iron-edge 1.1.0 → 2.0.0

package/squads/squad-cloning/tasks/discover-books-publications.md

@@ -17,30 +17,43 @@ Saida:
     destino: "next phase"
 
 Checklist:
-  - "[ ] Validar inputs"
-  - "[ ] Executar steps"
-  - "[ ] Verificar qualidade"
-  - "[ ] Gerar output"
+  - "[ ] Autoria confirmada como do proprio target, nao de ghostwriter creditado a outro"
+  - "[ ] Formato de acesso e disponibilidade real registrados"
+  - "[ ] Estimativa de palavras calculada a partir de paginas, nao por impressao"
+  - "[ ] Prefacio/posfacio de terceiro diferenciado do corpo do livro"
+  - "[ ] Prioridade atribuida"
 ---
 
-# Task: discover-books-publications
-
-## Metadata
-- **Agent:** source-hunter (Scout)
-- **Squad:** squad-cloning
-- **Complexity:** STANDARD
+# Task: Buscar livros e publicações
 
 ## Objetivo
-Encontrar livros e publicacoes
-
-## Steps
-1. Receber inputs da fase anterior
-2. Executar operacao principal
-3. Validar output contra criterios
-4. Entregar artefato para proxima fase
-
-## Criterios de Qualidade
-- Output segue formato esperado
-- Nenhum dado inventado
-- Tags de confianca aplicadas
-- Gaps documentados
+Levantar os livros, e-books e publicações longas de autoria do target, com estimativa de palavras e formato de acesso, prontos para o `source-catalog.yaml`.
+
+## A regra que governa
+**Autoria é o que decide se o livro entra como fonte primária.** Um livro escrito pelo target vale como TIER S de `source-classification.md`; um livro sobre o target, uma biografia, ou uma coletânea onde ele é apenas citado ao lado de outros autores é fonte secundária — mesmo que o nome dele esteja na capa.
+
+## Passos
+
+1. **Busque em Amazon, Google Books e Archive.org.** Nome completo do target + "livro" / "book" / "autor". Cheque também sites de editoras e o site pessoal/institucional dele, que costuma listar a bibliografia oficial.
+
+2. **Confirme autoria real.** Livro assinado por ghostwriter creditado formalmente a outra pessoa não conta como fala do target, mesmo que ele tenha "aprovado o conteúdo" — a menos que haja declaração pública dele assumindo a autoria das ideias. Coletânea ou antologia onde ele é um capítulo entre vários autores conta, mas só o capítulo dele.
+   ⚠️ Livro escrito "com" (co-autoria) precisa registrar os dois nomes e, se possível, qual parte é de cada um — sem essa distinção o texto vira contaminação para quem for extrair depois.
+
+3. **Registre o formato e a acessibilidade real.** `pdf`, `ebook`, `physical` ou `audiobook`; e se está `available` (achável agora), `requires_purchase` (precisa comprar, mas existe) ou `rare` (esgotado, sem edição digital, biblioteca especializada). Não marque como disponível o que você não confirmou que dá para obter.
+
+4. **Estime palavras por páginas.** Livro de negócios/não-ficção tem em média 250-300 palavras por página — use `pages × 275` como base, ajustando para mais (texto denso, letra pequena) ou menos (muitas imagens, espaçamento largo).
+
+5. **Separe o corpo do livro do que terceiros escreveram sobre ele.** Prefácio, posfácio ou orelha escritos por outra pessoa sobre o target vão para `discover-articles-interviews`, não aqui — mesmo estando dentro do mesmo arquivo físico.
+
+6. **Atribua prioridade.** `must` = livro solo, autoria confirmada, tema central da área do target; `should` = coautoria ou capítulo em coletânea; `could` = publicação curta, e-book promocional, white paper.
+
+## Formato da saída
+Entradas em `sources.books` do `source-catalog-template.yaml`: title, author, isbn, year, pages, estimated_words, format, accessibility, priority.
+
+## O que não vale
+- Contar livro ghostwritten sem declaração de autoria como fala do target.
+- Marcar como `available` um livro que você só viu referenciado, sem confirmar que existe cópia acessível.
+- Misturar prefácio de terceiro com o corpo do livro na mesma estimativa de palavras.
+
+## Fontes no squad
+`knowledge-base/source-classification.md` (Classe D usa livro como fonte única; tabela de reliability score — livro PDF 0.98, OCR 0.85), `templates/source-catalog-template.yaml`.

package/squads/squad-cloning/tasks/discover-podcasts-appearances.md

@@ -17,30 +17,43 @@ Saida:
     destino: "next phase"
 
