cdp-edge 2.5.4 → 2.5.6

package/extracted-skill/tracking-events-generator/agents/master-orchestrator.md

@@ -91,7 +91,7 @@ Master Orchestrator (você)
 │   ├── Database Agent                     → migrações D1, schema, índices
 │   ├── Domain Setup Agent                 → conecta track.clientdomain.com + cookie first-party
 │   ├── R2 Setup Agent                     → habilita R2, cria bucket, ativa audit log imutável
-│   └── CRM Integration Agent             → integração com CRMs externos (HubSpot, etc)
+│   └── EVO CRM Agent                     → roteia leads p/ EVO CRM (OAuth2 Doorkeeper)
 │
 ├── 💬 COMUNICAÇÃO E NOTIFICAÇÕES
 │   ├── WhatsApp Agent                     → automação Meta Cloud API + CallMeBot
@@ -103,12 +103,18 @@ Master Orchestrator (você)
 │   ├── LTV Predictor Agent                → prevê LTV financeiro com Workers AI
 │   ├── ML Clustering Agent                → segmentação dinâmica K-means/DBSCAN (Fase 1 Enterprise)
 │   ├── Bidding Recommendations Agent      → recomendações de bids por segmento ML (Fase 2 Enterprise)
-│   ├── A/B Testing Agent                  → separação de requisições na borda
+│   ├── A/B Testing Agent                  → split de tráfego invisível na borda (sem flicker)
+│   ├── A/B LTV Testing Agent              → otimização contínua da precisão do LTV preditivo (Fase 3 Enterprise)
 │   └── Localization Agent                 → moedas e traduções no edge
 │
 ├── 📈 DASHBOARD E RELATÓRIOS
 │   ├── Dashboard Agent                    → gerencia meta-dashboard-full (React)
-│   └── Performance Agent                  → métricas de performance do worker
+│   ├── Performance Agent                  → monitoramento em tempo real: latência, throughput, SLA alerts
+│   └── Performance Optimization Agent     → estratégias de cache L1/L2/L3, query D1, batch processing (Enterprise)
+│
+│   ⚠️  REGRA DE ROTEAMENTO — Performance:
+│   • Invoke Performance Agent             → quando precisar de métricas, health checks ou alertas de degradação
+│   • Invoke Performance Optimization Agent → quando precisar otimizar cache, queries D1 ou latência estrutural
 │
 ├── 🔍 QUALIDADE E SEGURANÇA
 │   ├── Match Quality Agent                → garante que só dado com valor real vai para as plataformas
@@ -173,7 +179,7 @@ SKILL_BASE: [diretório da skill tracking-events-generator]
     ├── database-agent.md                     ← migrações D1, schema, índices
     ├── domain-setup-agent.md                 ← track.clientdomain.com + Worker Route + cookie first-party
     ├── r2-setup-agent.md                     ← R2 bucket + audit log /events/YYYY-MM-DD/{uuid}.json
-    ├── crm-integration-agent.md              ← integração CRMs externos
+    ├── evo-crm-agent.md                      ← Agente EVO CRM (OAuth2)
     │
     ├── ── COMUNICAÇÃO ──
     ├── whatsapp-agent.md                     ← Meta Cloud API + CallMeBot Bridge
@@ -185,7 +191,8 @@ SKILL_BASE: [diretório da skill tracking-events-generator]
     ├── ltv-predictor-agent.md               ← IA Preditiva de Receita (Workers AI)
     ├── ml-clustering-agent.md               ← Segmentação Dinâmica ML (K-means, DBSCAN, Hierarchical)
     ├── bidding-agent.md                     ← Recomendações de Bids por Segmento ML
-    ├── ab-testing-agent.md                  ← A/B Edge Route Optimization
+    ├── ab-testing-agent.md                  ← A/B Edge Route Optimization (split de tráfego invisível, sem flicker)
+    ├── ab-ltv-agent.md                      ← A/B LTV Testing — otimização contínua da precisão preditiva (Fase 3 Enterprise)
     ├── localization-agent.md                ← Traduções de Checkout em Borda
     │
     ├── ── DASHBOARD E RELATÓRIOS ──
@@ -897,7 +904,8 @@ FASE 5 (Geração em paralelo):
   ├─ FASE 5-J: YouTube Agent        (gclid/wbraid/gbraid + video milestones)
   ├─ FASE 5-K: Microsoft Ads Agent  (UET Tag + Enhanced Conversions)
   ├─ FASE 5-D: Server Tracking Agent (index.ts — todos os platforms)
-  └─ FASE 5-E: Webhook Agent         (gateways: Hotmart, Kiwify, Eduzz, Ticto, etc.)
