Sobre o projeto

Posicionamento do Projeto Trata-se de uma estação de trabalho local para Windows voltada para cenários de serialização de longas obras no Tomato Novel, utilizando a stack tecnológica Electron, React, TypeScript e SQLite. O aplicativo não realiza login em contas do Tomato nem publica obras automaticamente; todas as ações de publicação são feitas manualmente pelo autor no painel da plataforma. A ideia central é conectar "estudo de rankings — desconstrução de amostras — projeto original — planejamento rolante — escrita por capítulo — livro de registros de estado — controle de qualidade — agendamento de publicação — revisão de dados" em um pipeline local auditável. Principais Capacidades Em termos de pesquisa de mercado, é possível coletar páginas de rankings públicos que não exijam login ou importar CSVs de rankings, com suporte a comparação de snapshots de múltiplas datas. Ao importar TXT, EPUB, DOCX ou colar textos, o sistema apresenta uma prévia da divisão de capítulos antes da confirmação de entrada no banco de dados. A desconstrução de livros suporta análise apenas local ou, após consentimento explícito por obra, chamadas a modelos de nuvem em lotes de dez capítulos, gerando evidências em quatro níveis: capítulo, estágio de dez capítulos, volume e obra completa. Com base em uma base de conhecimento integrada de webnovels comerciais chinesas, extrai-se por capítulo: entrada de expectativa, benefício central, ação ativa, retorno emocional, impacto real e próxima expectativa. O lado da escrita inclui aprovação de contrato de criação, estágios macro e volumes, esboço bruto para os próximos 30 capítulos, esboço detalhado para os próximos 5 capítulos e cartões de cena para o capítulo atual. A mesa de escrita permite salvar o esboço do capítulo, visualizar o contexto mínimo compilado e, em seguida, gerar ou escrever manualmente o texto principal. Capítulos regulares suportam lotes de cinco; antes da execução, são exibidos a entrada, a saída e a estimativa de custos. Capítulos críticos, limites de volumes, mudanças significativas de estado, conflitos de fatos ou alertas rígidos exigirão automaticamente processamento capítulo a capítulo. O livro de registros de estado serve para manter personagens, relações, habilidades, recursos, locais, linha do tempo, segredos, promessas, foreshadowing, subtramas e eventos. Modelos e Contexto Nas configurações do sistema, é possível selecionar OpenAI / interfaces compatíveis ou o protocolo Anthropic Claude, preenchendo o endereço base e o nome do modelo, além dos preços unitários de entrada e saída para estimativa de custos. O limite de tempo total para tarefas longas pode ser escolhido entre 5, 10 ou 15 minutos; respostas em streaming sem dados por 180 segundos serão interrompidas antecipadamente. As chaves de API são armazenadas no Windows Credential Manager, não sendo gravadas no SQLite, logs, diretórios do projeto ou pacotes de backup. Chamadas da Anthropic utilizam chaves de API oficiais, sem ler estados de login do Claude Code / Claude Max. A recuperação de fatos relevantes utiliza índices de similaridade de caracteres chineses locais, sem chamar modelos de vetores na nuvem. O contexto é renderizado em camadas por estabilidade: o contrato de criação fica fixo ao final do prompt de sistema, e a tarefa do capítulo atual fica próxima ao ponto de geração. Listas longas da "Bíblia da História" podem ser convertidas em itens de configuração, injetados via filtragem por intervalo de capítulos efetivos, capítulo de revelação ao leitor e momento de menção; regras de mundo e âncoras temporais permanecem residentes por padrão. A janela de contexto do modelo prioriza os resultados de detecção; se não preenchida, é deduzida como 1M para nuvem e 32k para local, podendo ser sobrescrita manualmente. Gateways Manuais Enquanto o contrato de criação não for aprovado, não é possível aprovar planejamentos ou gerar texto principal. Capítulos com problemas rígidos não resolvidos não podem ser finalizados ou entrar na fila de publicação. Se houver necessidade de modificar contratos aprovados, planejamentos aprovados, capítulos finalizados ou em publicação, deve-se primeiro aprovar uma solicitação de alteração de esboço. A IA gera apenas candidatos, rascunhos e sugestões, nunca finaliza, altera esboços ou publica automaticamente. O controle de qualidade executa sempre regras offline; após a configuração do modelo, adiciona-se a revisão semântica com evidências do texto ou do livro de registros. Isolamento e Segurança Amostras originais são salvas apenas