 Checklist:
-  - "[ ] Validar inputs"
-  - "[ ] Executar steps"
-  - "[ ] Verificar qualidade"
-  - "[ ] Gerar output"
+  - "[ ] Diferenciado host (podcast proprio) de guest (convidado)"
+  - "[ ] Episodio com duracao e estimativa de palavras proporcional a fala do target"
+  - "[ ] Idioma do episodio identificado"
+  - "[ ] Prioridade atribuida conforme profundidade da participacao"
+  - "[ ] Episodio inacessivel (removido, exclusivo de assinante) marcado como tal"
 ---
 
-# Task: discover-podcasts-appearances
-
-## Metadata
-- **Agent:** source-hunter (Scout)
-- **Squad:** squad-cloning
-- **Complexity:** STANDARD
+# Task: Buscar podcasts e participações
 
 ## Objetivo
-Buscar episodios de podcast
-
-## Steps
-1. Receber inputs da fase anterior
-2. Executar operacao principal
-3. Validar output contra criterios
-4. Entregar artefato para proxima fase
-
-## Criterios de Qualidade
-- Output segue formato esperado
-- Nenhum dado inventado
-- Tags de confianca aplicadas
-- Gaps documentados
+Mapear os episódios de podcast onde o target é host ou convidado, com duração, estimativa de palavras e prioridade, prontos para o `source-catalog.yaml`.
+
+## A regra que governa
+**Quanto mais longa e mais livre a fala do target no episódio, mais vale a fonte.** Um podcast que ele apresenta, ou uma entrevista de 45 minutos onde ele responde sem roteiro, vale mais que uma participação de 5 minutos num painel com quatro convidados — a hierarquia de `source-classification.md` (TIER S a D por formato) é o critério, não a popularidade do podcast.
+
+## Passos
+
+1. **Busque nos diretórios principais.** Spotify, Apple Podcasts, Listen Notes, e o nome do target combinado com "podcast" no buscador geral. Cheque também se ele tem podcast próprio (host) — buscar só pelo nome dele deixa passar o nome do programa.
+
+2. **Separe host de guest.** `type: host` é o podcast dele — normalmente fonte de maior densidade, porque ele fala mais e sem editorial de terceiro puxando a pauta. `type: guest` é participação em podcast de outra pessoa.
+
+3. **Valide que é ele mesmo.** Nome comum aparece em múltiplos podcasts de pessoas diferentes. Confirme pela descrição do episódio, pela bio do convidado, ou pelo tema batendo com a área do target.
+
+4. **Estime palavras proporcionalmente à fala dele.** Um episódio de podcast tem em geral ~150 palavras/minuto de fala corrida — mas quando o target é um entre vários convidados, a estimativa de palavras dele não é a duração do episódio inteiro.
+   ⚠️ Em painel com múltiplos convidados, a fala do target pode ser 20-30% do episódio. Não estime o episódio inteiro como se fosse só ele falando.
+
+5. **Classifique acessibilidade.** Episódio de assinatura paga, bônus exclusivo de Patreon, ou removido do ar entra como `requires_purchase` ou é descartado do volume acessível — mas ainda documentado, com nota.
+
+6. **Atribua prioridade.** `must` = podcast próprio ou entrevista longa (45min+) onde é o foco; `should` = participação de 20-45min; `could` = aparição curta ou painel com muitos convidados.
+
+## Formato da saída
+Entradas no formato `sources.podcasts` do `source-catalog-template.yaml`: url, podcast_name, episode_title, type, duration_minutes, estimated_words, language, quality, priority.
+
+## O que não vale
+- Contar a duração total do episódio como palavras do target quando ele divide o tempo com outros convidados.
+- Confundir homônimo por coincidência de tema.
+- Ignorar podcast próprio do target por ele não aparecer nos diretórios mais óbvios — buscar pelo nome do programa também, não só pelo nome da pessoa.
+
+## Fontes no squad
+`knowledge-base/source-classification.md` (hierarquia de credibilidade por formato, TIER S a D), `templates/source-catalog-template.yaml`.

package/squads/squad-cloning/tasks/discover-social-media-content.md

@@ -17,30 +17,43 @@ Saida:
     destino: "next phase"
 
 Checklist:
-  - "[ ] Validar inputs"
-  - "[ ] Executar steps"
-  - "[ ] Verificar qualidade"
-  - "[ ] Gerar output"
+  - "[ ] Conta oficial confirmada, nao fa-page nem paroda"
+  - "[ ] Conteudo de conta publica separado de conteudo de conta fechada/paga"
+  - "[ ] Volume estimado por plataforma (alto/medio/baixo), nao por post individual"
+  - "[ ] Formato de maior densidade (threads, posts longos) priorizado sobre posts soltos"
+  - "[ ] Prioridade atribuida"
 ---
 
