@danhachuel/thunderbolt 0.3.56 → 0.3.58

package/MANUAL-INSTALACAO.md

@@ -2,7 +2,7 @@
 
 Este manual descreve a instalação local da UI Thunderbolt, baseada no MoneyPrinterTurbo, utilizando o pacote npm `@danhachuel/thunderbolt`. O fluxo recomendado instala automaticamente o ambiente Python, as dependências da aplicação, as dependências do MoneyPrinterTurbo, o Streamlit e o suporte FFmpeg através de `imageio-ffmpeg`.
 
-> **Versão deste manual:** 0.3.56
+> **Versão deste manual:** 0.3.58
 > **Pacote npm:** `@danhachuel/thunderbolt`
 > **Porta padrão da UI:** `localhost:3030`  
 > **Repositório:** [github.com/DanHachuel/thunderbolt](https://github.com/DanHachuel/thunderbolt)
@@ -31,9 +31,9 @@ O MoneyPrinterTurbo declara Python 3.11 ou superior como requisito e documenta a
 
 A área **AI Influencers > Personagens** permite criar personagens com nome, biografia, idioma, Instagram Business ID opcional, várias imagens de referência e ficheiros `.md`/`.json`. O campo **Idioma** é um selector e reutiliza exactamente a mesma lista, os códigos e os labels visuais de **Pipeline Vídeos > Criação de Vídeos**. No uploader, seleccione vários ficheiros de uma vez; cada imagem pode ser pré-visualizada e cada documento é validado como UTF-8, Markdown ou JSON válido. Os assets são deduplicados por SHA-256 e não são gravados como base64 dentro das tabelas.
 
-O backend local predefinido é **SQLite**, pelo que Personagens e Geração de Conteúdo IA podem ser usados sem credenciais externas. Abra **Configurações > Configuração API > API Keys > Banco de Dados Influencers** para confirmar **SQLite** ou seleccionar **Supabase**. Se seleccionar Supabase, preencha **Supabase Project URL**, **Supabase API key** e **Supabase Storage bucket**, clique em **Testar ligação do backend**, aplique primeiro `seed/references/ai_influencers_schema.sql` no SQL Editor do projecto, exponha as quatro tabelas na Data API e configure permissões/RLS adequadas. O bucket deve existir com o nome configurado, por defeito `ai-influencers`.
+O backend local predefinido é **SQLite**, pelo que Personagens e Geração de Conteúdo IA podem ser usados sem credenciais externas. Abra **Configurações > Configuração API > AI Influencers > Banco de Dados Influencers** para confirmar **SQLite** ou seleccionar **Supabase**. Se seleccionar Supabase, preencha **Supabase Project URL**, **Supabase API key** e **Supabase Storage bucket**, clique em **Testar ligação do backend**, aplique primeiro `seed/references/ai_influencers_schema.sql` no SQL Editor do projecto, exponha as quatro tabelas na Data API e configure permissões/RLS adequadas. O bucket deve existir com o nome configurado, por defeito `ai-influencers`.
 
-Se pretender trabalhar sem serviço externo, seleccione **SQLite** no mesmo expander e indique o caminho do ficheiro. O padrão é `storage/state/ai_influencers.db`; o SQLite cria o schema e guarda os assets em `storage/influencers/`. Apenas um backend é usado de cada vez. A subaba **Configuração API > AI Influencers** mostra o estado do backend, mas as credenciais são editadas exclusivamente no expander **Banco de Dados Influencers**.
+Se pretender trabalhar sem serviço externo, seleccione **SQLite** no selector da aba **Configuração API > AI Influencers** e indique o caminho do ficheiro. O padrão é `storage/state/ai_influencers.db`; o SQLite cria o schema e guarda os assets em `storage/influencers/`. Apenas um backend é usado de cada vez. A aba **AI Influencers** mostra o estado e permite editar directamente o selector, os campos Supabase e o caminho SQLite.
 
 Em **AI Influencers > Geração de Conteúdo IA**, utilize as subabas **Imagens**, **Vídeos** e **Motion Control**. Seleccione um personagem, prompt e destinos sociais. A subaba **Imagens** usa o pool de imagem configurado em **Imagem e Video**. A subaba **Vídeos** requer uma imagem inicial e usa o pool de vídeo; escolha o provider/modelo no cartão configurado, sem dependência obrigatória do Veo 3.1. KIE AI, Replicate e FAL AI podem usar tarefas assíncronas; o Thunderbolt consulta o estado e guarda o resultado local antes da revisão. Na Replicate, o campo Modelo deve ser o identificador do modelo ou da versão, e os inputs específicos dependem do modelo configurado.
 
@@ -114,13 +114,13 @@ Execute:
 Windows PowerShell ou MobaXterm:
 
 ```powershell
-npx.cmd --yes --prefer-online @danhachuel/thunderbolt@0.3.56 install
+npx.cmd --yes --prefer-online @danhachuel/thunderbolt@0.3.58 install
 ```
 
 Linux/macOS:
 
 ```bash
-npx --yes --prefer-online @danhachuel/thunderbolt@0.3.56 install
+npx --yes --prefer-online @danhachuel/thunderbolt@0.3.58 install
 ```
 
 A instalação normal é **segura para actualizações**: preserva `storage`, Blueprints, Brandings, configurações e artefactos do utilizador. Remove apenas `.venv`, o clone técnico do MoneyPrinterTurbo e dependências que serão recriadas. Uma pasta antiga sem dados do utilizador, como `C:\Users\<utilizador>\AppData\Local\hermes` da tentativa incompleta, pode ser removida; uma pasta antiga que contenha Blueprints, Brandings ou storage é preservada e apenas avisada no terminal. Feche processos Python, Node, Streamlit e MobaXterm que estejam a usar as pastas antes de executar.
@@ -128,7 +128,7 @@ A instalação normal é **segura para actualizações**: preserva `storage`, Bl
 Se quiser apagar absolutamente tudo de forma intencional, use o comando destrutivo separado:
 
 ```powershell
-npx.cmd --yes --prefer-online @danhachuel/thunderbolt@0.3.56 install --purge-data
+npx.cmd --yes --prefer-online @danhachuel/thunderbolt@0.3.58 install --purge-data
 ```
 
 O parâmetro `--purge-data` apaga Blueprints, Brandings, configurações, storage e artefactos locais. Não o use numa actualização normal.
@@ -453,7 +453,7 @@ Se o launcher ou o worker for encerrado abruptamente, uma tarefa `doing` sem act
 
 O **Backlog Vídeos** e a lista **Automação > Automação Youtube > Vídeos cadastrados** usam o mesmo catálogo completo de `storage/state/tasks.json`. Por isso, tarefas criadas manualmente e tarefas criadas pelo worker diário aparecem nos dois locais, sem filtragem implícita por origem. O filtro do Backlog mostra os estados conhecidos e inclui automaticamente estados adicionais encontrados nos dados.
 