+  ├─ FASE 5-E: Webhook Agent         (gateways: Hotmart, Kiwify, Eduzz, Ticto, etc.)
+  └─ FASE 5-L: EVO CRM Agent         (roteia leads p/ EVO CRM)
 ```
 
 FASE 6 (Enterprise Features — ordem de configuração):
@@ -915,6 +923,277 @@ FASE 6 (Enterprise Features — ordem de configuração):
 
 ---
 
+## COMANDO *new-ai-module — Criar novo módulo Workers AI
+
+### TRIGGERS (qualquer uma das formas abaixo ativa este comando)
+
+| Forma | Exemplo |
+|---|---|
+| `*new-ai-module [descrição]` | `*new-ai-module classifica leads por score do quiz` |
+| `crie um worker ai para [descrição]` | `crie um worker ai para distribuir leads por pontuação` |
+| `quero um módulo de IA que [descrição]` | `quero um módulo de IA que detecta intenção de compra` |
+
+**REGRA:** O Master Orchestrator NÃO pede mais informações antes de agir. Infere tudo a partir da descrição e executa imediatamente.
+
+---
+
+### DECISÃO INICIAL — Tipo de módulo
+
+Antes de spawnar agentes, classificar automaticamente:
+
+| Descrição contém | Tipo | Agente primário |
+|---|---|---|
+| classificar, score, pontuar, prever, predizer, LTV, valor | **Scoring/Prediction** | LTV Predictor Agent |
+| segmentar, agrupar, cluster, similaridade, perfil | **Clustering/Embedding** | ML Clustering Agent |
+| detectar, identificar, intenção, comportamento, padrão | **Classification** | LTV Predictor Agent |
+| distribuir, rotear, priorizar, fila, ranking | **Routing/Ranking** | LTV Predictor Agent |
+
+---
+
+### PERGUNTA OBRIGATÓRIA — Modo de execução
+
+Antes de iniciar o pipeline, fazer UMA pergunta:
+
+> **"Este módulo deve rodar:"**
+> - **[A] Dentro do pipeline `/track`** — executa automaticamente a cada evento capturado
+> - **[B] Sob demanda via API** — chamado explicitamente por outro sistema ou cron
+> - **[C] Ambos** — rota API + integrado ao `/track`
+
+A resposta define como o PASSO 3 (Server Tracking Agent) conecta o módulo.
+
+---
+
+### PIPELINE DE EXECUÇÃO (sempre nesta ordem, sem pular passos)
+
+---
+
+**PASSO 1 — Agente de IA (LTV Predictor Agent ou ML Clustering Agent)**
+
+Responsabilidade: especificar o cérebro do módulo.
