arcadia-admin
/
arcadiasuite
0
0
Fork 0
Code Issues Pull Requests Packages Projects Releases Wiki Activity
arcadiasuite/.planning/phases/04-openclaw-embutido/04-CONTEXT.md

3.9 KiB
Raw Blame History

Phase 4 Context — OpenClaw Embutido

Generated in --auto mode on 2026-03-26. All decisions auto-selected with recommended defaults.

Phase Goal

Skills emergentes criadas automaticamente a partir de padrões detectados em skill_executions.

Prior Context Applied

  • Stack de IA: Ollama local via LiteLLM — usar llama3.1:8b para geração de drafts (leve, rápido)
  • Backend-first: API definida antes do frontend
  • Auditoria imutável: todas as execuções registradas com SHA-256
  • Schema já existe: detected_patterns e skill_suggestions em shared/schema.ts — usar sem alterar

Decisions

1. O que constitui um "padrão"?

[auto] Mesma skill executada ≥3 vezes em 30 dias com confiança ≥80%

  • Fonte de dados: tabela skill_executions
  • Agrupamento: skillId + userId (por usuário, não global)
  • Confiança calculada como: (frequency / max_frequency_in_window) * 100
  • Janela: lastSeenAt - firstSeenAt ≤ 30 dias
  • Thresholds alinhados com o roadmap: min 3 ocorrências, 30 dias, 80% confiança

2. Trigger do PatternDetector

[auto] Cron job a cada hora (setInterval no servidor Node.js)

  • Sem dependência de infraestrutura externa (sem Redis, sem Bull)
  • Ao iniciar, PatternDetector registra no startup do servidor
  • Execuções recentes analisadas em lote; padrões gravados em detected_patterns
  • Se padrão já existe (mesmo skillId + userId): atualiza frequency + lastSeenAt

3. Geração do body da skill emergente

[auto] AI via llama3.1:8b (LiteLLM) gera o body do DRAFT

  • Ao atingir threshold: PatternDetector cria entrada em skill_suggestions (status: pending)
  • Skill DRAFT gerada automaticamente em arcadia_skills (status: draft, source: openclaw)
  • Body gerado via prompt para llama3.1:8b descrevendo o padrão detectado
  • DRAFT aguarda aprovação — não é executável até ser published

4. Widget de notificação

[auto] Badge no header global + painel slide-in

  • Badge no ícone de notificações existente no header (sem criar novo componente de header)
  • Ao clicar: slide-in panel lateral mostrando lista de sugestões pendentes
  • Cada sugestão mostra: nome sugerido, padrão detectado, frequência, confiança, body preview
  • Ações inline: "Aceitar" → promove para skill publicada | "Rejeitar" → status rejected

5. Aprovação — onde?

[auto] Tab "Sugestões" em /skills (página existente) — Dev Center completo na Phase 6

  • Sem criar nova rota — adicionar tab na página /skills já existente
  • Tab lista skill_suggestions com status pending
  • Fluxo: aceitar → cria skill publicada a partir do DRAFT | rejeitar → arquiva sugestão
  • Dev Center completo (Phase 6) herdará esse fluxo

Reusable Assets Identified

  • shared/schema.ts — detectedPatterns, skillSuggestions já definidos (Phase 1)
  • server/skills/engine.ts — SkillEngine para criar DRAFT skills programaticamente
  • server/skills/routes.ts — rota /api/skills existente, adicionar sub-rotas de sugestões
  • server/skills/versioning.ts — SHA-256 audit logging (reusar padrão)
  • client/src/pages/BiWorkspace.tsx — referência de como adicionar tabs a uma página existente
  • docker/litellm-config.yaml — llama3.1:8b já configurado como Tier 2

Scope Boundary

Incluído nesta fase:

  • PatternDetector backend (cron + análise de skill_executions)
  • Geração de DRAFT via AI
  • Widget de notificação + slide-in
  • Tab "Sugestões" em /skills com aprovação/rejeição

Fora de escopo (phases futuras):

  • Dev Center completo (Phase 6)
  • Detecção de padrões em outras fontes além de skill_executions
  • Pattern sharing entre tenants

Plan Breakdown Suggested

  • 04-01: PatternDetector service (backend) — cron, análise, gravação em detected_patterns + skill_suggestions + DRAFT creation via AI
  • 04-02: API routes + frontend widget (badge + slide-in) + tab "Sugestões" em /skills