-Nos dois cards, o bloco de estado apresenta o valor técnico, o rótulo legível, a barra de progresso e a mensagem de erro quando existir. O bloco **Formato** resolve nesta ordem `format`, `style_wide`, `style` e, por fim, `wide`, mantendo a apresentação de formatos como `wide`, `shorts`, `music` ou `full_ia` mesmo em tarefas antigas.
+Nos dois cards, o bloco de estado apresenta o valor técnico, o rótulo legível, a barra de progresso e a mensagem de erro quando existir. O bloco **Formato** resolve nesta ordem `format`, `style_wide`, `style` e, por fim, `wide`, mantendo a apresentação de formatos como `wide`, `shorts`, `music` ou `full_ia` mesmo em tarefas antigas. Em **Automação Youtube > Vídeos cadastrados**, o botão **Start** retoma a partir dos artefactos persistidos: reutiliza roteiro, título/keywords, vídeo, prompt e thumbnail prontos e só executa novamente uma etapa cujo resultado não exista. O botão **Apagar** remove o card da fila depois de confirmação e preserva os ficheiros de artefactos; uma tarefa em execução deve ser parada antes da remoção.
 
 ### Upload Música — JewelMusic, Pushtunes e ytmusicapi
 
@@ -542,7 +542,7 @@ Ao abrir a página, o Thunderbolt não prepara dados públicos, não descarrega
 
 Os parâmetros da UI são número de clusters entre 2 e 10, suporte mínimo entre 0,01 e 0,50, país, engagement, intervalo de datas e tags, todos dentro da área principal da aba. O núcleo normaliza os dados, calcula engagement, aplica filtros, faz transformação logarítmica e standardização, executa K-Means e calcula itemsets/regras com FP-Growth. Não são apresentados resultados até ao primeiro clique em **Analisar Nichos**; o mesmo botão aplica alterações posteriores aos filtros. Os resultados são DataFrames de clusters, itemsets frequentes, regras de associação e dados analisados; o gráfico de dispersão é criado nativamente com Plotly.
 
-As dependências adicionais — `scikit-learn`, `mlxtend`, `plotly`, `seaborn`, `matplotlib` e `kagglehub` — são instaladas pelo procedimento normal de `npx`. Em instalações existentes, execute novamente `npx.cmd --yes --prefer-online @danhachuel/thunderbolt@0.3.56 install`; o instalador detecta e reutiliza o que já estiver válido.
+As dependências adicionais — `scikit-learn`, `mlxtend`, `plotly`, `seaborn`, `matplotlib` e `kagglehub` — são instaladas pelo procedimento normal de `npx`. Em instalações existentes, execute novamente `npx.cmd --yes --prefer-online @danhachuel/thunderbolt@0.3.58 install`; o instalador detecta e reutiliza o que já estiver válido.
 
 ### Niche Finder Apify
 
@@ -580,7 +580,7 @@ O modo `Pexels/Pixabay` representa materiais de stock. Ao seleccionar `full_ia`,
 
 A aba **Roteiros**, colocada entre **Criação de Músicas** e **Upload**, permite seleccionar um canal opcional, um Blueprint, **Roteiro de vídeo** ou **Letra de música**, idioma, tema e estrutura. O botão **Gerar com IA a partir do Blueprint** usa o provider LLM configurado e devolve um rascunho Markdown editável; o utilizador deve rever e clicar em **Guardar documento no storage**. Os ficheiros são guardados em `storage/scripts/` e o índice em `storage/state/scripts.json`; o caminho absoluto aparece no topo da página. Na subaba **Vídeos** de **Criação de Vídeos**, a aplicação mostra a frase `Os vídeos são guardados em <storage>/videos`, que identifica a pasta local dos vídeos.
 
-A aba **Automação Youtube**, dentro do menu expansível **Automação**, apresenta os cartões no layout compacto de duas linhas: na primeira ficam avatar, nome, handle, toggle **Automação ligada** e horário; na segunda ficam **Idioma Padrão**, **Nicho Padrão**, **Blueprint Padrão**, **Narrador/Voz Padrão** e o botão **Guardar**. Blueprint e Narrador/Voz continuam editáveis no card; Idioma e Nicho são mostrados a partir da configuração guardada no canal. A aba também guarda **Automação ligada** e valida horários diários no formato `HH:MM`. Os valores ficam sincronizados com o editor existente no cartão da aba **Canais Youtube** e são copiados para novas tarefas. O launcher inicia o worker local, que consulta o relógio do computador, gera um briefing, título e pacote de thumbnail específicos com o provider LLM configurado, cria o lote agendado na fila e evita duplicar o mesmo canal no mesmo dia. Se a geração não puder ser executada, o erro fica registado e o placeholder antigo não é usado.
+A aba **Automação Youtube**, dentro do menu expansível **Automação**, apresenta os cartões no layout compacto de duas linhas: na primeira ficam avatar, nome, handle, toggle **Automação ligada** e horário; na segunda ficam **Idioma Padrão**, **Nicho Padrão**, **Blueprint Padrão**, **Narrador/Voz Padrão** e o botão **Guardar**. Blueprint e Narrador/Voz continuam editáveis no card; Idioma e Nicho são mostrados a partir da configuração guardada no canal. A aba também guarda **Automação ligada** e valida horários diários no formato `HH:MM`. Os valores ficam sincronizados com o editor existente no cartão da aba **Canais Youtube** e são copiados para novas tarefas. O launcher inicia o worker local, que consulta o relógio do computador, gera um briefing, título e pacote de thumbnail específicos com o provider LLM configurado, cria o lote agendado na fila e evita duplicar o mesmo canal no mesmo dia. Se a geração não puder ser executada, o erro fica registado e o placeholder antigo não é usado. Ao iniciar um vídeo cadastrado, o worker retoma o ponto persistido sem regenerar as etapas concluídas; se um roteiro não estiver guardado, ele é criado antes de continuar. O card inclui **Start**, **Stop** e **Apagar**, sendo a remoção protegida por confirmação.
 
 A área **Teste de vozes**, dentro de **Configurações > Configuração API**, é isolada da pipeline. O preview pode ser reproduzido e descarregado de `storage/voice_previews/`. Caminhos vazios, directórios, ficheiros vazios e previews sem permissões de leitura são ignorados com uma mensagem clara, sem traceback. Se uma instalação antiga mostrar que `edge-tts` está em falta, execute `npx.cmd --yes @danhachuel/thunderbolt install`; o detector reinstala apenas a dependência ausente.
 

package/README.md

@@ -32,7 +32,7 @@ A primeira versão implementa a camada UI independente com:
 
 A área **AI Influencers > Personagens** permite guardar um personagem com nome, biografia, idioma, Instagram Business ID opcional, várias imagens de referência e documentos `.md` ou `.json`. O campo **Idioma** é um selector que reutiliza exactamente a lista, os códigos e os labels visuais de **Pipeline Vídeos > Criação de Vídeos**. Cada asset é validado, sanitizado, deduplicado por SHA-256 e guardado separado do perfil; imagens têm pré-visualização e documentos são mostrados como Markdown ou JSON estruturado.
 
