Changelog

Mudancas significativas no Douto, organizadas cronologicamente. Segue as convencoes do Keep a Changelog.

Formato: cada entrada lista a data, commit(s) associado(s) e mudancas categorizadas (Adicionado, Alterado, Corrigido, Removido).

v0.1.0 — Setup Inicial (2026-02)

O repositorio Douto foi criado e populado com os scripts do pipeline (migrados de uma vault Obsidian) e a estrutura da knowledge base.

2026-02-28 — Definicao do Norte

Commit: b7930d3 Referencia: SEN-368

Adicionado

AGENTS.md atualizado com o norte Jude.md — Douto e formalmente um componente da plataforma unificada de pesquisa juridica (Juca + Leci + Douto + Valter = Jude.md)
Epic SEN-368 definido como alvo de convergencia

2026-02-28 — Populacao da Knowledge Base

Commit: c4e2c5b

Adicionado

MOCs populados com dados reais do corpus — 56 livros classificados em 4 dominios juridicos
MOC_CIVIL.md — 35 livros, ~9.365 chunks (maior dominio)
MOC_PROCESSUAL.md — 8 livros, ~22.182 chunks
MOC_EMPRESARIAL.md — 7 livros
MOC_CONSUMIDOR.md — estrutura placeholder (ainda nao populado)

2026-02-28 — Migracao do Pipeline

Commit: 8f9c702 Referencia: SEN-358

Adicionado

pipeline/process_books.py — Extracao de PDF para markdown via LlamaParse (suporta tiers: agentic, cost_effective, fast)
pipeline/rechunk_v3.py — Chunking juridico inteligente com 5 passes de processamento, 16 padroes de secao, deteccao de running headers, agrupamento de notas de rodape
pipeline/enrich_chunks.py — Enriquecimento de chunks via MiniMax M2.5 (5 threads concorrentes, metadados juridicos estruturados)
pipeline/embed_doutrina.py — Geracao de embeddings usando Legal-BERTimbau (768-dim, normalizado)
pipeline/search_doutrina_v2.py — Busca hibrida (semantica cosine + BM25) com CLI interativo
pipeline/requirements.txt — Dependencias Python (sentence-transformers, torch, numpy, anthropic, llama-parse)

2026-02-28 — Setup Inicial

Commit: ce16dbc

Adicionado

AGENTS.md — Identidade do agente, responsabilidades, limites e protocolo git
knowledge/INDEX_DOUTO.md — Indice do skill graph mapeando 8 dominios juridicos
knowledge/mocs/ — Estrutura de diretorios para MOCs
knowledge/nodes/.gitkeep — Placeholder para futuras notas atomicas
tools/.gitkeep — Placeholder para futuras ferramentas auxiliares
.gitignore — Exclui node_modules, embeddings, .env, pycache

Sessao de Documentacao (2026-02-28)

Em uma unica sessao de documentacao, os seguintes documentos estrategicos foram criados:

Adicionado

CLAUDE.md — Diretrizes de codigo para agentes de IA, alinhadas com as convencoes do ecossistema sens.legal (ordem de prioridade, convencoes Python, regras do pipeline, regras da knowledge base, convencoes de embedding, padroes git)
PROJECT_MAP.md — Diagnostico completo do projeto: arvore de diretorios, detalhes da stack, arquitetura, diagramas de fluxo de dados, analise de lacunas, recomendacoes
ROADMAP.md — Roadmap de produto com 42 features em 6 milestones, 7 decisoes pendentes, matriz de riscos e plano de mitigacao
PREMORTEM.md — Analise de riscos: 6 premissas falsas, 14 riscos tecnicos, 5 riscos de produto, 4 riscos de execucao, 7 edge cases e a divulgacao de risco de PI
docs/ — Site de documentacao Starlight com 22+ paginas cobrindo getting started, arquitetura, features, configuracao, desenvolvimento, roadmap e referencia

Pre-Historia

O pipeline foi desenvolvido durante um periodo indeterminado dentro de uma vault Obsidian antes deste repositorio existir. Fatos-chave sobre a pre-historia:

Os 5 scripts Python em pipeline/ sao anteriores ao repositorio
O corpus (~50 livros, ~31.500 chunks) foi processado antes da migracao
Paths hardcoded nos scripts refletem os ambientes de desenvolvimento originais (Linux nativo e WSL)
O prompt de enriquecimento (enrich_prompt.md) foi perdido durante a migracao e nao esta no repositorio
Issues do Linear (SEN-XXX) eram usadas para tracking antes do repositorio ter GitHub Issues