-# Task: discover-social-media-content
-
-## Metadata
-- **Agent:** source-hunter (Scout)
-- **Squad:** squad-cloning
-- **Complexity:** STANDARD
+# Task: Mapear presença em redes sociais
 
 ## Objetivo
-Mapear presenca em redes sociais
-
-## Steps
-1. Receber inputs da fase anterior
-2. Executar operacao principal
-3. Validar output contra criterios
-4. Entregar artefato para proxima fase
-
-## Criterios de Qualidade
-- Output segue formato esperado
-- Nenhum dado inventado
-- Tags de confianca aplicadas
-- Gaps documentados
+Identificar as contas oficiais do target em redes sociais e estimar o volume e a densidade de conteúdo relevante em cada uma, pronto para o `source-catalog.yaml`.
+
+## A regra que governa
+**Social media é a fonte de menor prioridade entre as primárias — mas só quando é o próprio target postando.** A tabela de priorização de `source-classification.md` coloca threads e posts em 4º lugar, atrás de conteúdo longo-form, entrevistas e artigos escritos. Isso não muda o fato de que continua sendo fala direta da pessoa: o que muda é a profundidade, não a autenticidade.
+
+## Passos
+
+1. **Confirme que a conta é oficial.** Selo de verificação, link cruzado com o site institucional, ou menção em bio de outra rede já confirmada. Conta de fã, paródia, ou perfil desativado há anos não entra.
+   ⚠️ Nome comum + rede social sem verificação é terreno fértil para homônimo. Cheque o fingerprint (empresa, área, foto, bio) antes de aceitar.
+
+2. **Separe conta pública de conta fechada.** Perfil aberto que qualquer um pode ler é conteúdo público. Perfil trancado, grupo fechado, ou comunidade paga (Discord privado, grupo de WhatsApp) exige login ou associação — isso muda a base de uso, não só a acessibilidade. Marque e não trate como "público" só por estar tecnicamente na internet.
+
+3. **Priorize o formato de maior densidade.** Thread longo, post substantivo no LinkedIn ou newsletter valem mais que um post de uma linha ou um story que some em 24h. Use os níveis TIER B/C de `source-classification.md` como referência: thread de 10+ tweets é TIER B, post curto é TIER C.
+
+4. **Estime volume por plataforma, não por post.** Não é viável nem necessário catalogar post a post. Registre `volume: high/medium/low` por plataforma com base na frequência e na profundidade média do que foi visto numa amostragem — e anote quantos posts substantivos (thread, texto longo) existem versus quantos são curtos ou promocionais.
+
+5. **Descarte ruído.** Repost sem comentário, propaganda de produto, ou post automático de agendador não representa o pensamento do target — não conta para volume, ainda que apareça no feed.
+
+6. **Atribua prioridade.** `must` = plataforma com threads/posts longos e recorrentes; `should` = plataforma ativa mas com conteúdo mais curto; `could` = plataforma secundária, pouco uso, majoritariamente repost.
+
+## Formato da saída
+Entradas em `sources.social_media` do `source-catalog-template.yaml`: platform, handle, url, content_type, volume, priority — com nota quando o conteúdo mais denso está atrás de acesso fechado.
+
+## O que não vale
+- Catalogar conta de fã ou paródia como fonte do target.
+- Tratar comunidade fechada/paga como conteúdo público só porque está online.
+- Contar repost e post promocional como volume de pensamento próprio.
+
+## Fontes no squad
+`knowledge-base/source-classification.md` (priorização de fontes, hierarquia de credibilidade TIER B/C para redes sociais), `templates/source-catalog-template.yaml`.

package/squads/squad-cloning/tasks/discover-youtube-channels.md

@@ -17,30 +17,44 @@ Saida:
     destino: "next phase"
 
 Checklist:
-  - "[ ] Validar inputs"
-  - "[ ] Executar steps"
-  - "[ ] Verificar qualidade"
-  - "[ ] Gerar output"
+  - "[ ] Canal(is) proprio(s) do target identificado(s) e URL confirmada"
+  - "[ ] Aparicoes em canais de terceiros diferenciadas do canal proprio"
+  - "[ ] Cada video com duracao e estimativa de palavras"
+  - "[ ] Prioridade (must/should/could) atribuida por video ou canal"
+  - "[ ] Video sem a fala original do target (reacao, resumo, compilacao) descartado ou marcado"
 ---
 
-# Task: discover-youtube-channels
-
-## Metadata
-- **Agent:** source-hunter (Scout)
-- **Squad:** squad-cloning
-- **Complexity:** STANDARD
+# Task: Buscar canais do YouTube
 
