Repository navigation
v0.1 e além: motor, sete adaptadores, catálogo CSV, estimativa de cobertura - #1
Merged
Merged
Conversation
O motor descrito no README, inteiro e testado sem rede: - captura com .part e sentinela; corpus por hash do texto - léxico como dado, com schema publicado e validador que não diverge dele; casamento sem acento, sem caixa, por palavra inteira, com exclusões e categorias de catalogação - triagem em níveis 0 a 3 com motivo e trecho; nada é apagado - estado por fonte com pendentes: item que falhou é tentado de novo em toda rodada, mesmo fora da janela de datas - saídas JSONL (itens, aceitos, pede juízo), relatório completo e resumo - cliente HTTP que identifica o projeto, obedece limite e robots.txt - CLI: rodar, retriar (léxico novo sobre o corpus, sem rede), validar-lexico; códigos de saída 0, 2 e 3 Adaptadores: rss (RSS 2.0 e Atom) e datajud (técnica do Dikemetria). Primeira rodada real contra o DataJud do STM: o índice carrega com atraso e é lento, daí margem de 30 dias e tempo limite de 180 s. A resposta real gravada como fixture corrigiu a leitura dos complementos de movimento. docs/jurisprudencia.md e docs/carandiru.md respondem o que dá e o que não dá para fazer em cada uso, com fontes e ordem de trabalho. Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com> Claude-Session: https://claude.ai/code/session_01Nztke5ztyPC5aFNL3kqbsB
- djen: Diário de Justiça Eletrônico Nacional, portado do Dikemetria. Um dia por vez, filtro por tribunal, tipo de documento e texto da API; a ementa do acórdão vira destaque do nível 3. Destinatários (partes e advogados) descartados já na listagem: nunca chegam ao estado nem ao corpus. - BloqueadoPorPais: o DJEN recusa conexões de fora do Brasil (CloudFront, medido em 04/10/2026); o cliente HTTP agora diz isso em vez de um 403 genérico. - Catálogo CSV cumulativo (id, url, identificadores), pedido pelo observatório do Carandiru, e "guardar_texto": false para não guardar o texto integral. - docs/stf.md: o que se sabe, o que falta sondar e a ordem de trabalho. - docs/jurisprudencia.md corrigido: o STF não está no DataJud; a adesão do STM ao DJEN não está conferida; a rodada precisa de IP brasileiro. Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com> Claude-Session: https://claude.ai/code/session_01Nztke5ztyPC5aFNL3kqbsB
luccas-amorim
changed the title
This was referenced Oct 4, 2026
This file contains hidden or bidirectional Unicode text that may be interpreted or compiled differently than what appears below. To review, open the file in an editor that reveals hidden Unicode characters.
Learn more about bidirectional Unicode characters
Sign up for free
to join this conversation on GitHub.
Already have an account?
Sign in to comment
2 participants
Add this suggestion to a batch that can be applied as a single commit.This suggestion is invalid because no changes were made to the code.Suggestions cannot be applied while the pull request is closed.Suggestions cannot be applied while viewing a subset of changes.Only one suggestion per line can be applied in a batch.Add this suggestion to a batch that can be applied as a single commit.Applying suggestions on deleted lines is not supported.You must change the existing code in this line in order to create a valid suggestion.Outdated suggestions cannot be applied.This suggestion has been applied or marked resolved.Suggestions cannot be applied from pending reviews.Suggestions cannot be applied on multi-line comments.Suggestions cannot be applied while the pull request is queued to merge.Suggestion cannot be applied right now. Please check back later.
O que entra
Motor, só biblioteca padrão, 100 testes sem rede:
.parte sentinela; corpus por hash do texto, ou nenhum texto guardado ("guardar_texto": false)exemplos/lexico.schema.json), casamento sem acento e sem caixa, por palavra inteira, com exclusões,categoriase reticências (art. 121 … Código Penalcasaart. 121, § 2º, IV, do Código Penal)id,url,identificadores)robots.txt, acusaBloqueadoPorPaisrodar,retriar,estimar,validar-lexicoAdaptadores
rssdatajuddjenlistawaybackresumeKeyopenalexOPENALEX_API_KEYgdeltargos estimar: captura e recaptura entre canais (Chapman par a par, Chao como piso), canal pelo prefixo do id da fonte, estratos declarados na configuração e--desdepara alinhar no tempo.Docs:
docs/jurisprudencia.md(o que se mediu das fontes judiciais),docs/precatorios.md(cenários para decidir a expansão). Os planos de uso foram para os consumidores: AtlasPen (.superpowers/specs/) e observatory.Medido em 04/10/2026
Como conferir
🤖 Generated with Claude Code
https://claude.ai/code/session_01Nztke5ztyPC5aFNL3kqbsB