@techwavedev/agi-agent-kit 1.3.6 → 1.5.0

package/templates/skills/extended/gaming/audio-transcriber/scripts/install-requirements.sh

@@ -1,190 +0,0 @@
-#!/usr/bin/env bash
-
-# Audio Transcriber - Requirements Installation Script
-# Automatically installs and validates dependencies
-
-set -euo pipefail
-
-# Colors
-GREEN='\033[0;32m'
-YELLOW='\033[1;33m'
-RED='\033[0;31m'
-BLUE='\033[0;34m'
-NC='\033[0m'
-
-echo -e "${BLUE}🔧 Audio Transcriber - Dependency Installation${NC}"
-echo ""
-
-# Check Python
-if ! command -v python3 &>/dev/null; then
-    echo -e "${RED}❌ Python 3 not found. Please install Python 3.8+${NC}"
-    exit 1
-fi
-
-PYTHON_VERSION=$(python3 --version | cut -d' ' -f2 | cut -d'.' -f1,2)
-echo -e "${GREEN}✅ Python ${PYTHON_VERSION} detected${NC}"
-
-# Check pip
-if ! python3 -m pip --version &>/dev/null; then
-    echo -e "${RED}❌ pip not found. Please install pip${NC}"
-    exit 1
-fi
-
-echo -e "${GREEN}✅ pip available${NC}"
-echo ""
-
-# Install system dependencies (macOS only)
-if [[ "$OSTYPE" == "darwin"* ]]; then
-    echo -e "${BLUE}📦 Checking system dependencies (macOS)...${NC}"
-    
-    # Check for Homebrew
-    if command -v brew &>/dev/null; then
-        # Install pkg-config and ffmpeg if not present
-        NEED_INSTALL=""
-        
-        if ! brew list pkg-config &>/dev/null 2>&1; then
-            NEED_INSTALL="$NEED_INSTALL pkg-config"
-        fi
-        
-        if ! brew list ffmpeg &>/dev/null 2>&1; then
-            NEED_INSTALL="$NEED_INSTALL ffmpeg"
-        fi
-        
-        if [[ -n "$NEED_INSTALL" ]]; then
-            echo -e "${BLUE}Installing:$NEED_INSTALL${NC}"
-            brew install $NEED_INSTALL --quiet
-            echo -e "${GREEN}✅ System dependencies installed${NC}"
-        else
-            echo -e "${GREEN}✅ System dependencies already installed${NC}"
-        fi
-    else
-        echo -e "${YELLOW}⚠️  Homebrew not found. Install manually if needed:${NC}"
-        echo "  /bin/bash -c \"\$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/HEAD/install.sh)\""
-    fi
-fi
-
-echo ""
-
-# Install faster-whisper (recommended)
-echo -e "${BLUE}📦 Installing Faster-Whisper...${NC}"
-
-# Try different installation methods based on Python environment
-if python3 -m pip install faster-whisper --quiet 2>/dev/null; then
-    echo -e "${GREEN}✅ Faster-Whisper installed successfully${NC}"
-elif python3 -m pip install --user --break-system-packages faster-whisper --quiet 2>/dev/null; then
-    echo -e "${GREEN}✅ Faster-Whisper installed successfully (user mode)${NC}"
-else
-    echo -e "${YELLOW}⚠️  Faster-Whisper installation failed, trying Whisper...${NC}"
-    
-    if python3 -m pip install openai-whisper --quiet 2>/dev/null; then
-        echo -e "${GREEN}✅ Whisper installed successfully${NC}"
-    elif python3 -m pip install --user --break-system-packages openai-whisper --quiet 2>/dev/null; then
-        echo -e "${GREEN}✅ Whisper installed successfully (user mode)${NC}"
-    else
-        echo -e "${RED}❌ Failed to install transcription engine${NC}"
-        echo ""
-        echo -e "${YELLOW}Manual installation options:${NC}"
-        echo "  1. Use --break-system-packages (macOS/Homebrew Python):"
-        echo "     python3 -m pip install --user --break-system-packages openai-whisper"
-        echo ""
-        echo "  2. Use virtual environment (recommended):"
-        echo "     python3 -m venv ~/whisper-env"
-        echo "     source ~/whisper-env/bin/activate"
-        echo "     pip install faster-whisper"
-        echo ""