 ## Objetivo
-Buscar canais YouTube do target
-
-## Steps
-1. Receber inputs da fase anterior
-2. Executar operacao principal
-3. Validar output contra criterios
-4. Entregar artefato para proxima fase
-
-## Criterios de Qualidade
-- Output segue formato esperado
-- Nenhum dado inventado
-- Tags de confianca aplicadas
-- Gaps documentados
+Mapear todo o conteúdo em vídeo do target no YouTube — canal próprio e aparições em canais de terceiros — e devolver cada item catalogado com tipo, duração estimada e prioridade, pronto para entrar no `source-catalog.yaml`.
+
+## A regra que governa
+**Vídeo onde o target fala não é o mesmo que vídeo onde se fala sobre o target.** Um vídeo do canal próprio ou uma entrevista onde ele responde é fonte primária; uma reação, um resumo ou uma compilação feita por terceiro é, na melhor das hipóteses, fonte secundária — e tem que ser marcado como tal, não empilhado junto.
+
+## Passos
+
+1. **Ache o(s) canal(is) próprio(s).** Busque pelo nome completo do target + termos do domínio dele (ex.: "Fulano marketing YouTube channel"). Confirme que o canal é dele mesmo — nome, bio, link para site oficial — antes de aceitar.
+   ⚠️ Nome comum ou genérico gera homônimo. Se o nome sozinho não resolve, monte um fingerprint (nome + empresa + área + período) e valide cada canal contra ele antes de aceitar.
+
+2. **Liste as aparições em canais de terceiros.** Entrevistas, podcasts em vídeo, palestras gravadas por organizador do evento, participações em canal de outra pessoa. Isso é `type: appearance` ou `interview`, nunca `own_channel`.
+
+3. **Separe o que não é o target falando.** Vídeo de reação, resumo feito por terceiro, compilação de "melhores momentos" sem o áudio original não vai para `youtube` como fonte do target — se for relevante para achar outra fonte (ex.: cita a entrevista original), anote e siga a pista até a fonte primária.
+
+4. **Estime palavras por vídeo.** Regra prática: ~130-150 palavras por minuto de fala corrida (menos se houver silêncio, edição, ou o target responde perguntas curtas). `estimated_words = duration_minutes × 140` como ponto de partida, ajustado pelo formato.
+
+5. **Classifique a acessibilidade.** Vídeo privado, exclusivo de assinantes, removido, ou "somente com convite" não é vídeo público — marque como tal e não conte no volume acessível sem confirmar que dá para acessar de fato.
+
+6. **Atribua prioridade.** `must` = canal próprio, conteúdo longo-form original; `should` = entrevista onde é o entrevistado, participação longa; `could` = aparição curta, cameo, menção passageira.
+
+## Formato da saída
+Lista de entradas no formato `sources.youtube` do `templates/source-catalog-template.yaml`: url, channel, title, type, duration_minutes, estimated_words, language, quality, priority, notes. Uma entrada por vídeo ou, se o canal tem dezenas de vídeos do mesmo formato, uma entrada por canal com nota agregada e contagem.
+
+## O que não vale
+- Contar vídeo de reação/resumo de terceiro como fonte do target.
+- Estimar palavras "no olho" sem base na duração real.
+- Aceitar canal por coincidência de nome sem checar fingerprint.
+- Marcar vídeo privado ou removido como disponível.
+
+## Fontes no squad
+`knowledge-base/source-classification.md` (priorização de fontes, tabela de credibilidade por formato), `templates/source-catalog-template.yaml` (formato exato da entrada).

package/squads/squad-cloning/tasks/escalate-quality-issues.md

@@ -17,30 +17,47 @@ Saida:
     destino: "next phase"
 
 Checklist:
-  - "[ ] Validar inputs"
-  - "[ ] Executar steps"
-  - "[ ] Verificar qualidade"
-  - "[ ] Gerar output"
+  - "[ ] Causa raiz classificada (dados insuficientes / extracao incompleta / erro de sintese) antes de qualquer retry"
+  - "[ ] Teto de 2 tentativas por fase respeitado"
+  - "[ ] Abort documenta razao e gaps, nao descarta sem registro"
+  - "[ ] Decisao devolvida a monitor-pipeline-progress"
 ---
 
-# Task: escalate-quality-issues
-
-## Metadata
-- **Agent:** cloning-orqx (Helix)
-- **Squad:** squad-cloning
-- **Complexity:** STANDARD
+# Task: Diagnosticar falha de quality gate
 
