vectorgov-cli 0.2.5__tar.gz → 0.2.7__tar.gz

{vectorgov_cli-0.2.5 → vectorgov_cli-0.2.7}/PKG-INFO

@@ -1,6 +1,6 @@
 Metadata-Version: 2.4
 Name: vectorgov-cli
-Version: 0.2.5
+Version: 0.2.7
 Summary: CLI para a API VectorGov - Busca semântica em legislação brasileira
 Project-URL: Homepage, https://vectorgov.io
 Project-URL: Documentation, https://vectorgov.io/documentacao
@@ -136,7 +136,6 @@ vectorgov search --raw "dispensa de licitação" | jq -r '.hits[] | "- \(.docume
 | Comando | Descrição |
 |---------|-----------|
 | `search` | Busca semântica em legislação (filtros: `--tipo`, `--ano`, `--doc`) |
-| `ask` | Contexto para LLMs (busca + system prompt) |
 | `smart-search` | Busca inteligente MOC v4 com análise de confiança |
 | `hybrid` | Busca semântica + expansão por grafo normativo |
 | `lookup` | Consulta de artigo específico por referência legal |
@@ -205,22 +204,16 @@ vectorgov search "licitação" --raw | jq '.hits[0].text'
 - `--output/-o` (table/json/text/markdown)
 - `--raw` — saída JSON bruto para piping
 
-### Perguntas (contexto para LLM)
+### Contexto para LLMs
 
-O comando `ask` busca contexto relevante para você usar com seu próprio LLM (OpenAI, Anthropic, Google, etc).
+Use o comando `context` para gerar um bloco completo (busca + system prompt) pronto para colar em qualquer LLM (OpenAI, Anthropic, Google, etc).
 
 ```bash
-# Busca contexto para pergunta
-vectorgov ask "O que é ETP?"
+# Bloco de contexto em texto puro
+vectorgov context "O que é ETP?"
 
-# Com mais contexto
-vectorgov ask "Quando o ETP pode ser dispensado?" --top-k 10 --mode precise
-
-# Saída em formato messages (pronto para LLM)
-vectorgov ask "critérios de julgamento" --output json
-
-# Mostrar código de exemplo para integração
-vectorgov ask "O que é ETP?" --code
+# Formato messages (OpenAI-compatible)
+vectorgov context "critérios de julgamento" --format messages
 ```
 
 **Exemplo de integração com OpenAI:**
@@ -663,9 +656,6 @@ vectorgov search "licitação" --output json > resultados.json
 QUERY_ID=$(vectorgov search "ETP" --raw | jq -r '.query_id')
 vectorgov feedback send $QUERY_ID --like
 
-# Obter contexto para LLM
-vectorgov ask "O que é ETP?" --raw | jq '.messages'
-
 # Contexto completo para colar no ChatGPT/Claude
 vectorgov context "dispensa de licitação" --format raw
 
@@ -707,7 +697,11 @@ vectorgov --help
 
 # Ajuda de comando específico
 vectorgov search --help
-vectorgov ask --help
+vectorgov context --help
+
+# Versão do CLI
+vectorgov --version    # ou -V
+vectorgov version      # subcomando (alternativa)
 ```
 
 ## Links

{vectorgov_cli-0.2.5 → vectorgov_cli-0.2.7}/README.md

@@ -83,7 +83,6 @@ vectorgov search --raw "dispensa de licitação" | jq -r '.hits[] | "- \(.docume
 | Comando | Descrição |
 |---------|-----------|
 | `search` | Busca semântica em legislação (filtros: `--tipo`, `--ano`, `--doc`) |
-| `ask` | Contexto para LLMs (busca + system prompt) |
 | `smart-search` | Busca inteligente MOC v4 com análise de confiança |
 | `hybrid` | Busca semântica + expansão por grafo normativo |
 | `lookup` | Consulta de artigo específico por referência legal |
@@ -152,22 +151,16 @@ vectorgov search "licitação" --raw | jq '.hits[0].text'
 - `--output/-o` (table/json/text/markdown)
 - `--raw` — saída JSON bruto para piping
 
-### Perguntas (contexto para LLM)
+### Contexto para LLMs
 
-O comando `ask` busca contexto relevante para você usar com seu próprio LLM (OpenAI, Anthropic, Google, etc).
+Use o comando `context` para gerar um bloco completo (busca + system prompt) pronto para colar em qualquer LLM (OpenAI, Anthropic, Google, etc).
 
 ```bash
-# Busca contexto para pergunta
-vectorgov ask "O que é ETP?"
+# Bloco de contexto em texto puro
+vectorgov context "O que é ETP?"
 
-# Com mais contexto
-vectorgov ask "Quando o ETP pode ser dispensado?" --top-k 10 --mode precise
-
-# Saída em formato messages (pronto para LLM)
-vectorgov ask "critérios de julgamento" --output json
-
-# Mostrar código de exemplo para integração
-vectorgov ask "O que é ETP?" --code
+# Formato messages (OpenAI-compatible)
+vectorgov context "critérios de julgamento" --format messages
 ```
 
 **Exemplo de integração com OpenAI:**
@@ -610,9 +603,6 @@ vectorgov search "licitação" --output json > resultados.json
 QUERY_ID=$(vectorgov search "ETP" --raw | jq -r '.query_id')
 vectorgov feedback send $QUERY_ID --like
 
-# Obter contexto para LLM
-vectorgov ask "O que é ETP?" --raw | jq '.messages'
-
 # Contexto completo para colar no ChatGPT/Claude
 vectorgov context "dispensa de licitação" --format raw
 
@@ -654,7 +644,11 @@ vectorgov --help
 
 # Ajuda de comando específico
 vectorgov search --help
-vectorgov ask --help
+vectorgov context --help
+
+# Versão do CLI
+vectorgov --version    # ou -V
+vectorgov version      # subcomando (alternativa)
 ```
 