-        echo "  3. Use pipx (isolated):"
-        echo "     brew install pipx"
-        echo "     pipx install openai-whisper"
-        exit 1
-    fi
-fi
-
-# Install UI/progress libraries (tqdm, rich)
-echo ""
-echo -e "${BLUE}📦 Installing UI libraries (tqdm, rich)...${NC}"
-
-if python3 -m pip install tqdm rich --quiet 2>/dev/null; then
-    echo -e "${GREEN}✅ tqdm and rich installed successfully${NC}"
-elif python3 -m pip install --user --break-system-packages tqdm rich --quiet 2>/dev/null; then
-    echo -e "${GREEN}✅ tqdm and rich installed successfully (user mode)${NC}"
-else
-    echo -e "${YELLOW}⚠️  Optional UI libraries not installed (skill will still work)${NC}"
-fi
-
-# Check ffmpeg (optional but recommended)
-echo ""
-if command -v ffmpeg &>/dev/null; then
-    echo -e "${GREEN}✅ ffmpeg already installed${NC}"
-else
-    echo -e "${YELLOW}⚠️  ffmpeg not found (should have been installed earlier)${NC}"
-    if [[ "$OSTYPE" == "darwin"* ]] && command -v brew &>/dev/null; then
-        echo -e "${BLUE}Installing ffmpeg via Homebrew...${NC}"
-        brew install ffmpeg --quiet && echo -e "${GREEN}✅ ffmpeg installed${NC}"
-    else
-        echo -e "${BLUE}ℹ️  ffmpeg is optional but recommended for format conversion${NC}"
-        echo ""
-        echo "Install ffmpeg:"
-        if [[ "$OSTYPE" == "darwin"* ]]; then
-            echo "  brew install ffmpeg"
-        elif [[ "$OSTYPE" == "linux-gnu"* ]]; then
-            echo "  sudo apt install ffmpeg  # Debian/Ubuntu"
-            echo "  sudo yum install ffmpeg  # CentOS/RHEL"
-        fi
-    fi
-fi
-
-# Verify installation
-echo ""
-echo -e "${BLUE}🔍 Verifying installation...${NC}"
-
-if python3 -c "import faster_whisper" 2>/dev/null; then
-    echo -e "${GREEN}✅ Faster-Whisper verified${NC}"
-    TRANSCRIBER="Faster-Whisper"
-elif python3 -c "import whisper" 2>/dev/null; then
-    echo -e "${GREEN}✅ Whisper verified${NC}"
-    TRANSCRIBER="Whisper"
-else
-    echo -e "${RED}❌ No transcription engine found after installation${NC}"
-    exit 1
-fi
-
-# Download initial model (optional)
-read -p "Download Whisper 'base' model now? (recommended, ~74MB) [Y/n]: " DOWNLOAD_MODEL
-
-if [[ ! "$DOWNLOAD_MODEL" =~ ^[Nn] ]]; then
-    echo ""
-    echo -e "${BLUE}📥 Downloading 'base' model...${NC}"
-    
-    python3 << 'EOF'
-try:
-    import faster_whisper
-    model = faster_whisper.WhisperModel("base", device="cpu", compute_type="int8")
-    print("✅ Model downloaded successfully")
-except:
-    try:
-        import whisper
-        model = whisper.load_model("base")
-        print("✅ Model downloaded successfully")
-    except Exception as e:
-        print(f"❌ Model download failed: {e}")
-EOF
-fi
-
-# Success summary
-echo ""
-echo -e "${GREEN}━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━${NC}"
-echo -e "${GREEN}✅ Installation Complete!${NC}"
-echo -e "${GREEN}━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━${NC}"
-echo ""
-echo "📊 Installed components:"
-echo "  • Transcription engine: $TRANSCRIBER"
-if command -v ffmpeg &>/dev/null; then
-    echo "  • Format conversion: ffmpeg (available)"
-else
-    echo "  • Format conversion: ffmpeg (not installed)"
-fi
-echo ""
-echo "🚀 Ready to use! Try:"
-echo "  copilot> transcribe audio to markdown: myfile.mp3"
-echo "  claude> transcreva este áudio: myfile.mp3"
-echo ""

package/templates/skills/extended/gaming/audio-transcriber/scripts/transcribe.py

@@ -1,486 +0,0 @@
-#!/usr/bin/env python3
-"""
-Audio Transcriber v1.1.0
-Transcreve áudio para texto e gera atas/resumos usando LLM.