 ## Objetivo
-Diagnosticar quality gate failures
-
-## Steps
-1. Receber inputs da fase anterior
-2. Executar operacao principal
-3. Validar output contra criterios
-4. Entregar artefato para proxima fase
-
-## Criterios de Qualidade
-- Output segue formato esperado
-- Nenhum dado inventado
-- Tags de confianca aplicadas
-- Gaps documentados
+Quando uma fase reprova no quality gate, achar a causa raiz antes de decidir o próximo passo — retry, downgrade de tier ou abort — e não deixar o pipeline tentar de novo às cegas.
+
+## A regra que governa
+**Diagnosticar antes de repetir.** Retry sem causa identificada é o mesmo erro rodando de novo, só que mais devagar.
+
+## Passos
+
+1. **Classifique a causa raiz em uma das três categorias:**
+   - **Dados insuficientes** — a fonte não tinha volume ou profundidade suficiente para o que a fase pedia (ex.: confidence baixo na Fase 4 porque a Fase 2 capturou pouco).
+   - **Extração incompleta** — a fase rodou mas não cobriu o que deveria (ex.: heurísticas com menos da metade do mínimo do tier, camada L1 ou L2 abaixo de 50%, ver `knowledge-base/confidence-scoring.md`).
+   - **Erro de síntese** — o dado existe e foi extraído, mas a fase que consolida errou (contradição não resolvida, perfil incoerente, tier atribuído sem justificativa).
+   ⚠️ **A confusão mais cara é tratar dado insuficiente como erro de síntese.** Pedir para o Synth "tentar de novo" não resolve o que nunca foi capturado. Confira primeiro se a fase anterior entregou volume suficiente.
+
+2. **Decida a ação pela causa:**
+   - Dados insuficientes → volta para o Scout (Fase 1), mais fontes ou reclassificação de classe.
+   - Extração incompleta → o agente da própria fase (Cortex, Synth, Forge, Archive) reexecuta a camada com o gap apontado explicitamente — não um retry genérico, e sim "faltou X, refaça X".
+   - Erro de síntese → o agente responsável reprocessa com o feedback específico do que falhou.
+
+3. **Aplique o teto de 2 tentativas por fase.** Na primeira reprovação, retry com causa e feedback específico. Na segunda reprovação da mesma fase, não tente uma terceira vez — decida entre downgrade de tier (ver `knowledge-base/clone-tier-standards.md`, tabela "Upgrade Path" lida na direção inversa) ou abort do projeto.
+   ⚠️ **Downgrade não é fracasso, é honestidade.** Um Tier 2 entregue com confidence real de 78% vale mais que um Tier 3 forçado com confidence inflado.
+
+4. **Ao abortar**, documente a razão e os gaps encontrados — o que faltou, em qual fase, e o que seria preciso para reabrir o projeto depois. Isto não é descarte: é o material que permite retomar sem repetir a investigação.
+
+5. **Registre a decisão e devolva o controle a `monitor-pipeline-progress`**, que atualiza o status do projeto com o resultado da escalada.
+
+## Formato da saída
+Diagnóstico de uma linha + ação: `Fase 4 reprovou (confidence 54%, abaixo do piso de Tier 1). Causa: dados insuficientes — Fase 2 capturou 4K palavras de um alvo Classe C. Ação: downgrade para 'insuficiente', projeto documentado, não publicado.`
+
+## O que não vale
+- Rodar retry sem identificar se a causa é dado, extração ou síntese.
+- Passar do teto de 2 tentativas por fase "porque está quase lá".
+- Abortar sem documentar os gaps — isso descarta trabalho que poderia servir de base para uma tentativa futura.
+
+## Fontes no squad
+`agents/cloning-orqx.md` (heurística "Quality gate falhou em qualquer fase", protocolo quality-escalation), `knowledge-base/clone-tier-standards.md` (Upgrade Path, Quality Gates), `knowledge-base/confidence-scoring.md` (thresholds e cálculo por layer).

package/squads/squad-cloning/tasks/estimate-content-volume.md

@@ -17,30 +17,44 @@ Saida:
     destino: "next phase"
 
 Checklist:
-  - "[ ] Validar inputs"
-  - "[ ] Executar steps"
-  - "[ ] Verificar qualidade"
-  - "[ ] Gerar output"
+  - "[ ] Volume total soma apenas fontes com acessibilidade confirmada, nao o catalogo inteiro"
+  - "[ ] Content class (A a D) atribuida pelos criterios da tabela, nao por impressao"
+  - "[ ] Tier recomendado conferido contra os minimos de clone-tier-standards.md"
+  - "[ ] Volume de fonte secundaria registrado separado do volume primario"
+  - "[ ] Justificativa de uma linha para classe e tier registrada no summary"
 ---
 