-O backend local predefinido é **SQLite**, por isso Personagens e Geração de Conteúdo IA funcionam imediatamente sem credenciais externas. Em **Configurações > Configuração API > API Keys > Banco de Dados Influencers**, pode manter **SQLite** ou seleccionar **Supabase** quando quiser uma base remota; nesse caso, configure o **Supabase Project URL**, a **Supabase API key** e o bucket de Storage, aplique `seed/references/ai_influencers_schema.sql` no SQL Editor e confirme Data API/RLS. SQLite cria localmente `storage/state/ai_influencers.db` e `storage/influencers/`; apenas um backend fica activo de cada vez. O botão **Testar ligação do backend** é read-only e não bloqueia a utilização local.
+O backend local predefinido é **SQLite**, por isso Personagens e Geração de Conteúdo IA funcionam imediatamente sem credenciais externas. Em **Configurações > Configuração API > AI Influencers > Banco de Dados Influencers**, pode manter **SQLite** ou seleccionar **Supabase** quando quiser uma base remota; nesse caso, configure o **Supabase Project URL**, a **Supabase API key** e o bucket de Storage, aplique `seed/references/ai_influencers_schema.sql` no SQL Editor e confirme Data API/RLS. SQLite cria localmente `storage/state/ai_influencers.db` e `storage/influencers/`; apenas um backend fica activo de cada vez. A aba **AI Influencers** mostra o estado actual e permite editar directamente o selector, as credenciais Supabase, o bucket de Storage e o caminho do SQLite. O botão **Testar ligação do backend** é read-only e não bloqueia a utilização local.
 
 A página **AI Influencers > Geração de Conteúdo IA** contém as subabas **Imagens**, **Vídeos** e **Motion Control**. Imagens usam os cartões activos do **Pool Imagem**; Vídeos usam os cartões activos do **Pool Vídeo** e exigem uma imagem inicial image-to-video. O selector de modelo não está preso ao Veo 3.1: pode utilizar KIE AI, Replicate, FAL AI, Pollinations ou outro cartão que declare suporte para vídeo. Para Replicate, o campo Modelo deve conter o identificador aceito pela API, como `owner/model` ou `owner/model:version`; a tarefa usa `POST /v1/predictions`, consulta o estado assíncrono e guarda o resultado localmente. A publicação para Instagram, TikTok, YouTube Shorts ou Facebook não é automática: os destinos são registados para revisão e o envio exige uma acção posterior explícita.
 
@@ -79,7 +79,7 @@ No topo da área principal da aplicação existe o menu nativo de idioma no padr
 
 A UI suporta os temas **Dark** e **Light** através do menu nativo de três pontos do Streamlit, no local original do toolbar. Não existe um selector Theme adicional dentro da página. A configuração distribuída em `.streamlit/config.toml` disponibiliza as variantes nomeadas **Dark** e **Light**, e o menu nativo continua responsável por alternar entre os modos, seguindo o padrão do [MoneyPrinterTurbo](https://github.com/harry0703/MoneyPrinterTurbo). O CSS próprio do Thunderbolt usa cores semânticas, `currentColor` e `color-mix` para acompanhar o tema activo, sem alterar a posição nem a funcionalidade do toolbar, do botão Deploy e do menu principal.
 
-## Navegação da UI 0.3.56
+## Navegação da UI 0.3.58
 
 A barra lateral mantém os níveis principais, nesta ordem: **Início**, **Niche Finder**, **Pipeline**, **Pipeline TikTok**, **Automação**, **Edição**, **AI Influencers** e **Configurações**. **Pipeline Vídeos** é expansível e contém **Criação de Vídeos**, **Backlog Vídeos**, **Roteiros**, **Thumbnails** e **Upload**. **Pipeline Música** é expansível e contém **Criação de Músicas** e **Upload Música**. **Automação** também é expansível e contém **Automação Youtube**. **Edição** é expansível e contém **Limpador de Metadados**, **Cortes**, **Editor Python** e **Download Mídia**, nessa ordem. **AI Influencers** é expansível e contém **Personagens**, **Geração de Conteúdo IA**, **Redes Sociais**, **Tutorial Meta** e **Tutorial Supabase**, nessa ordem. A página Geração de Conteúdo IA divide-se em **Imagens**, **Vídeos** e **Motion Control**; a subaba Motion Control permanece vazia nesta release.
  **Niche Finder** é expansível e contém **Niche Finder Kaggle** e **Niche Finder Apify**. **Configurações** é expansível e contém **Canais Youtube**, **Blueprints Youtube**, **MCP**, **Contas Google**, **Notificações**, **Logs** e **Configuração API**, nessa ordem. O Início reúne o dashboard e as filas do Pipeline, sem botões de acções rápidas.
@@ -118,6 +118,8 @@ A página **Edição > Download Mídia** utiliza a API Python do [yt-dlp](https:
 
 Os dois cards mostram de forma consistente o estado técnico, o rótulo legível, a barra de progresso, a etapa e o formato do vídeo. São suportados estados como `to_do`, `doing`, `blocked`, `done`, `failed` e `cancelled`; formatos ausentes usam `format`, `style_wide` ou `wide` como fallback. Quando existe `artifacts.video`, o Backlog mostra que o vídeo está pronto e disponibiliza a descarga do MP4 mesmo que a thumbnail esteja pendente.
 
+Em **Automação Youtube > Vídeos cadastrados**, o botão **Start** retoma a tarefa a partir dos artefactos persistidos. O worker reutiliza o roteiro, título/keywords, MP4, prompt de thumbnail e imagem já existentes; só volta a gerar uma etapa quando o respectivo resultado não está disponível, e repete o upload apenas quando ele ainda não foi concluído. O botão **Apagar** remove o vídeo da fila e de `tasks.json` após confirmação, preservando os ficheiros de artefactos; tarefas em execução devem ser paradas antes de serem removidas.
+
 ## Canais Youtube — edição por cartão e vídeos recentes
 
 A página **Canais Youtube** mantém o cadastro e a importação existentes, mas cada cartão agora tem o botão **Editar**. O editor permite alterar nome, URL, handle, idioma, estilo wide, **Nicho**, **Blueprint Padrão**, **Narrador/Voz Padrão**, conta Google do Upload directo, descrição e Automação ON/horário. O nicho aparece imediatamente abaixo do nome do canal no cartão; quando não existe, a UI mostra **SEM NICHO CONFIGURADO**.
@@ -356,7 +358,7 @@ A subaba **Roteiros**, entre **Criação de Músicas** e **Upload**, permite esc
 
 Na subaba **Vídeos** de **Criação de Vídeos**, a frase `Os vídeos são guardados em <storage>/videos` identifica a pasta real onde os artefactos de vídeo devem ser procurados.
 
