re-renderiza a barra) e nada é enviado. O sintoma é cruel: você entra no loop de espera e descobre 10 minutos depois que nunca pediu nada — ou o usuário clica à mão por você.

Pegue o ref no instante do clique e valide dois sinais antes de esperar:

S=$(agent-browser --session $G snapshot -i -c | grep -oP 'button "Enviar prompt" \[ref=\K[^\]]+' | head -1)
agent-browser --session $G click @$S
sleep 8
echo "(()=>'prompt='+(document.querySelector('#prompt-textarea')?.innerText.length||0)+' | '+document.body.innerText.slice(-160).replace(/\s+/g,' '))()" \
  | agent-browser --session $G eval --stdin

Campo do prompt zerado e a página dizendo "Gerando uma imagem…" = enviou. Texto ainda no campo = não enviou; re-snapshot e clique de novo.

VALIDE A DIMENSÃO DO ARQUIVO BAIXADO — o filtro sozinho deixa passar miniatura

O filtro no querySelectorAll é a primeira barreira, não a última. Num lote real uma imagem baixou com 416×681 — uma miniatura — porque o script de então usava naturalWidth > 400 e a razão 1,63 passou no teste de proporção. O log disse baixou, o arquivo existia, e o defeito só apareceu horas depois, na hora de distribuir as imagens pelas cenas.

Dois sinais que pegam isso em um segundo:

# 1) dimensão: tudo que não for a resolução do lote é lixo
for f in numes-*.png; do
  d=$(ffprobe -v error -show_entries stream=width,height -of csv=p=0 "$f")
  [ "$d" = "941,1672" ] || echo "  $f = $d   <-- REPROVA"
done
# 2) tamanho: um arquivo muito menor que os irmãos é miniatura ou erro
ls -la numes-*.png | awk '{print $NF, $5}'

Na leva onde isso aconteceu, o arquivo ruim tinha 455 KB contra ~2 MB dos outros — a mesma assinatura de um clipe de vídeo defeituoso que tinha 2,3 MB entre irmãos de 4,7 MB. Discrepância de tamanho entre irmãos é o detector mais barato que existe; rode-o em imagem e em vídeo.

Falha de envio no meio do lote NÃO para o lote — reconcilie no fim

Num lote de 9 imagens, uma falhou com FAIL: nao enviou (campo=1567) — resíduo de prompt no composer impediu o envio. O loop registrou a falha, seguiu para a próxima e terminou reportando sucesso geral. A imagem faltante só apareceu quando as cenas foram distribuídas e quatro ficaram sem arquivo.

Feche todo lote com uma reconciliação explícita entre o que foi pedido e o que existe em disco:

for n in $LISTA; do [ -f "$DIR/numes-$n.png" ] || echo "FALTA $n"; done

E, antes de gerar qualquer vídeo, confirme a cobertura cena a cena — não a contagem total:

for n in 51 52 53 54 55 56; do for i in $(seq 1 6); do
  [ -f "CRIATIVO-$n/IMG/cena-$i.png" ] || echo "FALTA $n/cena-$i"
done; done

Contar arquivos na pasta de origem não prova que cada cena recebeu o seu: numa leva real o total batia e um criativo inteiro estava com 4 cenas descobertas, porque a distribuição rodou antes de uma imagem existir.

Baixe filtrando pela proporção, não só pelo tamanho

naturalWidth > 800 pega miniatura de barra lateral e imagem de conversa antiga — já aconteceu de baixar 4 fotos aleatórias de outro chat achando que eram as cenas. Para 9:16, filtre também pela razão e confira com ffprobe:

[...new Set(Array.from(document.querySelectorAll('img'))
  .filter(i => i.naturalWidth > 800 && i.naturalHeight / i.naturalWidth > 1.6)
  .map(i => i.src))]

Imagem quadrada onde devia ser 9:16 = veio de outro chat, descarte.

Lotes grandes falham mais: peça 4 a 6 imagens por vez, não 10, e espere cada lote terminar antes do próximo.

"Algo deu errado. Tente novamente." NÃO é falha — espere

O ChatGPT mostra esse aviso com o botão Repetir enquanto ainda está gerando a imagem. A imagem aparece depois, sozinha, sem você clicar em nada. Tratar isso como erro é o caminho para desperdiçar meia hora reenviando prompt e concluir errado que a cota de imagens acabou.

Portanto:

• Não clique em Repetir ao ver a mensagem. Clicar enfileira uma segunda geração e embaralha qual imagem é de qual cena.
• Não reenvie o prompt. Não abra chat novo. Não troque de modelo.
• Espere e continue contando imagens, não lendo o texto da página. O sinal de pronto é o número de <img> com naturalWidth > 400 subir:

bash -c 'ALVO=<n_atual+1>; for i in $(seq 1 120); do n=$(echo "(()=>Array.from(document.querySelectorAll(\"img\")).filter(i=>i.naturalWidth>400).length)()" | agent-browser --session $G eval --stdin | tr -dc "0-9"); [ "$n" -ge "$ALVO" ] && { echo READY; break; }; sleep 5; done'

Só considere falha real se o contador não subir depois de ~10 minutos.

Baixar as imagens geradas (fetch na própria página). Nome sempre prefixado com a lane — sem isso outra lane sobrescreve seu arquivo em ~/Downloads:

cat <<'EOF' | agent-browser --session $G eval --stdin
(async () => {
  const ids = ["file_XXX","file_YYY"];                       // ids das imagens geradas
  const srcs = Array.from(document.querySelectorAll('img')).map(i=>i.src);
  for (let k=0;k<ids.length;k++){
    const url = srcs.find(s=>s.includes(ids[k]));
    const r = await fetch(url); const b = await r.blob();
    const a = document.createElement('a');
    a.href = URL.createObjectURL(b); a.download = `${LANE}-cena-${k+1}.png`;   // substitua ${LANE} pelo nome da lane
    document.body.appendChild(a); a.click(); a.remove();
  }
  return 'ok';
})()
EOF
sleep 3
~/.claude/bin/lane.sh collect $LANE $PROJETO/IMG    # ~/Downloads/$LANE-* → staging → projeto

Para descobrir os ids: document.querySelectorAll('img') filtrando por naturalWidth > 200.

Baixe uma imagem por vez. Um eval que dispara 8-10 downloads em rajada faz o Chromium bloquear tudo depois do segundo — sem erro, você só descobre contando os ficheiros. Um eval por imagem, sleep 2 entre eles, e confira o total no fim.

A ordem do DOM não é a ordem das cenas. Num lote de 10 as imagens vêm embaralhadas. Antes de mandar qualquer uma pro vídeo, monte um contact sheet e remapeie pelo conteúdo:

ffmpeg -pattern_type glob -i "lote-*.png" -vf "scale=200:-1,tile=5x2" -frames:v 1 sheet.jpg

Aproveite o mesmo sheet para checar consistência entre as duas cenas do mesmo hook — roupa, cabelo e ambiente têm que bater. Se não baterem, regere uma imagem anexando a outra como referência; sai mais barato que refazer o clipe.

Mova para HOOK/IMG/cena-N.png (ou IMG/cena-N.png no Modo A).

---