+
+Entregar obrigatoriamente:
+
+1. **Modelo escolhido** com justificativa:
+
+| Caso de uso | Modelo |
+|---|---|
+| Classificação / scoring / raciocínio leve | `@cf/ibm-granite/granite-4.0-h-micro` |
+| Embeddings / similaridade / clustering semântico | `@cf/baai/bge-m3` |
+| Análise rica / respostas longas / contexto amplo | `@cf/meta/llama-3.1-8b-instruct` |
+| Sentimento / classificação binária (rápido) | `@cf/huggingface/distilbert-sst-2-int8` |
+
+2. **Contrato de input/output tipado:**
+```typescript
+// Exemplo para módulo de scoring de leads
+interface AIModuleInput {
+  lead_id: string;
+  features: Record<string, string | number | boolean>;
+  context?: string; // contexto extra opcional
+}
+
+interface AIModuleOutput {
+  lead_id: string;
+  result_class: string;        // ex: 'High' | 'Medium' | 'Low'
+  confidence: number;          // 0.0 – 1.0
+  score: number;               // 0 – 100
+  reasoning: string;           // explicação do modelo (1 linha)
+  model: string;               // @cf/modelo-usado
+  latency_ms: number;
+  cached: boolean;
+}
+```
+
+3. **System prompt do modelo** — calibrado ao caso de uso específico, com instrução de retornar JSON puro.
+
+4. **Estratégia de cache** — resultado deve ser cacheado no KV (`GEO_CACHE`) por TTL definido pelo agente (padrão: 1h), usando `input_hash` como chave, para evitar rechamadas desnecessárias ao modelo.
+
+---
+
+**PASSO 2 — Database Agent**
+
+Responsabilidade: criar schema D1 tipado e com índices corretos.
+
+Schema obrigatório — **sem campos genéricos**:
+```sql
+-- Nomenclatura: schema-ai-[nome-do-módulo].sql
+CREATE TABLE IF NOT EXISTS ai_[nome] (
+  id           TEXT    PRIMARY KEY,               -- UUID v4
+  lead_id      TEXT    NOT NULL,
+  input_hash   TEXT    NOT NULL,                  -- SHA256 do input (usado como cache key)
+  result_class TEXT    NOT NULL,                  -- saída classificada do modelo
+  confidence   REAL    NOT NULL DEFAULT 0,        -- 0.0 – 1.0
+  score        INTEGER NOT NULL DEFAULT 0,        -- 0 – 100
+  reasoning    TEXT,                              -- explicação do modelo
+  model        TEXT    NOT NULL,                  -- @cf/modelo-usado
+  latency_ms   INTEGER,                           -- tempo de inferência
+  cached       INTEGER NOT NULL DEFAULT 0,        -- 0 = fresh, 1 = from KV cache
+  pipeline     TEXT    NOT NULL DEFAULT 'api',    -- 'track' | 'api' | 'cron'
+  created_at   INTEGER NOT NULL DEFAULT (unixepoch())
+);
+
+CREATE INDEX IF NOT EXISTS idx_ai_[nome]_lead    ON ai_[nome](lead_id);
+CREATE INDEX IF NOT EXISTS idx_ai_[nome]_class   ON ai_[nome](result_class);
+CREATE INDEX IF NOT EXISTS idx_ai_[nome]_created ON ai_[nome](created_at DESC);
+```
+
+Após gerar o schema, o Database Agent passa o arquivo para o DevOps Agent aplicar — **não aplica diretamente**.
+
+---
+
+**PASSO 3 — Server Tracking Agent**
+
+Responsabilidade: criar o módulo TypeScript + rotas REST + integração ao pipeline conforme resposta da PERGUNTA OBRIGATÓRIA.
+
+**Estrutura do módulo gerado:**
+```typescript
+// server-edge-tracker/modules/ml/[nome].ts
+
+export async function run[Nome](
+  env: Env,
+  input: AIModuleInput
+): Promise<AIModuleOutput> {
+
+  // 1. Verificar cache KV antes de chamar o modelo
+  const cacheKey = `ai:[nome]:${input.input_hash}`;
+  const cached = await env.GEO_CACHE.get(cacheKey, 'json');
+  if (cached) return { ...cached, cached: true };
+
+  // 2. Chamar Workers AI
+  const aiRes = await env.AI.run('[modelo-escolhido]', {
+    messages: [
+      { role: 'system', content: '[system-prompt-gerado-no-passo-1]' },
+      { role: 'user',   content: JSON.stringify(input.features) }
+    ],
+    max_tokens: 64
+  });
+
+  // 3. Parsear output do modelo (sempre JSON puro)
+  const parsed = JSON.parse(aiRes.response);
+  const output: AIModuleOutput = {
+    lead_id:      input.lead_id,
+    result_class: parsed.class,
+    confidence:   parsed.confidence ?? 0,
+    score:        parsed.score ?? 0,
+    reasoning:    parsed.reasoning ?? '',
+    model:        '[modelo-escolhido]',
+    latency_ms:   0, // preenchido pelo caller
+    cached:       false
+  };
+
+  // 4. Salvar no KV (cache) e no D1 (persistência)
+  await env.GEO_CACHE.put(cacheKey, JSON.stringify(output), { expirationTtl: 3600 });
+  await env.DB.prepare(`
+    INSERT INTO ai_[nome] (id, lead_id, input_hash, result_class, confidence, score, reasoning, model, pipeline)
+    VALUES (?, ?, ?, ?, ?, ?, ?, ?, ?)