-O agente musical guarda os ficheiros em `storage/music/`, aceita formatos de áudio comuns e pode descarregar uma URL de áudio devolvida por um endpoint Suno compatível. Em **Canais Youtube**, abra **Definir Blueprint e voz padrão** no cartão do canal para guardar os defaults; em **Automação Youtube**, os mesmos dois selectores aparecem no cartão e são sincronizados. Esses valores são usados automaticamente em novas tarefas criadas para o canal. A aba **Automação Youtube** também guarda `Automação ON` e um horário diário `HH:MM` por canal e lista os vídeos cadastrados; por definição, esta entrega não executa workers de fundo.
+O agente musical guarda os ficheiros em `storage/music/`, aceita formatos de áudio comuns e pode descarregar uma URL de áudio devolvida por um endpoint Suno compatível. Em **Canais Youtube**, abra **Definir Blueprint e voz padrão** no cartão do canal para guardar os defaults; em **Automação Youtube**, os mesmos dois selectores aparecem no cartão e são sincronizados. Esses valores são usados automaticamente em novas tarefas criadas para o canal. A aba **Automação Youtube** também guarda `Automação ON` e um horário diário `HH:MM` por canal e lista os vídeos cadastrados. Nos cards, **Start** retoma o processamento sem regenerar etapas já prontas, enquanto **Apagar** remove o card da fila após confirmação e preserva os artefactos locais. O worker continua a ser executado pelo processo local configurado.
 
 ## Teste de vozes
 

package/app/influencers_ui.py

@@ -103,9 +103,9 @@ def _provider_label(card: Mapping[str, Any]) -> str:
 
 
 def render_ai_influencers_api_status(settings: dict[str, Any]) -> None:
-    """Read-only status tab; credentials are edited in the API Keys expander."""
+    """Show backend status; editable selector and credentials are rendered by the settings page."""
     st.subheader("AI Influencers")
-    st.caption("Estado do backend usado por Personagens e Geração de Conteúdo IA. As credenciais são editadas apenas em API Keys > Banco de Dados Influencers.")
+    st.caption("Estado do backend usado por Personagens e Geração de Conteúdo IA. O selector e as credenciais são editados nesta aba, em Banco de Dados Influencers.")
     status = backend_status(settings)
     cols = st.columns(3)
     with cols[0]:

package/app/main.py

@@ -22,7 +22,7 @@ try:
 except (OSError, json.JSONDecodeError):
     APP_VERSION = ""
 
-from hermes_ui.domain import STAGES, create_batch, create_channel, create_tasks_for_batch, delete_channel, pipeline_summary, set_channel_defaults, transition_task, update_channel, update_channel_video
+from hermes_ui.domain import STAGES, create_batch, create_channel, create_tasks_for_batch, delete_channel, delete_task, pipeline_summary, set_channel_defaults, transition_task, update_channel, update_channel_video
 from hermes_ui.drafts import list_drafts, save_draft
 from hermes_ui.automation_worker import load_worker_status
 from hermes_ui.pipeline_worker import load_pipeline_worker_status, recover_stale_tasks, STALE_TASK_SECONDS, WORKER_HEARTBEAT_TIMEOUT_SECONDS
@@ -3887,6 +3887,7 @@ def render_automation():
 
     st.divider()
     st.subheader("Vídeos cadastrados")
+    st.caption("Start retoma as etapas já concluídas e só gera novamente o que ainda não estiver pronto. Apagar remove o card da fila após confirmação e preserva os artefactos locais.")
     tasks = load_video_tasks_for_catalog()
     if not tasks:
         st.info("Ainda não existem vídeos cadastrados.")
@@ -3903,7 +3904,7 @@ def render_automation():
                 st.write(_video_task_format(task))
             with task_cols[3]:
                 state = str(task.get("state") or "")
-                start_col, stop_col = st.columns(2)
+                start_col, stop_col, delete_col = st.columns(3)
                 with start_col:
                     if st.button("Start", key=f"automation_start_{task['id']}", use_container_width=True, disabled=state not in {"to_do", "blocked", "failed"}):
                         transition_task(task["id"], "doing")
@@ -3912,6 +3913,26 @@ def render_automation():
                     if st.button("Stop", key=f"automation_stop_{task['id']}", use_container_width=True, disabled=state != "doing"):
                         transition_task(task["id"], "blocked")
                         st.rerun()
+                with delete_col:
+                    confirm_delete_key = f"automation_confirm_delete_{task['id']}"
+                    if st.button("Apagar", key=f"automation_delete_{task['id']}", use_container_width=True, disabled=state == "doing"):
+                        st.session_state[confirm_delete_key] = True
+                        st.rerun()
+                    if st.session_state.get(confirm_delete_key):
+                        st.warning("Remover este vídeo da fila? Os ficheiros de artefactos serão preservados.")
+                        confirm_col, cancel_col = st.columns(2)
+                        with confirm_col:
+                            if st.button("Confirmar", key=f"automation_confirm_delete_button_{task['id']}", use_container_width=True, type="primary"):
+                                try:
+                                    delete_task(task["id"])
+                                    st.session_state.pop(confirm_delete_key, None)
+                                    st.rerun()
+                                except ValueError as exc:
+                                    st.error(str(exc))
+                        with cancel_col:
+                            if st.button("Cancelar", key=f"automation_cancel_delete_{task['id']}", use_container_width=True):
+                                st.session_state.pop(confirm_delete_key, None)
+                                st.rerun()
 
 
 def render_upload_direct():
@@ -5437,20 +5458,7 @@ def render_settings():
 
                 render_media_provider_cards(settings, embedded=True)
 
-                with st.expander("Banco de Dados Influencers", expanded=False):
-                    st.caption("Escolha um backend para personagens e conteúdos. SQLite local funciona sem credenciais externas; Supabase é opcional para quem quiser usar uma base remota. O teste é read-only e não cria nem elimina registos.")
-                    configured_backend = backend_name(settings)
-                    influencer_db_backend = st.selectbox("Backend da base de dados de AI Influencers", list(BACKEND_OPTIONS), index=list(BACKEND_OPTIONS).index(configured_backend), key="settings_influencer_db_backend")
-                    db_cols = st.columns(2)
-                    with db_cols[0]:
-                        influencer_supabase_url = text_setting("Supabase Project URL", "influencer_supabase_url", help_text="URL do projecto, por exemplo https://project-id.supabase.co")
-                        influencer_supabase_key = text_setting("Supabase API key", "influencer_supabase_key", secret=True, help_text="Use uma chave com as permissões RLS adequadas. Nunca é colocada no GitHub ou nos logs.")
-                        influencer_supabase_bucket = text_setting("Supabase Storage bucket", "influencer_supabase_bucket", help_text="Bucket usado para imagens e documentos, por defeito ai-influencers.")
-                    with db_cols[1]:
-                        influencer_sqlite_path = text_setting("SQLite ficheiro local", "influencer_sqlite_path", help_text="Caminho absoluto ou relativo ao projecto. Por defeito: storage/state/ai_influencers.db")
-                        st.caption("SQLite usa a biblioteca standard do Python e cria o schema automaticamente ao testar ou usar o backend.")
-                    db_test_clicked = st.form_submit_button("Testar ligação do backend", use_container_width=True, key="api_test_influencer_database")
-                    st.caption("Para Supabase, aplique primeiro seed/references/ai_influencers_schema.sql no SQL Editor e configure o bucket/políticas RLS.")
+                st.info("A configuração do backend AI Influencers, incluindo o selector entre SQLite e Supabase e as credenciais, está na aba AI Influencers.")
 