-# Task: estimate-content-volume
-
-## Metadata
-- **Agent:** source-hunter (Scout)
-- **Squad:** squad-cloning
-- **Complexity:** STANDARD
+# Task: Estimar volume de conteúdo
 
 ## Objetivo
-Estimar volume e classificar class
-
-## Steps
-1. Receber inputs da fase anterior
-2. Executar operacao principal
-3. Validar output contra criterios
-4. Entregar artefato para proxima fase
-
-## Criterios de Qualidade
-- Output segue formato esperado
-- Nenhum dado inventado
-- Tags de confianca aplicadas
-- Gaps documentados
+Calcular o volume total de conteúdo acessível do target, classificar a Content Class (A a D) e recomendar o tier de clone viável — a decisão que fecha a fase de descoberta e libera, ou barra, a captura.
+
+## A regra que governa
+**A classe sai do volume acessível de fontes verificadas, não do volume que existe no mundo.** Um livro raro sem edição digital, ou uma entrevista atrás de paywall que ninguém confirmou conseguir comprar, não contam para a classe — contam como gap. Classificar por otimismo é o erro que este agente está proibido de cometer: Classe D não vira Classe A porque "parece que tem bastante coisa por aí".
+
+## Passos
+
+1. **Some o volume real, não o catalogado.** Percorra o `source-catalog.yaml` compilado e some `estimated_words` apenas das fontes com acessibilidade confirmada (`available`, vídeo público, artigo aberto, livro em mãos). Fonte `requires_purchase` ou `rare` entra numa segunda soma separada, "volume potencial não confirmado" — não no total que define a classe.
+
+2. **Pese fonte primária mais que secundária no volume "core".** Uma citação de terceiro sobre o target não deveria contar palavra por palavra igual a uma transcrição dele mesmo falando. Se o catálogo tem volume relevante de fonte secundária (artigos sobre ele, menções), registre os dois números — volume primário e volume total — para não inflar a classe com material que não é a pessoa falando.
+
+3. **Classifique pela tabela de `source-classification.md`.** Cruze horas de vídeo/áudio próprio, número de livros, densidade de artigos/entrevistas e atividade em redes contra os critérios de Classe A (100h+), B (20-100h), C (<20h) ou D (histórico, só obra escrita). A tabela decide, não a impressão de "esse nome parece grande".
+
+4. **Cheque o mínimo do tier recomendado contra `clone-tier-standards.md`.** Tier 1 exige 5K palavras processáveis, Tier 2 exige 30K, Tier 3 exige 80K. A estimativa de volume aqui é sobre fonte bruta disponível — sempre maior que o que sobrevive à extração. Se o volume acessível está no limite do mínimo, recomende o tier abaixo, não o de cima.
+   ⚠️ Estes mínimos são de volume de fonte, não de confidence score — o confidence entra depois, na extração. Não confunda os dois gates.
+
+5. **Documente os gaps que rebaixaram a classe.** Se a classificação ficou abaixo do que o nome do target sugeriria (alguém conhecido, mas sem YouTube achado, por exemplo), registre explicitamente o que foi buscado e não encontrado — isso orienta se vale insistir na busca antes de aceitar a classe.
+
+6. **Escreva a justificativa em uma linha**, no formato auditável que a casa usa: `Classe B: 34h de vídeo/áudio próprio confirmado, 1 livro solo, sem redes sociais ativas — abaixo do piso de Classe A (100h).`
+
+## Formato da saída
+Preenchimento final do bloco `summary` em `source-catalog-template.yaml`: `content_class`, `class_justification`, `recommended_tier`, `tier_justification`, `estimated_sessions`, `gaps_identified`. Nenhum outro campo do catálogo muda nesta task.
+
+## O que não vale
+- Somar volume potencial (paywall, livro raro) junto com o volume confirmado.
+- Classificar por impressão geral em vez de cruzar contra a tabela.
+- Recomendar tier cujo mínimo (`clone-tier-standards.md`) o volume acessível não sustenta.
+- Deixar de registrar gap porque "não achou nada" parece um resultado fraco de reportar.
+
+## Fontes no squad
+`knowledge-base/source-classification.md` (critérios de classificação A-D), `knowledge-base/clone-tier-standards.md` (mínimos de palavras por tier), `templates/source-catalog-template.yaml` (campos do summary).

package/squads/squad-cloning/tasks/extract-book-content.md

@@ -17,30 +17,60 @@ Saida:
     destino: "next phase"
 