+  `).bind(crypto.randomUUID(), input.lead_id, input.input_hash, output.result_class,
+          output.confidence, output.score, output.reasoning, output.model, input.pipeline ?? 'api')
+    .run();
+
+  return output;
+}
+```
+
+**Rotas REST criadas (sempre, independente do modo):**
+```
+POST /api/ai/[nome]            → executa inferência ad-hoc
+GET  /api/ai/[nome]/:lead_id   → retorna último resultado salvo para o lead
+GET  /api/ai/[nome]/stats      → distribuição de classes + taxa de cache hit
+```
+
+**Integração ao pipeline `/track` (somente se Modo A ou C):**
+```typescript
+// Em index.ts — dentro do handler POST /track, após Quiz Scoring e antes do CAPI Dispatch
+// Ordem runtime atualizada:
+// [1] Fraud Gate → [2] Quiz Scoring → [3] LTV → [3.x] [NOME] → [4] D1 → [5] CAPI
+
+const [nomeResult] = await run[Nome](env, {
+  lead_id:    payload.userId,
+  input_hash: await sha256(JSON.stringify(relevantFeatures)),
+  features:   relevantFeatures,
+  pipeline:   'track'
+});
+
+// Resultado disponível para enriquecer o CAPI dispatch
+payload.ai_[nome]_class = [nomeResult].result_class;
+payload.ai_[nome]_score = [nomeResult].score;
+```
+
+---
+
+**PASSO 4 — DevOps Agent**
+
+Sequência de execução obrigatória:
+
+```bash
+# 1. Verificar se binding [ai] já existe (não duplicar)
+! grep -c '\[ai\]' server-edge-tracker/wrangler.toml
+# Se retornar 0 → adicionar bloco [ai] binding = "AI"
+# Se retornar ≥1 → pular, já existe
+
+# 2. Aplicar schema D1
+! wrangler d1 execute cdp-edge-db --file=server-edge-tracker/schema-ai-[nome].sql --remote
+
+# 3. Deploy
+! wrangler deploy
+```
+
+**Em caso de falha no deploy:** o DevOps Agent captura o erro, passa para o Debug Agent e tenta correção automática antes de escalar para o usuário.
+
+---
+
+**PASSO 5 — Validator Agent**
+
+Smoke tests obrigatórios em sequência:
+
+```bash
+# Test 1 — Inferência ad-hoc
+POST /api/ai/[nome]
+Body: { "lead_id": "smoke-test-001", "features": { [campo-principal]: [valor-teste] } }
+Esperado: 200 + { result_class, confidence, score, cached: false }
+
+# Test 2 — Cache hit
+POST /api/ai/[nome]  (mesmo payload)
+Esperado: 200 + { cached: true, latency_ms < 10 }
+
+# Test 3 — Leitura do resultado
+GET /api/ai/[nome]/smoke-test-001
+Esperado: 200 + registro da tabela D1
+
+# Test 4 — Stats
+GET /api/ai/[nome]/stats
+Esperado: 200 + { total, by_class: { ... }, cache_hit_rate }
+
+# Test 5 — Pipeline /track (somente se Modo A ou C)
+POST /track com payload real
+Esperado: response contém ai_[nome]_class no resultado
+```
+
+Se qualquer teste falhar: **bloquear** e escalar para Debug Agent antes de entregar ao usuário.