 ## Links

{vectorgov_cli-0.2.5 → vectorgov_cli-0.2.7}/pyproject.toml

@@ -4,7 +4,7 @@ build-backend = "hatchling.build"
 
 [project]
 name = "vectorgov-cli"
-version = "0.2.5"
+version = "0.2.7"
 description = "CLI para a API VectorGov - Busca semântica em legislação brasileira"
 readme = "README.md"
 license = "MIT"

{vectorgov_cli-0.2.5 → vectorgov_cli-0.2.7}/src/vectorgov/cli/__init__.py

@@ -7,7 +7,7 @@ Uso:
     vectorgov auth login
 """
 
-__version__ = "0.2.5"
+__version__ = "0.2.7"
 
 from .main import app
 

{vectorgov_cli-0.2.5 → vectorgov_cli-0.2.7}/src/vectorgov/cli/commands/ask.py

@@ -22,6 +22,27 @@ console = Console()
 config_manager = ConfigManager()
 
 
+def _check_admin(api_key: str) -> bool:
+    """
+    Verifica se a API key tem scope admin.
+
+    Chama GET /api/v1/sdk/me com a key e checa is_admin.
+    Retorna False em qualquer erro (fail-closed).
+    """
+    try:
+        import httpx
+        resp = httpx.get(
+            "https://vectorgov.io/api/v1/sdk/me",
+            headers={"Authorization": f"Bearer {api_key}"},
+            timeout=10.0,
+        )
+        if resp.status_code != 200:
+            return False
+        return bool(resp.json().get("is_admin", False))
+    except Exception:
+        return False
+
+
 @app.callback(invoke_without_command=True)
 def ask(
     query: str = typer.Argument(..., help="Pergunta em linguagem natural"),
@@ -58,6 +79,12 @@ def ask(
         console.print("  Use 'vectorgov auth login' para configurar.")
         raise typer.Exit(1)
 
+    # Verifica se a key tem scope admin (comando restrito)
+    if not _check_admin(api_key):
+        console.print("[red]Erro:[/red] Este comando é restrito a administradores.")
+        console.print("  Use [cyan]vectorgov search[/cyan] para busca regular.")
+        raise typer.Exit(1)
+
     # Valida parâmetros
     if top_k < 1 or top_k > 20:
         console.print("[red]Erro:[/red] top_k deve estar entre 1 e 20.")

{vectorgov_cli-0.2.5 → vectorgov_cli-0.2.7}/src/vectorgov/cli/commands/lookup.py

@@ -279,22 +279,44 @@ def lookup(  # noqa: C901
             print(render_llm_output(hits, query, metadata))
             return
 
+        # hits pode conter dict (fallback _build_match_from_raw) OU objeto
+        # (SDK Hit). Helper para ler campos de ambos uniformemente — usar
+        # getattr direto em dict não lê chaves, então str(h) acabava
+        # serializando o dict inteiro dentro do campo `text` do output JSON.
+        def _get(obj, key, default=""):
+            if obj is None:
+                return default
+            if isinstance(obj, dict):
+                return obj.get(key, default)
+            return getattr(obj, key, default)
+
         if output == "json":
-            data = [
-                {
-                    "source": getattr(h, "source", ""),
-                    "text": getattr(h, "text", str(h)),
-                    "span_id": getattr(h, "span_id", ""),
-                }
-                for h in hits
-            ]
+            data = {
+                "status": status,
+                "query": query,
+                "evidence_url": evidence_url,
+                "document_url": document_url,
+                "total": len(hits),
+                "hits": [
+                    {
+                        "source": _get(h, "source") or _get(h, "document_id"),
+                        "text": _get(h, "text"),
+                        "span_id": _get(h, "span_id"),
+                        "device_type": _get(h, "device_type"),
+                        "document_id": _get(h, "document_id"),
+                        "article_number": _get(h, "article_number"),
+                        "breadcrumb": _get(h, "breadcrumb"),
+                    }
+                    for h in hits
+                ],
+            }
             console.print_json(json.dumps(data, ensure_ascii=False))
         else:
             for h in hits:
-                source = getattr(h, "source", getattr(h, "document_id", ""))
-                span = getattr(h, "span_id", "")
+                source = _get(h, "source") or _get(h, "document_id")
+                span = _get(h, "span_id")
                 title = f"{source} — {span}" if span else source
-                text = getattr(h, "text", str(h))
+                text = _get(h, "text") or str(h)
                 console.print(Panel(text, title=title, border_style="cyan"))
 
             # Links de evidência (extraídos do result, não dos hits — o backend

{vectorgov_cli-0.2.5 → vectorgov_cli-0.2.7}/src/vectorgov/cli/main.py

@@ -23,7 +23,7 @@ app = typer.Typer(
 # Registra subcomandos
 app.add_typer(auth.app, name="auth", help="Autenticação e gerenciamento de credenciais")
 app.add_typer(search.app, name="search", help="Buscar documentos na base de legislação")
-app.add_typer(ask.app, name="ask", help="Fazer perguntas com resposta de IA")
+app.add_typer(ask.app, name="ask", help="[ADMIN] Fazer perguntas com resposta de IA", hidden=True)
 app.add_typer(feedback.app, name="feedback", help="Enviar feedback sobre respostas")
 app.add_typer(docs.app, name="docs", help="Listar e consultar documentos disponíveis")
 app.add_typer(config.app, name="config", help="Gerenciar configurações")