-"""
-
-import os
-import sys
-import json
-import subprocess
-import shutil
-from datetime import datetime
-from pathlib import Path
-
-# Rich for beautiful terminal output
-try:
-    from rich.console import Console
-    from rich.prompt import Prompt
-    from rich.panel import Panel
-    from rich.progress import Progress, SpinnerColumn, TextColumn, BarColumn
-    from rich import print as rprint
-    RICH_AVAILABLE = True
-except ImportError:
-    RICH_AVAILABLE = False
-    print("⚠️  Installing rich for better UI...")
-    subprocess.run([sys.executable, "-m", "pip", "install", "--user", "rich"], check=False)
-    from rich.console import Console
-    from rich.prompt import Prompt
-    from rich.panel import Panel
-    from rich.progress import Progress, SpinnerColumn, TextColumn, BarColumn
-    from rich import print as rprint
-
-# tqdm for progress bars
-try:
-    from tqdm import tqdm
-except ImportError:
-    print("⚠️  Installing tqdm for progress bars...")
-    subprocess.run([sys.executable, "-m", "pip", "install", "--user", "tqdm"], check=False)
-    from tqdm import tqdm
-
-# Whisper engines
-try:
-    from faster_whisper import WhisperModel
-    TRANSCRIBER = "faster-whisper"
-except ImportError:
-    try:
-        import whisper
-        TRANSCRIBER = "whisper"
-    except ImportError:
-        print("❌ Nenhum engine de transcrição encontrado!")
-        print("   Instale: pip install faster-whisper")
-        sys.exit(1)
-
-console = Console()
-
-# Template padrão RISEN para fallback
-DEFAULT_MEETING_PROMPT = """
-Role: Você é um transcritor profissional especializado em documentação.
-
-Instructions: Transforme a transcrição fornecida em um documento estruturado e profissional.
-
-Steps:
-1. Identifique o tipo de conteúdo (reunião, palestra, entrevista, etc.)
-2. Extraia os principais tópicos e pontos-chave
-3. Identifique participantes/speakers (se aplicável)
-4. Extraia decisões tomadas e ações definidas (se reunião)
-5. Organize em formato apropriado com seções claras
-6. Use Markdown para formatação profissional
-
-End Goal: Documento final bem estruturado, legível e pronto para distribuição.
-
-Narrowing: 
-- Mantenha objetividade e clareza
-- Preserve contexto importante
-- Use formatação Markdown adequada
-- Inclua timestamps relevantes quando aplicável
-"""
-
-
-def detect_cli_tool():
-    """Detecta qual CLI de LLM está disponível (claude > gh copilot)."""
-    if shutil.which('claude'):
-        return 'claude'
-    elif shutil.which('gh'):
-        result = subprocess.run(['gh', 'copilot', '--version'], 
-                                capture_output=True, text=True)
-        if result.returncode == 0:
-            return 'gh-copilot'
-    return None
-
-
-def invoke_prompt_engineer(raw_prompt, timeout=90):
-    """
-    Invoca prompt-engineer skill via CLI para melhorar/gerar prompts.