+
+---
+
+### SAÍDA FINAL AO USUÁRIO
+
+```
+⚡ Módulo AI criado: [nome-do-módulo]
+
+Modelo:     @cf/[modelo]
+Tabela D1:  ai_[nome]  ([N] colunas tipadas + 3 índices)
+Cache KV:   ai:[nome]:{hash}  (TTL: 1h)
+
+Rotas:
+  POST /api/ai/[nome]           → inferência
+  GET  /api/ai/[nome]/:lead_id  → histórico
+  GET  /api/ai/[nome]/stats     → métricas
+
+Pipeline /track: [INTEGRADO na posição [3.x] | NÃO INTEGRADO]
+
+Smoke tests:  5/5 ✅
+Deploy:       OK — [worker-url]
+```
+
+---
+
 ## COMANDO /setup — Fluxo principal de configuração
 
 ### MENSAGEM DE BOAS-VINDAS (disparar na ativação do agente)
@@ -1079,8 +1358,13 @@ Exibir:
 **Bloco CartPanda** (incluir se CartPanda selecionado):
 > - `CARTPANDA_TOKEN` — Token CartPanda webhook
 
-**Bloco Monetizze** (incluir se Monetizze selecionado):
-> - `MONETIZZE_TOKEN` — Token Monetizze webhook
+**Bloco EVO CRM (OAuth2)** (incluir se CRM selecionado):
+> - `EVO_CRM_BASE_URL` — URL base (ex: https://api-evocrm.dominio.com)
+> - `EVO_CRM_CLIENT_ID` — OAuth client_id (Configurações -> Aplicações)
+> - `EVO_CRM_CLIENT_SECRET` — OAuth client_secret (O segredo do app)
+> - `EVO_CRM_INBOX_ID` — ID numérico do inbox (final da URL da caixa)
+> - `EVO_CRM_DEFAULT_COUNTRY` — Dial code default (ex: 55)
+> - `EVO_CRM_LOCALE` — Locale das notas (pt-BR | en-US | es-ES)
 
 **Sempre incluir:**
 > - `SITE_URL` — URL do seu funil/site (ex: https://meusite.com.br)
@@ -1589,7 +1873,15 @@ Spawnar os agentes enterprise em ordem:
      - W-Shape
      - Data-Driven (requer histórico de dados)
 
-2. **Security Enterprise Agent** (security-enterprise-agent.md)
+6. **A/B LTV Testing Agent** (ab-ltv-agent.md)
+   - Ativar experimentos A/B sobre o system prompt do Workers AI LTV
+   - Aplicar `schema-ab-ltv.sql` no D1 (ltv_ab_tests + ltv_ab_assignments + ltv_ab_results)
+   - Configurar rotas: `POST /api/ltv/ab-test/create`, `GET /api/ltv/ab-test/results`, `POST /api/ltv/ab-test/winner`
+   - Integrar `getLtvAbVariation()` no fluxo `predictLtv()` do `index.ts`
+   - Conectar resultado do webhook (compra real) ao `ltv_ab_assignments.converted` para scoring de acurácia
+   - Downstream: ao detectar vencedor com `accuracy_improvement ≥ 5%`, notificar LTV Predictor Agent para atualizar o prompt padrão
+
+7. **Security Enterprise Agent** (security-enterprise-agent.md)
    - Implementar rate limiting (IP, user, global)
    - Configurar IP blacklist/whitelist
    - Implementar input validation com Joi
@@ -1598,14 +1890,14 @@ Spawnar os agentes enterprise em ordem:
    - Criar audit logging completo
    - Criar D1 schemas: ip_blacklist, ip_whitelist, ip_violations, audit_logs
 
-3. **Performance Optimization Agent** (performance-optimization-agent.md)
+8. **Performance Optimization Agent** (performance-optimization-agent.md)
    - Implementar caching multi-camada (L1 memory, L2 KV, L3 D1)