em research\research.sqlite; a desconstrução em nuvem envia apenas fragmentos de capítulos descaracterizados localmente. O modelo de criação recebe apenas pacotes de insights descaracterizados, não o texto original da pesquisa. Registros de controle de qualidade da obra salvam apenas referências de pesquisa anônimas e fingerprints. O processo de renderização do Electron ativa sandbox, context isolation e política de segurança de conteúdo, sem abrir a integração com Node.js. O IPC aceita apenas chamadas da janela principal; APIs públicas exigem registro de schema de parâmetros Zod, e canais não registrados são recusados por padrão. A coleta de rankings e endereços de modelos permitem apenas HTTP/HTTPS, recusando endereços locais, de rede privada ou reservados. Dados, Backup e Confiabilidade O workspace padrão localiza-se no diretório de documentos do usuário em "Dados da Estação de Trabalho de Criação de Longas", contendo catalog.sqlite, biblioteca de pesquisa, project.sqlite independente para cada obra, anexos, diretórios de exportação e backup. Não há recuperação de texto completo ou vetorial entre diferentes obras. Arquivos de backup .novelbak utilizam criptografia AES-256-GCM, incluindo bancos de dados, diretórios de obras, anexos e lista de arquivos. Antes da criação, executa-se o SQLite checkpoint, escrevendo primeiro em arquivo temporário e substituindo o destino apenas após descriptografia e validação completa. A restauração grava em um novo diretório de cópia, sem sobrescrever o workspace em uso. Backups automáticos podem ser diários ou semanais, mantendo de 1 a 30 versões; a senha dedicada reside apenas no Windows Credential Manager. A página de saúde do sistema permite verificar manualmente a integridade do SQLite de cada biblioteca, conferir a contagem de registros de capítulos e de dois conjuntos de índices FTS, reportar diretórios órfãos, tarefas falhas e ocupação de disco. Índices podem ser reconstruídos de forma transacional; arquivos corrompidos ou ausentes são apenas reportados, sem exclusão ou movimentação automática. O centro de tarefas de IA registra estado, modelo, Tokens reais, custo e tempo; tarefas em execução após saída anômala são marcadas como interrompidas, e tarefas de texto podem ser canceladas ou repetidas com segurança. Logs de desktop são em JSON Lines, com descaracterização de chaves, Bearer, credenciais de URL e diretórios de usuário antes da gravação, podendo exportar um ZIP de diagnóstico sem texto principal ou banco de dados. Publicação e Atualização A publicação para Windows utiliza instaladores NSIS, com a build portátil em release\win-unpacked. A versão de desenvolvimento atual não possui certificado de assinatura de código comercial, podendo gerar avisos do SmartScreen. Atualizações automáticas são ativadas apenas na aplicação empacotada, verificando 15 segundos após a inicialização e a cada 6 horas posteriormente, com download em segundo plano e sem reinicialização automática. Antes da instalação, cria-se um snapshot criptografado de pré-atualização; se o instalador falhar, a versão atual é mantida. A fonte de atualização é fixa nos GitHub Releases do projeto, solicitando apenas o latest.yml, sem fazer upload de textos, livros de registros ou credenciais, podendo ser totalmente desativada via variáveis de ambiente. O pipeline de publicação requer a configuração de três GitHub Secrets: certificado, nome do publicador e versão. Tags v* disparam testes, build, assinatura e publicação. Engenharia e Critérios de Qualidade Para desenvolvimento local, recomenda-se Node.js 22 LTS e Windows 10/11. Os comandos incluem npm test, test:quality, test:scale (capacidade de 10 livros × 1500 capítulos × 3 milhões de palavras), test:e2e, build, test:electron e dist:win. O arquivo src/shared/quality-benchmark-corpus.ts armazena casos fixos vinculados a versões de prompts, cobrindo limites de conhecimento de personagens, conservação de recursos, conflitos de tempo/local, repetição de mecanismos de retorno contínuo e controle de falsos positivos em capítulos normais. Os testes de qualidade calculam a taxa de recall de problemas, precisão, precisão de nível de severidade, precisão de evidência e taxa de controle de falsos positivos, com custos de Token medidos separadamente. A injeção de falhas ocorre apenas em NODE_ENV=test, simulando disco cheio, queda de energia antes do commit e credenciais indisponíveis. O projeto possui documentos adicionais de arquitetura, regras de domínio, base de conhecimento e modelo de segurança, sendo aberto sob a licença MIT.