                 with st.expander("Voz, TTS e música — Azure Speech, restantes serviços e Suno", expanded=False):
                     st.caption("Cada serviço está separado no seu próprio cartão. Os botões de teste ficam dentro do cartão correspondente e fazem apenas diagnóstico, sem gerar áudio ou música.")
@@ -5599,15 +5607,6 @@ def render_settings():
                         widget_key="api_test_postiz",
                     )
 
-                if db_test_clicked:
-                    test_settings = dict(settings)
-                    test_settings.update({"influencer_db_backend": influencer_db_backend, "influencer_supabase_url": influencer_supabase_url, "influencer_supabase_key": influencer_supabase_key, "influencer_supabase_bucket": influencer_supabase_bucket, "influencer_sqlite_path": influencer_sqlite_path})
-                    db_result = test_backend(test_settings)
-                    if db_result.get("ok"):
-                        st.success(db_result.get("message") or "Backend disponível.")
-                    else:
-                        st.error(db_result.get("message") or "O backend não está disponível.")
-
                 save_all_settings = st.form_submit_button("Guardar configurações do Thunderbolt", type="primary")
                 if save_all_settings:
                     settings.update({
@@ -5615,7 +5614,6 @@ def render_settings():
                         "kaggle_username": kaggle_username.strip(), "kaggle_api_key": kaggle_api_key.strip(), "kaggle_kernel_slug": kaggle_kernel_slug.strip() or "thunderbolt-niche-finder",
                         "apify_api_token": apify_api_token.strip(), "apify_actor_id": apify_actor_id.strip() or DEFAULT_ACTOR_ID, "apify_poll_interval_seconds": int(apify_poll_interval), "apify_run_timeout_seconds": int(apify_run_timeout),
                         "llm_rpm_limit_enabled": bool(llm_rpm_limit_enabled), "llm_rpm_limit": int(llm_rpm_limit), "llm_rpm_window_seconds": int(llm_rpm_window_seconds),
-                        "influencer_db_backend": influencer_db_backend, "influencer_supabase_url": influencer_supabase_url.strip(), "influencer_supabase_key": influencer_supabase_key.strip(), "influencer_supabase_bucket": influencer_supabase_bucket.strip() or "ai-influencers", "influencer_sqlite_path": influencer_sqlite_path.strip() or "storage/state/ai_influencers.db",
                         "azure_speech_key": azure_speech_key, "azure_speech_region": azure_speech_region,
                         "siliconflow_tts_api_key": siliconflow_tts_api_key, "minimax_tts_api_key": minimax_tts_api_key,
                         "minimax_tts_base_url": minimax_tts_base_url, "minimax_tts_model_id": minimax_tts_model_id, "minimax_tts_voice_id": minimax_tts_voice_id,
@@ -5647,6 +5645,48 @@ def render_settings():
 
     with ai_influencers_tab:
         render_ai_influencers_api_status(settings)
+        st.divider()
+        st.subheader("Banco de Dados Influencers")
+        st.caption("Escolha o backend usado por Personagens e Geração de Conteúdo IA. SQLite local funciona sem credenciais externas; Supabase é opcional. Se Supabase estiver seleccionado mas ainda incompleto, o sistema mantém SQLite como fallback operacional.")
+        with st.form("influencer_database_settings_form"):
+            saved_backend = str(settings.get("influencer_db_backend") or "SQLite").strip()
+            backend_index = list(BACKEND_OPTIONS).index(saved_backend) if saved_backend in BACKEND_OPTIONS else list(BACKEND_OPTIONS).index("SQLite")
+            influencer_db_backend = st.selectbox(
+                "Backend da base de dados de AI Influencers",
+                list(BACKEND_OPTIONS),
+                index=backend_index,
+                key="settings_influencer_db_backend",
+                help="Seleccione Supabase para usar a base remota ou SQLite para guardar tudo localmente.",
+            )
+            db_cols = st.columns(2)
+            with db_cols[0]:
+                influencer_supabase_url = text_setting("Supabase Project URL", "influencer_supabase_url", help_text="URL do projecto, por exemplo https://project-id.supabase.co")
+                influencer_supabase_key = text_setting("Supabase API key", "influencer_supabase_key", secret=True, help_text="Use uma chave com as permissões RLS adequadas. Nunca é colocada no GitHub ou nos logs.")
+                influencer_supabase_bucket = text_setting("Supabase Storage bucket", "influencer_supabase_bucket", help_text="Bucket usado para imagens e documentos, por defeito ai-influencers.")
+            with db_cols[1]:
+                influencer_sqlite_path = text_setting("SQLite ficheiro local", "influencer_sqlite_path", help_text="Caminho absoluto ou relativo ao projecto. Por defeito: storage/state/ai_influencers.db")
+                st.caption("SQLite usa a biblioteca standard do Python e cria o schema automaticamente ao testar ou usar o backend.")
+            test_backend_clicked = st.form_submit_button("Testar ligação do backend", use_container_width=True)
+            save_backend_clicked = st.form_submit_button("Guardar configuração do backend", type="primary", use_container_width=True)
+        if test_backend_clicked:
+            test_settings = dict(settings)
+            test_settings.update({"influencer_db_backend": influencer_db_backend, "influencer_supabase_url": influencer_supabase_url, "influencer_supabase_key": influencer_supabase_key, "influencer_supabase_bucket": influencer_supabase_bucket, "influencer_sqlite_path": influencer_sqlite_path})
+            db_result = test_backend(test_settings)
+            if db_result.get("ok"):
+                st.success(db_result.get("message") or "Backend disponível.")
+            else:
+                st.error(db_result.get("message") or "O backend não está disponível.")
+        if save_backend_clicked:
+            settings.update({
+                "influencer_db_backend": influencer_db_backend,
+                "influencer_supabase_url": influencer_supabase_url.strip(),
+                "influencer_supabase_key": influencer_supabase_key.strip(),
+                "influencer_supabase_bucket": influencer_supabase_bucket.strip() or "ai-influencers",
+                "influencer_sqlite_path": influencer_sqlite_path.strip() or "storage/state/ai_influencers.db",
+            })
+            write_json("settings.json", settings)
+            st.success("Configuração do backend AI Influencers guardada.")
+            st.rerun()
 
     with voice_test_tab:
         st.subheader("Teste de Voz")

package/hermes_ui/domain.py

@@ -259,6 +259,29 @@ def update_task(task_id: str, updates: dict[str, Any]) -> dict[str, Any] | None:
     return None
 