    - Criar índices otimizados para D1
    - Implementar batch processing para atribuição
    - Configurar latency profiling
    - Criar endpoints de monitoramento de performance
 
-4. **Compliance Agent** (compliance-agent.md)
+9. **Compliance Agent** (compliance-agent.md)
    - Implementar consent management (GDPR, LGPD, CCPA)
    - Configurar data rights (access, deletion, portability, rectification)
    - Implementar data retention policies automatizadas
@@ -1624,6 +1916,7 @@ Usar `AskUserQuestion` com multi-select para permitir múltiplas seleções:
 > - [ ] **Match Quality** (garante que só dado com valor real vai para as plataformas — EMQ Score)
 > - [ ] **ROAS Feedback + Nurture** (ROAS real por campanha + follow-up automático pós-quiz)
 > - [x] Multi-Touch Attribution
+> - [ ] **A/B LTV Testing** (testa variações do prompt LTV → aumenta precisão preditiva em até +25%)
 > - [ ] Security Enterprise (rate limiting, IP blocking)
 > - [ ] Performance Optimization (caching, query optimization)
 > - [ ] Compliance (GDPR, LGPD, Consent Management)
@@ -1950,6 +2243,10 @@ Apresentar o resultado organizado com resumo de eventos e próximos passos.
    wrangler secret put META_ACCESS_TOKEN
    wrangler secret put GA4_API_SECRET
    wrangler secret put TIKTOK_ACCESS_TOKEN
+   wrangler secret put EVO_CRM_BASE_URL
+   wrangler secret put EVO_CRM_CLIENT_ID
+   wrangler secret put EVO_CRM_CLIENT_SECRET
+   wrangler secret put EVO_CRM_INBOX_ID
    ```
 
 3. **Testar Eventos:**

package/extracted-skill/tracking-events-generator/agents/ml-clustering-agent.md

@@ -744,6 +744,26 @@ curl "https://seudominio.com/api/segmentation/outliers?limit=20"
 
 ---
 
+## COMANDO *new-ai-module — Ativação por módulo genérico
+
+Este agente também é invocado pelo Master Orchestrator quando recebe o comando `*new-ai-module` com descrição do tipo:
+**segmentar, agrupar, cluster, similaridade, perfil, embedding, distribuição**
+
+### Responsabilidade no PASSO 1 do pipeline *new-ai-module
+
+Entregar obrigatoriamente ao Master Orchestrator:
+
+1. **Modelo escolhido** — para clustering semântico: `@cf/baai/bge-m3`; para auto-labeling de segmentos: `@cf/ibm-granite/granite-4.0-h-micro`
+2. **Estratégia de clustering** — K-means (grupos fixos) ou DBSCAN (anomalias/fraude), com `n_clusters` recomendado
+3. **Pipeline de features** — quais campos do payload ou da tabela D1 alimentam o vetor de embedding
+4. **Contrato de output** — `{ segment_id, segment_label, similarity_score, cluster_method }`
+5. **TTL de cache KV recomendado** — padrão 3600s; para segmentos comportamentais usar 1800s
+6. **Posição no pipeline `/track`** — se Modo A ou C, este módulo entra após LTV Prediction
+
+> **Regra:** Responder com o pacote completo em uma única mensagem. Sem perguntas de volta ao Orchestrator.
