Problema
Gerar post “profissional” com LLM a partir de um slogan inventa biografia. O fluxo precisa entrevistar, identificar lacunas, preparar o briefing, redigir e exportar, e recusar o que não foi confirmado.
Restrições
Núcleo em Python com fronteiras entre entrevista, geração, preservação de autoria, segmentação e persistência. Chamadas a modelo em workspace isolado, allowlist de provedor e prompts como contratos versionados. Avaliação híbrida: LLM mais heurísticas determinísticas. Ausência de experiência nunca vira falsa vivência.
Decisão
Entrevistas adaptativas, briefing autoral, storyboard, veto a conteúdo fabricado, registry SQLite de prompts com rollback, interface textual e frontend React/Vite para revisar fases. Exportação Markdown ou SlideMark JSON após avaliação.
Estado atual
Base com testes de entrevista, isolamento de LLM, registry, persistência e conversão SlideMark.
Limitações
Não é um gerador genérico de thought leadership. Sem repertório real, o sistema recusa; não completa a biografia.