-    
-    Args:
-        raw_prompt: Prompt a ser melhorado ou meta-prompt
-        timeout: Timeout em segundos
-    
-    Returns:
-        str: Prompt melhorado ou DEFAULT_MEETING_PROMPT se falhar
-    """
-    try:
-        # Tentar via gh copilot
-        console.print("[dim]   Invocando prompt-engineer...[/dim]")
-        
-        result = subprocess.run(
-            ['gh', 'copilot', 'suggest', '-t', 'shell', raw_prompt],
-            capture_output=True,
-            text=True,
-            timeout=timeout
-        )
-        
-        if result.returncode == 0 and result.stdout.strip():
-            return result.stdout.strip()
-        else:
-            console.print("[yellow]⚠️  prompt-engineer não respondeu, usando template padrão[/yellow]")
-            return DEFAULT_MEETING_PROMPT
-            
-    except subprocess.TimeoutExpired:
-        console.print(f"[red]⚠️  Timeout após {timeout}s, usando template padrão[/red]")
-        return DEFAULT_MEETING_PROMPT
-    except Exception as e:
-        console.print(f"[red]⚠️  Erro ao invocar prompt-engineer: {e}[/red]")
-        return DEFAULT_MEETING_PROMPT
-
-
-def handle_prompt_workflow(user_prompt, transcript):
-    """
-    Gerencia fluxo completo de prompts com prompt-engineer.
-    
-    Cenário A: Usuário forneceu prompt → Melhorar AUTOMATICAMENTE → Confirmar
-    Cenário B: Sem prompt → Sugerir tipo → Confirmar → Gerar → Confirmar
-    
-    Returns:
-        str: Prompt final a usar, ou None se usuário recusou processamento
-    """
-    prompt_engineer_available = os.path.exists(
-        os.path.expanduser('~/.copilot/skills/prompt-engineer/SKILL.md')
-    )
-    
-    # ========== CENÁRIO A: USUÁRIO FORNECEU PROMPT ==========
-    if user_prompt:
-        console.print("\n[cyan]📝 Prompt fornecido pelo usuário[/cyan]")
-        console.print(Panel(user_prompt[:300] + ("..." if len(user_prompt) > 300 else ""), 
-                           title="Prompt original", border_style="dim"))
-        
-        if prompt_engineer_available:
-            # Melhora AUTOMATICAMENTE (sem perguntar)
-            console.print("\n[cyan]🔧 Melhorando prompt com prompt-engineer...[/cyan]")
-            
-            improved_prompt = invoke_prompt_engineer(
-                f"melhore este prompt:\n\n{user_prompt}"
-            )
-            
-            # Mostrar AMBAS versões
-            console.print("\n[green]✨ Versão melhorada:[/green]")
-            console.print(Panel(improved_prompt[:500] + ("..." if len(improved_prompt) > 500 else ""), 
-                               title="Prompt otimizado", border_style="green"))
-            
-            console.print("\n[dim]📝 Versão original:[/dim]")
-            console.print(Panel(user_prompt[:300] + ("..." if len(user_prompt) > 300 else ""), 
-                               title="Seu prompt", border_style="dim"))
-            
-            # Pergunta qual usar
-            confirm = Prompt.ask(
-                "\n💡 Usar versão melhorada?",
-                choices=["s", "n"],
-                default="s"
-            )
-            
-            return improved_prompt if confirm == "s" else user_prompt
-        else:
-            # prompt-engineer não disponível
-            console.print("[yellow]⚠️  prompt-engineer skill não disponível[/yellow]")
-            console.print("[dim]✅ Usando seu prompt original[/dim]")
-            return user_prompt
-    
-    # ========== CENÁRIO B: SEM PROMPT - AUTO-GERAÇÃO ==========
-    else:
-        console.print("\n[yellow]⚠️  Nenhum prompt fornecido.[/yellow]")
-        
-        if not prompt_engineer_available:
-            console.print("[yellow]⚠️  prompt-engineer skill não encontrado[/yellow]")
-            console.print("[dim]Usando template padrão...[/dim]")
-            return DEFAULT_MEETING_PROMPT
-        
-        # PASSO 1: Perguntar se quer auto-gerar
-        console.print("Posso analisar o transcript e sugerir um formato de resumo/ata?")