 Checklist:
-  - "[ ] Validar inputs"
-  - "[ ] Executar steps"
-  - "[ ] Verificar qualidade"
-  - "[ ] Gerar output"
+  - "[ ] Ferramenta de extracao (e OCR, se precisar) confirmada antes de iniciar"
+  - "[ ] Metodo de extracao (texto nativo vs OCR) declarado por arquivo"
+  - "[ ] Artefatos de formatacao limpos sem apagar conteudo do corpo"
+  - "[ ] Origem legal do PDF confirmada ou pergunta feita ao dono"
+  - "[ ] 3 paginas reconferidas contra o original antes de marcar como pronto"
 ---
 
-# Task: extract-book-content
-
-## Metadata
-- **Agent:** content-capturer (Capture)
-- **Squad:** squad-cloning
-- **Complexity:** STANDARD
+# Task: Extrair conteudo de livros
 
 ## Objetivo
-Extrair texto de livros PDF
-
-## Steps
-1. Receber inputs da fase anterior
-2. Executar operacao principal
-3. Validar output contra criterios
-4. Entregar artefato para proxima fase
-
-## Criterios de Qualidade
-- Output segue formato esperado
-- Nenhum dado inventado
-- Tags de confianca aplicadas
-- Gaps documentados
+Extrair o texto integral de um livro do alvo (PDF ou ebook), preservando a diferença entre extração direta e OCR, pronto para a extração cognitiva.
+
+## A regra que governa
+**Texto extraído direto do PDF e texto lido por OCR não tem a mesma confiabilidade — a tarefa nunca apaga essa diferença.** Quem lê o arquivo depois precisa saber qual dos dois métodos gerou aquele texto, porque isso muda quanto peso o extrator seguinte pode dar a cada frase.
+
+## Passos
+
+1. **Confirme a ferramenta antes de prometer.** Verifique que existe um meio de extrair texto de PDF e, se necessário, um OCR disponível. Se o livro só existir como PDF de imagem escaneada e não houver OCR no ambiente, diga isso ao dono em uma linha — não dá pra extrair sem OCR nesse caso.
+
+2. **Tente extração direta primeiro.** Só caia para OCR se o PDF for imagem escaneada sem camada de texto.
+   ⚠️ Rodar OCR num PDF que já tem texto nativo só degrada qualidade à toa — confira antes de escolher o método.
+
+3. **Declare o método por arquivo.** Marque `extraction_method: pdf_text` ou `extraction_method: ocr` no cabeçalho — isso decide o reliability score: 0.98 para texto nativo, 0.85 para OCR (tabela de Scoring de Confiabilidade em `knowledge-base/source-classification.md`).
+
+4. **Limpe artefatos de formatação.** Remova headers, footers repetidos, número de página solto e hifenização quebrada de fim de linha — sem tocar no texto do corpo.
+   ⚠️ "Limpar" que apaga trecho de conteúdo real junto com o ruído é o erro mais caro deste passo — na dúvida se uma linha é ruído ou conteúdo, mantenha.
+
+5. **Confirme o direito de uso.** Livro é obra protegida por direito autoral — questão diferente de dado pessoal (LGPD). A extração aqui é para análise interna de clonagem cognitiva, não para republicar o texto. Confirme que o dono tem acesso legítimo à obra (compra, biblioteca, direito próprio) antes de processar; se a origem do PDF for incerta, pergunte ao dono antes de continuar. Como isso envolve direito autoral e não LGPD, não afirme regra específica sem confirmar a jurisdição aplicável — trate como pergunta a esclarecer, não como fato assumido.
+
+6. **Registre metadados.** Título, autor, ISBN (se houver), ano, formato, método de extração, data de captura.
+
+7. **Faça o spot-check.** Reconfira pelo menos 3 páginas do texto extraído contra o PDF original antes de marcar como pronto.
+
+## Formato da saída
+`raw/books/{titulo-do-livro}.txt` com cabeçalho + texto limpo:
+```
+---
+source_type: book
+title: ...
+author: ...
+year: 2020
+extraction_method: pdf_text
+reliability_score: 0.98
+capture_date: 2026-08-22
+consent_basis: legitimate_access_confirm_with_owner
+---
+[texto integral, limpo de headers/footers/numeracao]
+```
+
+## O que não vale
+- Incluir texto de capa, sumário ou índice remissivo como se fosse conteúdo do autor.
+- Declarar OCR como se fosse extração direta.
+- Processar PDF de origem duvidosa sem perguntar ao dono.
+- Apagar parágrafo inteiro achando que era "ruído de formatação".
+
+## Fontes no squad
+`knowledge-base/source-classification.md` (reliability score de texto nativo vs OCR), `knowledge-base/ethical-guidelines.md` (uso não comercial e limites), `templates/source-catalog-template.yaml` (campos de livro: formato, acessibilidade).