 
+def delete_task(task_id: str) -> dict[str, Any] | None:
+    """Remove uma tarefa de vídeo da fila sem apagar os ficheiros dos artefactos."""
+    normalized_id = str(task_id or "").strip()
+    if not normalized_id:
+        return None
+    tasks = read_json("tasks.json", [])
+    if not isinstance(tasks, list):
+        return None
+    removed = next((task for task in tasks if isinstance(task, dict) and str(task.get("id") or "") == normalized_id), None)
+    if removed is None:
+        return None
+    if str(removed.get("state") or "") == "doing":
+        raise ValueError("Pare a tarefa antes de a remover da fila.")
+    write_json("tasks.json", [task for task in tasks if not (isinstance(task, dict) and str(task.get("id") or "") == normalized_id)])
+    queues = read_json("queues.json", {})
+    if isinstance(queues, dict):
+        for queue_name, queue_items in list(queues.items()):
+            if isinstance(queue_items, list):
+                queues[queue_name] = [item for item in queue_items if str(item) != normalized_id]
+        write_json("queues.json", queues)
+    return removed
+
+
 def transition_task(task_id: str, state: str | None = None, stage: str | None = None, error: str | None = None) -> dict[str, Any] | None:
     if state and state not in VALID_STATES:
         raise ValueError(f"Estado inválido: {state}")

package/hermes_ui/pipeline_worker.py

@@ -459,6 +459,58 @@ def _run_video_helper(task: dict[str, Any]) -> Path:
     return video_path
 
 
+def _read_persisted_script(task: dict[str, Any], channel: dict[str, Any], blueprint: dict[str, Any], topic: str) -> dict[str, Any] | None:
+    """Load a previously saved script so retries do not regenerate it."""
+    artifacts = task.get("artifacts") if isinstance(task.get("artifacts"), dict) else {}
+    script_path = Path(str(artifacts.get("script") or "")).expanduser()
+    if not script_path.is_file() or script_path.stat().st_size <= 0:
+        return None
+    try:
+        raw = script_path.read_text(encoding="utf-8").strip()
+    except OSError:
+        return None
+    if not raw:
+        return None
+    content = raw
+    if raw.startswith("---"):
+        parts = raw.split("---", 2)
+        if len(parts) == 3:
+            content = parts[2].strip()
+            if content.startswith(">"):
+                content = "\n".join(line[1:].lstrip() if line.startswith(">") else line for line in content.splitlines()).strip()
+    return {
+        "document_type": "video_script",
+        "title": str(task.get("title") or topic),
+        "summary": topic,
+        "content": content,
+        "language": str(task.get("language") or channel.get("language") or "Português"),
+        "blueprint_id": str(blueprint.get("id") or ""),
+        "blueprint_name": str(blueprint.get("name") or "SEM BLUEPRINT CONFIGURADO"),
+        "channel_id": str(channel.get("id") or ""),
+        "channel_name": str(channel.get("name") or "Canal sem nome"),
+        "generated_by": "persisted_pipeline_artifact",
+    }
+
+
+def _valid_artifact_path(value: Any) -> Path | None:
+    path = Path(str(value or "")).expanduser()
+    try:
+        return path if path.is_file() and path.stat().st_size > 0 else None
+    except OSError:
+        return None
+
+
+def _read_json_artifact(value: Any) -> dict[str, Any] | None:
+    path = _valid_artifact_path(value)
+    if path is None:
+        return None
+    try:
+        payload = json.loads(path.read_text(encoding="utf-8"))
+    except (OSError, json.JSONDecodeError):
+        return None
+    return payload if isinstance(payload, dict) else None
+
+
 def _run_task(task: dict[str, Any]) -> dict[str, Any]:
     task_id = str(task.get("id") or "")
     channel = _channel_for_task(task)
@@ -473,116 +525,130 @@ def _run_task(task: dict[str, Any]) -> dict[str, Any]:
             raise PipelineError("A IA não devolveu um tema válido.")
         _update(task_id, topic=topic, topic_source="llm", ai_generation={"topic": topic_result}, progress=12)
 
-    _update(task_id, stage="script", state="doing", progress=18, error=None)
     generation_settings = task.get("generation_settings") if isinstance(task.get("generation_settings"), dict) else {}
-    provided_script = str(generation_settings.get("video_script") or "").strip()
-    if provided_script:
-        script = {
-            "document_type": "video_script",
-            "title": str(task.get("title") or topic),
-            "summary": topic,
-            "content": provided_script,
-            "language": str(task.get("language") or channel.get("language") or "Português"),
-            "blueprint_id": str(blueprint.get("id") or ""),
-            "blueprint_name": str(blueprint.get("name") or "SEM BLUEPRINT CONFIGURADO"),
-            "channel_id": str(channel.get("id") or ""),
-            "channel_name": str(channel.get("name") or "Canal sem nome"),
-            "generation_settings": generation_settings,
-            "generated_by": "video_creation_form",
-        }
-    else:
-        script = generate_script_document(
-            settings,
-            document_type="Roteiro de vídeo",
-            title=str(task.get("title") or topic),
-            brief=topic,
-            language=str(task.get("language") or channel.get("language") or "Português"),
-            channel=channel,
-            blueprint=blueprint,
-            structure_notes=str(generation_settings.get("script_structure_notes") or ""),
-            generation_settings=generation_settings,
-        )
-    script_record = save_script_document(script)
     artifacts = dict(task.get("artifacts") or {})
-    artifacts["script"] = script_record.get("path", "")
-    _update(task_id, artifacts=artifacts, progress=30)
+    script = _read_persisted_script(task, channel, blueprint, topic)
+    if script is None:
+        _update(task_id, stage="script", state="doing", progress=18, error=None)
+        provided_script = str(generation_settings.get("video_script") or "").strip()
+        if provided_script:
+            script = {
+                "document_type": "video_script",
+                "title": str(task.get("title") or topic),
+                "summary": topic,
+                "content": provided_script,
+                "language": str(task.get("language") or channel.get("language") or "Português"),
+                "blueprint_id": str(blueprint.get("id") or ""),
+                "blueprint_name": str(blueprint.get("name") or "SEM BLUEPRINT CONFIGURADO"),
+                "channel_id": str(channel.get("id") or ""),
+                "channel_name": str(channel.get("name") or "Canal sem nome"),
+                "generation_settings": generation_settings,
+                "generated_by": "video_creation_form",
+            }
+        else:
+            script = generate_script_document(
+                settings,
+                document_type="Roteiro de vídeo",
+                title=str(task.get("title") or topic),
+                brief=topic,
+                language=str(task.get("language") or channel.get("language") or "Português"),
+                channel=channel,
+                blueprint=blueprint,
+                structure_notes=str(generation_settings.get("script_structure_notes") or ""),
+                generation_settings=generation_settings,
+            )
+        script_record = save_script_document(script)
+        artifacts["script"] = script_record.get("path", "")
+        _update(task_id, artifacts=artifacts, progress=max(30, int(task.get("progress") or 0)))
+    else:
+        _update(task_id, artifacts=artifacts, error=None, progress=max(30, int(task.get("progress") or 0)))
 