-        
-        generate = Prompt.ask(
-            "\n💡 Gerar prompt automaticamente?",
-            choices=["s", "n"],
-            default="s"
-        )
-        
-        if generate == "n":
-            console.print("[dim]✅ Ok, gerando apenas transcript.md (sem ata)[/dim]")
-            return None  # Sinaliza: não processar com LLM
-        
-        # PASSO 2: Analisar transcript e SUGERIR tipo
-        console.print("\n[cyan]🔍 Analisando transcript...[/cyan]")
-        
-        suggestion_meta_prompt = f"""
-Analise este transcript ({len(transcript)} caracteres) e sugira:
-
-1. Tipo de conteúdo (reunião, palestra, entrevista, etc.)
-2. Formato de saída recomendado (ata formal, resumo executivo, notas estruturadas)
-3. Framework ideal (RISEN, RODES, STAR, etc.)
-
-Primeiras 1000 palavras do transcript:
-{transcript[:4000]}
-
-Responda em 2-3 linhas concisas.
-"""
-        
-        suggested_type = invoke_prompt_engineer(suggestion_meta_prompt)
-        
-        # PASSO 3: Mostrar sugestão e CONFIRMAR
-        console.print("\n[green]💡 Sugestão de formato:[/green]")
-        console.print(Panel(suggested_type, title="Análise do transcript", border_style="green"))
-        
-        confirm_type = Prompt.ask(
-            "\n💡 Usar este formato?",
-            choices=["s", "n"],
-            default="s"
-        )
-        
-        if confirm_type == "n":
-            console.print("[dim]Usando template padrão...[/dim]")
-            return DEFAULT_MEETING_PROMPT
-        
-        # PASSO 4: Gerar prompt completo baseado na sugestão
-        console.print("\n[cyan]✨ Gerando prompt estruturado...[/cyan]")
-        
-        final_meta_prompt = f"""
-Crie um prompt completo e estruturado (usando framework apropriado) para:
-
-{suggested_type}
-
-O prompt deve instruir uma IA a transformar o transcript em um documento
-profissional e bem formatado em Markdown.
-"""
-        
-        generated_prompt = invoke_prompt_engineer(final_meta_prompt)
-        
-        # PASSO 5: Mostrar prompt gerado e CONFIRMAR
-        console.print("\n[green]✅ Prompt gerado:[/green]")
-        console.print(Panel(generated_prompt[:600] + ("..." if len(generated_prompt) > 600 else ""), 
-                           title="Preview", border_style="green"))
-        
-        confirm_final = Prompt.ask(
-            "\n💡 Usar este prompt?",
-            choices=["s", "n"],
-            default="s"
-        )
-        
-        if confirm_final == "s":
-            return generated_prompt
-        else:
-            console.print("[dim]Usando template padrão...[/dim]")
-            return DEFAULT_MEETING_PROMPT
-
-
-def process_with_llm(transcript, prompt, cli_tool='claude', timeout=300):
-    """
-    Processa transcript com LLM usando prompt fornecido.