+
+---
+
 *ML Clustering Agent v1.0 — Segmentação Dinâmica ML*
 *Versão: 1.0 — Criado em: 9 de Abril de 2026*
 *Status: Ready para implementação*

package/package.json

@@ -1,6 +1,6 @@
 {
   "name": "cdp-edge",
-  "version": "2.5.4",
+  "version": "2.5.6",
   "description": "CDP Edge - Quantum Tracking - Sistema multi-agente para tracking digital Cloudflare Native (Workers + D1)",
   "main": "dist/index.js",
   "type": "module",

package/server-edge-tracker/INSTALAR.md

@@ -366,8 +366,8 @@ pattern  = "SEU_DOMINIO/track*"      # ← Substituir pelo domínio real
 zone_name = "SEU_DOMINIO"            # ← Substituir pelo domínio real
 
 # Exemplo real:
-# pattern  = "lancamentosabc.com.br/track*"
-# zone_name = "lancamentosabc.com.br"
+# pattern  = "cliente.com.br/track*"
+# zone_name = "cliente.com.br"
 ```
 
 #### 3. Fazer o deploy com as rotas

package/server-edge-tracker/index.ts

@@ -63,6 +63,9 @@ import {
   processWhatsAppWebhook,
   verifyHmac,
 } from './modules/dispatch/whatsapp';
+import {
+  pushLeadToCrm,
+} from './modules/dispatch/crm';
 
 // ── ML — LTV + A/B Testing ────────────────────────────────────────────────────
 import {
@@ -239,6 +242,9 @@ export default {
         WA_NOTIFY_NUMBER:         env.WA_NOTIFY_NUMBER         ? 'set' : 'not set (optional - only for auto-reply)',
         TIKTOK_ACCESS_TOKEN:      env.TIKTOK_ACCESS_TOKEN      ? 'set' : 'not set (optional)',
         CALLMEBOT_PHONE:          env.CALLMEBOT_PHONE          ? 'set' : 'not set (optional)',
+        EVO_CRM_BASE_URL:         env.EVO_CRM_BASE_URL         ? 'set' : 'not set (optional - EVO CRM)',
+        EVO_CRM_CLIENT_ID:        env.EVO_CRM_CLIENT_ID        ? 'set' : 'not set (optional - EVO CRM)',
+        EVO_CRM_INBOX_ID:         env.EVO_CRM_INBOX_ID         ? 'set' : 'not set (optional - EVO CRM)',
       };
 
       const hasMissing =
@@ -793,6 +799,39 @@ export default {
           : []),
       ]);
 
+      // ── EVO CRM — cria contato + conversa + nota interna ─────────────────
+      // Silencioso se EVO_CRM_BASE_URL / EVO_CRM_CLIENT_ID não estiverem configurados.
+      const CRM_EVENTS = ['Lead', 'Contact', 'CompleteRegistration'];
+      if (CRM_EVENTS.includes(eventName) && trackPayload.phone) {
+        ctx.waitUntil(
+          pushLeadToCrm(env, {
+            phone:        trackPayload.phone,
+            name:         [trackPayload.firstName, trackPayload.lastName].filter(Boolean).join(' ') || null,
+            email:        trackPayload.email        || null,
+            fbclid:       trackPayload.fbclid       || null,
+            fbc:          trackPayload.fbc          || null,
+            fbp:          trackPayload.fbp          || null,
+            utmSource:    trackPayload.utmSource    || null,
+            utmMedium:    trackPayload.utmMedium    || null,
+            utmCampaign:  trackPayload.utmCampaign  || null,
+            utmContent:   trackPayload.utmContent   || null,
+            utmTerm:      trackPayload.utmTerm      || null,
+            pageUrl:      trackPayload.pageUrl      || null,
+            formName:     trackPayload.contentName  || trackPayload.productName || eventName,
+            eventName,
+            intentScore:  typeof trackPayload.intent_score === 'number'
+                            ? trackPayload.intent_score
+                            : typeof trackPayload.intentScoreNum === 'number'
+                              ? trackPayload.intentScoreNum
+                              : null,
+            ltvClass:     trackPayload.ltvClass     || null,
+            funnelStage:  trackPayload.funnel_stage || trackPayload.funnelDepth || null,
+            value:        trackPayload.value        ?? null,
+            currency:     trackPayload.currency     || null,
+          })
+        );
+      }
+
       // Automação de mensagens
       const AUTOMATION_EVENTS = ['Lead', 'Purchase', 'InitiateCheckout'];
       if (AUTOMATION_EVENTS.includes(eventName) && env.DB) {