-    _update(task_id, stage="title", state="doing", progress=35)
-    provided_title = str(task.get("title") or "").strip()
-    provided_keywords = generation_settings.get("video_keywords") or task.get("keywords")
+    title = str(task.get("title") or "").strip()
+    provided_keywords = generation_settings.get("video_keywords") or task.get("keywords") or task.get("tags")
     if isinstance(provided_keywords, str):
         provided_keywords = re.split(r"[,\n;|]+", provided_keywords)
-    provided_keywords = [str(item).strip() for item in provided_keywords or [] if str(item).strip()]
+    keywords = [str(item).strip() for item in provided_keywords or [] if str(item).strip()][:15]
     title_candidates = task.get("title_candidates") if isinstance(task.get("title_candidates"), list) else []
-    editorial: dict[str, Any] = {
-        "title": provided_title or topic,
-        "title_candidates": title_candidates,
-        "keywords": provided_keywords,
-    }
-    if not provided_title:
-        try:
-            editorial = generate_title_and_keywords(
-                settings,
-                channel,
-                topic,
-                blueprint,
-                language=str(task.get("language") or channel.get("language") or "Português"),
-            )
-        except CreativeGenerationError:
-            # A falha editorial não deve impedir a geração do vídeo: usa o tema
-            # como título e keywords determinísticas, deixando o erro de imagem
-            # para a etapa posterior e independente da criação do MP4.
-            editorial = {"title": topic, "title_candidates": [], "keywords": []}
-    title = str(editorial.get("title") or provided_title or topic).strip()
-    keywords = provided_keywords[:15] or (
-        editorial.get("keywords") if isinstance(editorial.get("keywords"), list) else []
-    )
-    keywords = [str(item).strip() for item in keywords if str(item).strip()][:15] or _keywords(
-        topic,
-        title,
-        str(channel.get("niche") or ""),
-    )
-    title_candidates = editorial.get("title_candidates") if isinstance(editorial.get("title_candidates"), list) else title_candidates
-    title_artifact = _save_json_artifact(
-        task_id,
-        "title-keywords",
-        {"topic": topic, "title": title, "keywords": keywords, "title_candidates": title_candidates},
-    )
-    artifacts = {**artifacts, "title_keywords": title_artifact}
-    _update(task_id, title=title, tags=keywords, artifacts=artifacts, title_candidates=title_candidates, progress=45)
+    if not title or not keywords:
+        _update(task_id, stage="title", state="doing", progress=max(35, int(task.get("progress") or 0)), error=None)
+        editorial: dict[str, Any] = {
+            "title": title or topic,
+            "title_candidates": title_candidates,
+            "keywords": keywords,
+        }
+        if not title:
+            try:
+                editorial = generate_title_and_keywords(
+                    settings,
+                    channel,
+                    topic,
+                    blueprint,
+                    language=str(task.get("language") or channel.get("language") or "Português"),
+                )
+            except CreativeGenerationError:
+                # A falha editorial não deve impedir a geração do vídeo: usa o tema
+                # como título e keywords determinísticas, deixando o erro de imagem
+                # para a etapa posterior e independente da criação do MP4.
+                editorial = {"title": topic, "title_candidates": [], "keywords": []}
+        title = str(editorial.get("title") or title or topic).strip()
+        keywords = keywords or (
+            editorial.get("keywords") if isinstance(editorial.get("keywords"), list) else []
+        )
+        keywords = [str(item).strip() for item in keywords if str(item).strip()][:15] or _keywords(
+            topic,
+            title,
+            str(channel.get("niche") or ""),
+        )
+        title_candidates = editorial.get("title_candidates") if isinstance(editorial.get("title_candidates"), list) else title_candidates
+        title_artifact = _save_json_artifact(
+            task_id,
+            "title-keywords",
+            {"topic": topic, "title": title, "keywords": keywords, "title_candidates": title_candidates},
+        )
+        artifacts["title_keywords"] = title_artifact
+        _update(task_id, title=title, tags=keywords, artifacts=artifacts, title_candidates=title_candidates, progress=max(45, int(task.get("progress") or 0)))
+    else:
+        _update(task_id, title=title, tags=keywords, artifacts=artifacts, title_candidates=title_candidates, error=None, progress=max(50, int(task.get("progress") or 0)))
 
-    _update(task_id, stage="keywords", state="doing", progress=48)
-    _update(task_id, tags=keywords, progress=50)
+    _update(task_id, stage="keywords", state="doing", progress=max(50, int(task.get("progress") or 0)), error=None)
+    _update(task_id, tags=keywords, progress=max(50, int(task.get("progress") or 0)))
 
     # O vídeo é deliberadamente concluído antes de qualquer chamada ao provider
     # de imagem. O artefacto fica persistido mesmo que a quota da thumbnail falhe.
-    _update(task_id, stage="video", state="doing", progress=52, error=None)
-    video_cards = media_cards_for_pool(settings, "video")
-    if bool(settings.get("media_video_pool_enabled")) and video_cards:
-        try:
-            video_prompt = _append_generation_constraints(
-                f"Título: {title}\n\nRoteiro:\n{str(script.get('content') or '')[:12000]}",
-                kind="video",
-            )
-            video_path = generate_video_from_pool(settings, video_prompt)
-        except MediaGenerationError as exc:
-            raise PipelineError(f"Pool de vídeo externo: {exc}") from exc
+    existing_video = _valid_artifact_path(artifacts.get("video"))
+    if existing_video is None:
+        _update(task_id, stage="video", state="doing", progress=max(52, int(task.get("progress") or 0)), error=None)
+        video_cards = media_cards_for_pool(settings, "video")
+        if bool(settings.get("media_video_pool_enabled")) and video_cards:
+            try:
+                video_prompt = _append_generation_constraints(
+                    f"Título: {title}\n\nRoteiro:\n{str(script.get('content') or '')[:12000]}",
+                    kind="video",
+                )
+                video_path = generate_video_from_pool(settings, video_prompt)
+            except MediaGenerationError as exc:
+                raise PipelineError(f"Pool de vídeo externo: {exc}") from exc
+        else:
+            video_path = _run_video_helper({**task, "topic": topic, "title": title})
+        current_after_video = _task_by_id(task_id) or {}
+        artifacts = dict(current_after_video.get("artifacts") or artifacts)
+        artifacts["video"] = str(video_path)
+        _update(task_id, artifacts=artifacts, video_ready=True, progress=max(80, int(task.get("progress") or 0)))
     else:
-        video_path = _run_video_helper({**task, "topic": topic, "title": title})
-    current_after_video = _task_by_id(task_id) or {}
-    artifacts = dict(current_after_video.get("artifacts") or artifacts)
-    artifacts["video"] = str(video_path)
-    _update(task_id, artifacts=artifacts, video_ready=True, progress=80)
+        video_path = existing_video
+        artifacts["video"] = str(existing_video)
+        _update(task_id, stage="video", state="doing", artifacts=artifacts, video_ready=True, error=None, progress=max(80, int(task.get("progress") or 0)))
 