-    
-    Args:
-        transcript: Texto transcrito
-        prompt: Prompt instruindo como processar
-        cli_tool: 'claude' ou 'gh-copilot'
-        timeout: Timeout em segundos
-    
-    Returns:
-        str: Ata/resumo processado
-    """
-    full_prompt = f"{prompt}\n\n---\n\nTranscrição:\n\n{transcript}"
-    
-    try:
-        with Progress(
-            SpinnerColumn(),
-            TextColumn("[progress.description]{task.description}"),
-            transient=True
-        ) as progress:
-            progress.add_task(description=f"🤖 Processando com {cli_tool}...", total=None)
-            
-            if cli_tool == 'claude':
-                result = subprocess.run(
-                    ['claude', '-'],
-                    input=full_prompt,
-                    capture_output=True,
-                    text=True,
-                    timeout=timeout
-                )
-            elif cli_tool == 'gh-copilot':
-                result = subprocess.run(
-                    ['gh', 'copilot', 'suggest', '-t', 'shell', full_prompt],
-                    capture_output=True,
-                    text=True,
-                    timeout=timeout
-                )
-            else:
-                raise ValueError(f"CLI tool desconhecido: {cli_tool}")
-        
-        if result.returncode == 0:
-            return result.stdout.strip()
-        else:
-            console.print(f"[red]❌ Erro ao processar com {cli_tool}[/red]")
-            console.print(f"[dim]{result.stderr[:200]}[/dim]")
-            return None
-            
-    except subprocess.TimeoutExpired:
-        console.print(f"[red]❌ Timeout após {timeout}s[/red]")
-        return None
-    except Exception as e:
-        console.print(f"[red]❌ Erro: {e}[/red]")
-        return None
-
-
-def transcribe_audio(audio_file, model="base"):
-    """
-    Transcreve áudio usando Whisper com barra de progresso.
-    
-    Returns:
-        dict: {language, duration, segments: [{start, end, text}]}
-    """
-    console.print(f"\n[cyan]🎙️  Transcrevendo áudio com {TRANSCRIBER}...[/cyan]")
-    
-    try:
-        if TRANSCRIBER == "faster-whisper":
-            model_obj = WhisperModel(model, device="cpu", compute_type="int8")
-            segments, info = model_obj.transcribe(
-                audio_file,
-                language=None,
-                vad_filter=True,
-                word_timestamps=True
-            )
-            
-            data = {
-                "language": info.language,
-                "language_probability": round(info.language_probability, 2),
-                "duration": info.duration,
-                "segments": []
-            }
-            
-            # Converter generator em lista com progresso
-            console.print("[dim]Processando segmentos...[/dim]")
-            for segment in tqdm(segments, desc="Segmentos", unit="seg"):
-                data["segments"].append({
-                    "start": round(segment.start, 2),
-                    "end": round(segment.end, 2),
-                    "text": segment.text.strip()
-                })
-        
-        else:  # whisper original
-            import whisper
-            model_obj = whisper.load_model(model)
-            result = model_obj.transcribe(audio_file, word_timestamps=True)
-            
-            data = {
-                "language": result["language"],
-                "duration": result["segments"][-1]["end"] if result["segments"] else 0,
-                "segments": result["segments"]
-            }
-        
-        console.print(f"[green]✅ Transcrição completa! Idioma: {data['language'].upper()}[/green]")
-        console.print(f"[dim]   {len(data['segments'])} segmentos processados[/dim]")
-        
-        return data
-        
-    except Exception as e:
-        console.print(f"[red]❌ Erro na transcrição: {e}[/red]")
-        sys.exit(1)
-
-
-def save_outputs(transcript_text, ata_text, audio_file, output_dir="."):
-    """
-    Salva transcript e ata em arquivos .md com timestamp.
-    
-    Returns:
-        tuple: (transcript_path, ata_path or None)
-    """
-    timestamp = datetime.now().strftime("%Y%m%d-%H%M%S")
-    base_name = Path(audio_file).stem
-    
-    # Sempre salva transcript
-    transcript_filename = f"transcript-{timestamp}.md"
-    transcript_path = Path(output_dir) / transcript_filename
-    
-    with open(transcript_path, 'w', encoding='utf-8') as f:
-        f.write(transcript_text)
-    
-    console.print(f"[green]✅ Transcript salvo:[/green] {transcript_filename}")
-    
-    # Salva ata se existir
-    ata_path = None
-    if ata_text:
-        ata_filename = f"ata-{timestamp}.md"
-        ata_path = Path(output_dir) / ata_filename
-        
-        with open(ata_path, 'w', encoding='utf-8') as f:
-            f.write(ata_text)
-        
-        console.print(f"[green]✅ Ata salva:[/green] {ata_filename}")
-    
-    return str(transcript_path), str(ata_path) if ata_path else None
-
-
-def main():
-    """Função principal."""