package/squads/squad-cloning/tasks/extract-decision-patterns.md

@@ -17,30 +17,40 @@ Saida:
     destino: "next phase"
 
 Checklist:
-  - "[ ] Validar inputs"
-  - "[ ] Executar steps"
-  - "[ ] Verificar qualidade"
-  - "[ ] Gerar output"
+  - "[ ] Cada padrao esta sustentado por 3+ casos concretos, nao por 1 exemplo generalizado"
+  - "[ ] Processo de decisao reconstruido so do resultado (sem raciocinio visivel) esta marcado [HIPOTESE]"
+  - "[ ] Toda divergencia entre heuristica declarada e decisao real foi registrada, nao suavizada"
+  - "[ ] Casos vem de decisoes observaveis, nao de hipoteses do proprio analista"
+  - "[ ] Divergencias foram encaminhadas para a task identify-contradictions"
 ---
 
-# Task: extract-decision-patterns
-
-## Metadata
-- **Agent:** cognitive-extractor (Cortex)
-- **Squad:** squad-cloning
-- **Complexity:** STANDARD
+# Task: Extrair padrões de decisão
 
 ## Objetivo
-Layer 2b: Padroes de decisao
-
-## Steps
-1. Receber inputs da fase anterior
-2. Executar operacao principal
-3. Validar output contra criterios
-4. Entregar artefato para proxima fase
-
-## Criterios de Qualidade
-- Output segue formato esperado
-- Nenhum dado inventado
-- Tags de confianca aplicadas
-- Gaps documentados
+Reconstruir como a pessoa decidiu de fato em casos concretos documentados — o que ela FEZ, não o que ela diz que faz — e comparar com as heurísticas já extraídas em `extract-heuristics`.
+
+## A regra que governa
+**O que a pessoa fez pesa mais do que o que ela diz que faz.** Um padrão de decisão nasce de casos reais reconstruídos, e quando ele diverge de uma heurística declarada, a divergência é o achado — não um erro a esconder ou uma regra a "corrigir" para encaixar no caso.
+
+## Passos
+1. **Levante 3 ou mais casos concretos** onde a pessoa tomou uma decisão observável — não hipotética, não uma recomendação genérica. `source-classification.md` chama isso de "análise de decisões documentadas: reconstruir o processo retroativamente" a partir de cases públicos.
+2. **Para cada caso, reconstrua:** contexto, alternativas que existiam (quando visíveis), o critério que pesou mais, e o resultado.
+   ⚠️ Reconstruir o raciocínio só a partir do resultado é especulação. Se o processo de pensamento não é visível na fonte, marque [HIPOTESE] mesmo que o padrão pareça óbvio pelo desfecho.
+3. **Compare com as heurísticas já extraídas.** O padrão real confirma a regra declarada, refina ela, ou contradiz? Essa comparação é o valor central desta task — regra dita e prática divergente juntas revelam mais do que qualquer uma sozinha.
+4. **Agrupe por padrão recorrente:** a mesma lógica de trade-off aparecendo em decisões de domínios diferentes é o que vira um decision pattern; um caso isolado fica marcado [HIPOTESE]. `extraction-quality-checklist.md` só fixa piso numérico (≥10 decision rules) a partir do Tier 3 — abaixo disso, meça qualidade da reconstrução, não quantidade.
+5. **Toda divergência entre dito e feito vira insumo direto para `identify-contradictions`**, com os dois lados documentados — esta task não resolve a contradição, apenas a levanta.
+
+## Formato da saída
+Tabela por padrão:
+
+| # | Padrão | Casos que sustentam | Diverge de qual heurística? | Confiança |
+|---|--------|---------------------|------------------------------|-----------|
+| 1 | Corta parceria no primeiro sinal de atraso de pagamento, mesmo com contrato válido | 3 casos documentados (2021, 2022, 2023) | Diverge de "eu sempre honro contrato até o fim" | [INFERIDO] |
+
+## O que não vale
+- Inferir o processo de decisão de um único caso sem marcar [HIPOTESE].
+- Reescrever a heurística declarada para "encaixar" no caso, em vez de registrar a divergência.
+- Tratar decisão sob pressão isolada (crise, exceção reconhecida pela própria pessoa) como padrão estável.
+
+## Fontes no squad
+`knowledge-base/cognitive-dna-framework.md` (Layer 2, técnicas de entrevista Ato 4 — limites e erros), `knowledge-base/source-classification.md` (análise de decisões documentadas), `knowledge-base/confidence-scoring.md`, `checklists/extraction-quality-checklist.md`.