-    _update(task_id, stage="thumbnail_prompt", state="doing", progress=82, error=None)
+    persisted_prompt = _read_json_artifact(artifacts.get("thumbnail_prompt_json"))
+    persisted_variant = persisted_prompt.get("thumbnail") if isinstance(persisted_prompt, dict) and isinstance(persisted_prompt.get("thumbnail"), dict) else {}
     existing_variant = task.get("thumbnail_variant") if isinstance(task.get("thumbnail_variant"), dict) else {}
-    existing_variant = dict(existing_variant)
-    if not str(existing_variant.get("image_prompt") or "").strip() and str(task.get("thumbnail_prompt") or "").strip():
-        existing_variant["image_prompt"] = str(task.get("thumbnail_prompt") or "").strip()
-    if not str(existing_variant.get("overlay_text") or "").strip() and str(task.get("thumbnail_text") or "").strip():
-        existing_variant["overlay_text"] = str(task.get("thumbnail_text") or "").strip()
-    variant = existing_variant
+    variant = {**persisted_variant, **dict(existing_variant)}
+    if not str(variant.get("image_prompt") or "").strip() and str(task.get("thumbnail_prompt") or "").strip():
+        variant["image_prompt"] = str(task.get("thumbnail_prompt") or "").strip()
+    if not str(variant.get("overlay_text") or "").strip() and str(task.get("thumbnail_text") or "").strip():
+        variant["overlay_text"] = str(task.get("thumbnail_text") or "").strip()
     if not str(variant.get("image_prompt") or "").strip():
+        _update(task_id, stage="thumbnail_prompt", state="doing", progress=max(82, int(task.get("progress") or 0)), error=None)
         try:
             variant = generate_thumbnail_prompt(
                 settings,
@@ -608,24 +674,25 @@ def _run_task(task: dict[str, Any]) -> dict[str, Any]:
             "lettering_prompt": str(variant.get("lettering_prompt") or ""),
         },
     }
-    prompt_artifact = _save_json_artifact(task_id, "thumbnail-prompt", prompt_payload)
-    artifacts["thumbnail_prompt_json"] = prompt_artifact
+    if _valid_artifact_path(artifacts.get("thumbnail_prompt_json")) is None:
+        artifacts["thumbnail_prompt_json"] = _save_json_artifact(task_id, "thumbnail-prompt", prompt_payload)
     _update(
         task_id,
         stage="thumbnail_prompt",
         state="doing",
-        progress=84,
+        progress=max(84, int(task.get("progress") or 0)),
         thumbnail_variant=variant,
         thumbnail_prompt=str(variant.get("image_prompt") or ""),
         thumbnail_text=str(variant.get("overlay_text") or ""),
         thumbnail_status="prompt_ready",
         artifacts=artifacts,
+        error=None,
     )
 
-    _update(task_id, stage="thumbnail", state="doing", progress=86, error=None)
+    _update(task_id, stage="thumbnail", state="doing", progress=max(86, int(task.get("progress") or 0)), error=None)
     current_artifacts = dict((_task_by_id(task_id) or {}).get("artifacts") or artifacts)
-    existing_thumbnail = Path(str(current_artifacts.get("thumbnail") or variant.get("image_path") or "")).expanduser()
-    if existing_thumbnail.is_file() and existing_thumbnail.stat().st_size > 0:
+    existing_thumbnail = _valid_artifact_path(current_artifacts.get("thumbnail") or variant.get("image_path"))
+    if existing_thumbnail is not None:
         thumbnail_path = existing_thumbnail
     else:
         try:
@@ -641,9 +708,13 @@ def _run_task(task: dict[str, Any]) -> dict[str, Any]:
             raise PipelineError(f"A thumbnail não foi gerada; o vídeo já está disponível em {video_path}: {exc}") from exc
     artifacts = dict((_task_by_id(task_id) or {}).get("artifacts") or current_artifacts)
     artifacts["thumbnail"] = str(thumbnail_path)
-    _update(task_id, artifacts=artifacts, thumbnail_status="generated", progress=90)
+    _update(task_id, artifacts=artifacts, thumbnail_status="generated", progress=max(90, int(task.get("progress") or 0)))
+
+    stored_upload = artifacts.get("upload")
+    if isinstance(stored_upload, dict) and stored_upload:
+        return _update(task_id, stage="upload", state="done", progress=100, artifacts=artifacts, video_ready=True, error=None)
 
-    _update(task_id, stage="upload", state="doing", progress=94, error=None)
+    _update(task_id, stage="upload", state="doing", progress=max(94, int(task.get("progress") or 0)), error=None)
     result = upload_with_default_route(
         settings,
         storage_root=STORAGE,

package/package.json

@@ -1,6 +1,6 @@
 {
   "name": "@danhachuel/thunderbolt",
-  "version": "0.3.56",
+  "version": "0.3.58",
   "description": "Thunderbolt — interface local para operação de canais faceless e motor MoneyPrinterTurbo",
   "license": "MIT",
   "main": "scripts/cli.mjs",

package/seed/references/guide-supabase.md

@@ -60,9 +60,9 @@ Depois, carregue a imagem de referência para o bucket usando o botão `Upload f
 
 Para usar **AI Influencers > Personagens** e **Geração de Conteúdo IA** com Supabase, aplique o ficheiro `seed/references/ai_influencers_schema.sql` no SQL Editor. Ele cria as tabelas `influencers`, `influencer_assets`, `influencer_weekly_plans` e `influencer_content`, além dos índices e da activação de RLS.
 
-No Thunderbolt, abra **Configurações > Configuração API > API Keys > Banco de Dados Influencers**, seleccione **Supabase** e preencha o **Supabase Project URL**, a **Supabase API key** e o bucket de Storage. Crie o bucket com o mesmo nome configurado, por defeito `ai-influencers`, e confirme as políticas RLS/Storage antes de guardar imagens ou documentos. A chave não deve ser colocada no GitHub, nos workflows JSON ou em screenshots.
+No Thunderbolt, abra **Configurações > Configuração API > AI Influencers > Banco de Dados Influencers**, seleccione **Supabase** e preencha o **Supabase Project URL**, a **Supabase API key** e o bucket de Storage. Crie o bucket com o mesmo nome configurado, por defeito `ai-influencers`, e confirme as políticas RLS/Storage antes de guardar imagens ou documentos. A chave não deve ser colocada no GitHub, nos workflows JSON ou em screenshots.
 
-O Thunderbolt usa o Supabase como backend seleccionado, não como executor de n8n: os assets são enviados ao Storage, os metadados ficam nas tabelas e os estados de geração ficam em `influencer_content`. Para uma execução totalmente local, seleccione **SQLite** no mesmo expander; a alternativa cria `storage/state/ai_influencers.db` e não utiliza a conta Supabase.
+O Thunderbolt usa o Supabase como backend seleccionado, não como executor de n8n: os assets são enviados ao Storage, os metadados ficam nas tabelas e os estados de geração ficam em `influencer_content`. Para uma execução totalmente local, seleccione **SQLite** no mesmo painel; a alternativa cria `storage/state/ai_influencers.db` e não utiliza a conta Supabase.
 
 A conta Supabase está pronta para ser utilizada pela automação.