-    import argparse
-    
-    parser = argparse.ArgumentParser(description="Audio Transcriber v1.1.0")
-    parser.add_argument("audio_file", help="Arquivo de áudio para transcrever")
-    parser.add_argument("--prompt", help="Prompt customizado para processar transcript")
-    parser.add_argument("--model", default="base", help="Modelo Whisper (tiny/base/small/medium/large)")
-    parser.add_argument("--output-dir", default=".", help="Diretório de saída")
-    
-    args = parser.parse_args()
-    
-    # Verificar arquivo existe
-    if not os.path.exists(args.audio_file):
-        console.print(f"[red]❌ Arquivo não encontrado: {args.audio_file}[/red]")
-        sys.exit(1)
-    
-    console.print("[bold cyan]🎵 Audio Transcriber v1.1.0[/bold cyan]\n")
-    
-    # Step 1: Transcrever
-    transcription_data = transcribe_audio(args.audio_file, model=args.model)
-    
-    # Gerar texto do transcript
-    transcript_text = f"# Transcrição de Áudio\n\n"
-    transcript_text += f"**Arquivo:** {Path(args.audio_file).name}\n"
-    transcript_text += f"**Idioma:** {transcription_data['language'].upper()}\n"
-    transcript_text += f"**Data:** {datetime.now().strftime('%Y-%m-%d %H:%M:%S')}\n\n"
-    transcript_text += "---\n\n## Transcrição Completa\n\n"
-    
-    for seg in transcription_data["segments"]:
-        start_min = int(seg["start"] // 60)
-        start_sec = int(seg["start"] % 60)
-        end_min = int(seg["end"] // 60)
-        end_sec = int(seg["end"] % 60)
-        transcript_text += f"**[{start_min:02d}:{start_sec:02d} → {end_min:02d}:{end_sec:02d}]**  \n{seg['text']}\n\n"
-    
-    # Step 2: Detectar CLI
-    cli_tool = detect_cli_tool()
-    
-    if not cli_tool:
-        console.print("\n[yellow]⚠️  Nenhuma CLI de IA detectada (Claude ou GitHub Copilot)[/yellow]")
-        console.print("[dim]ℹ️  Salvando apenas transcript.md...[/dim]")
-        
-        save_outputs(transcript_text, None, args.audio_file, args.output_dir)
-
-        console.print("\n[cyan]💡 Para gerar ata/resumo:[/cyan]")
-        console.print("  - Instale Claude CLI: pip install claude-cli")
-        console.print("  - Ou GitHub Copilot CLI já está instalado (gh copilot)")
-        return
-    
-    console.print(f"\n[green]✅ CLI detectada: {cli_tool}[/green]")
-    
-    # Step 3: Workflow de prompt
-    final_prompt = handle_prompt_workflow(args.prompt, transcript_text)
-    
-    if final_prompt is None:
-        # Usuário recusou processamento
-        save_outputs(transcript_text, None, args.audio_file, args.output_dir)
-        return
-    
-    # Step 4: Processar com LLM
-    ata_text = process_with_llm(transcript_text, final_prompt, cli_tool)
-    
-    if ata_text:
-        console.print("[green]✅ Ata gerada com sucesso![/green]")
-    else:
-        console.print("[yellow]⚠️  Falha ao gerar ata, salvando apenas transcript[/yellow]")
-    
-    # Step 5: Salvar arquivos
-    console.print("\n[cyan]💾 Salvando arquivos...[/cyan]")
-    save_outputs(transcript_text, ata_text, args.audio_file, args.output_dir)
-
-    console.print("\n[bold green]✅ Concluído![/bold green]")
-
-
-if __name__ == "__main__":
-    main()