# Atualizacao DEV — Fase 4, frente do Cartao de Cidadao Data: 2026-08-25 Versao: `pataniscAI-3.0.0-dev` Ambientes: Sabichao DEV e PC RTX; producao excluida ## Objectivo e limites Reduzir os vazios de `ncc` e `validade_cc` sem treino e sem trocar o modelo congelado `AuditAid/PaddleOCR-VL-1.6-0.9B:latest` (blob `71306567488b`). O holdout continua fechado. Um valor novo so entra quando aparece igual em pelo menos duas leituras; checksum isolado, correcao por aproximacao e preenchimento por inferencia continuam proibidos. ## Alteracoes preparadas - `src/pataniscai/prompts.py`: tarefa `cc_frente_identificacao`, limitada as linhas rotuladas do numero do documento e validade, com resposta vazia quando a leitura nao e certa. - `src/pataniscai/ollama.py`: opcoes apenas para a tarefa focada (`num_predict=160`, `repeat_penalty=1.05`, `repeat_last_n=64`). As transcricoes gerais mantem exactamente as opcoes aceites anteriormente. - `src/pataniscai/engine.py`: passa o tipo documental ao cliente Ollama para seleccionar essas opcoes sem inferir pelo texto do prompt. - `funcoes/pataniscai_client.php`: conserva primeiro as 12 bandas gerais existentes e acrescenta duas tarefas focadas nas bandas sobrepostas centro/sul da frente do CC, ate ao limite de 20 ficheiros da API. As leituras focadas passam pelos mesmos parsers e pelo consenso existente. - Testes Python e PHP cobrem prompt, opcoes, propagacao do tipo, manifesto das bandas e regras de consenso. ## Instalacao no Windows 1. Parar a tarefa agendada `pataniscAI`. 2. Fazer backup de `src\pataniscai` e `tests`. 3. Copiar os tres modulos Python e os dois testes desta actualizacao para `C:\pataniscAI`. 4. Executar `scripts\install-windows.ps1` sem voltar a registar a tarefa. 5. Executar a suite Python com um `--basetemp` novo e confirmar todos os testes. 6. Arrancar a tarefa e confirmar `/health`: Paddle exacto, `ready=true` e modelo na GPU. 7. Repetir os 30 scans expostos pelo runner autonomo do CT DEV. Nao abrir o holdout. O ficheiro PHP vive no volume DEV partilhado e nao e copiado para producao. Nao alterar `.env`, token, firewall, allowlist, Ollama ou configuracao do formulario. ## Criterio de aceitacao A alteracao so fica aceite se, nos mesmos 30 scans e sem fallback: - `ncc` ou `validade_cc` reduzir vazios sem aumentar erros; - nenhum outro campo piorar em erros ou vazios; - nenhuma fabricacao for detectada; - media e p95 continuarem abaixo do Tesseract. Os resultados antes/depois e os testes reais serao acrescentados a este documento depois da medicao integral. ## Diagnostico antes da alteracao Runner autonomo no CT DEV, 30/30 scans, zero falhas e zero fallback (`/var/tmp/pataniscai-benchmark/development-20260825-231805.log`): - Paddle: 5 erros e 96 vazios; media 33341 ms, p95 48724 ms. - `ncc`: 13 certos, 0 errados, 17 vazios. Em 16 dos 17 vazios a transcricao geral ja contem uma sequencia de oito digitos, mas nao existe uma segunda leitura segura para a adoptar. - `validade_cc`: 13 certos, 0 errados, 17 vazios. Nos 17 vazios existem o rotulo e uma data ISO na transcricao, mas falta igualmente corroboracao. - Frente do CC: mediana de 83 caracteres nas leituras gerais/bandas, contra 1447,5 no RC. O diagnostico e redigido por forma e scan ID; nao persistiu nem mostrou valores pessoais. Esta evidencia confirma que a Fase 4 deve melhorar a segunda leitura das mesmas zonas, sem alargar o parser nem aceitar candidatos unicos. ## Instalacao e resultado final Instalado em `C:\pataniscAI` depois de backup dos cinco ficheiros substituidos. O pacote foi validado pelo SHA-256 `15FC2C4F7F90A1EE831373F17E2298679994BC8DCA2FF4E1E64B2CABFB280F80`. O instalador concluiu, 15/15 testes Python passaram e `/health` confirmou PaddleOCR-VL carregado. O primeiro ensaio revelou que a banda geral e a focada do mesmo recorte se confirmavam entre si. O cliente PHP foi corrigido para contar posicoes fisicas distintas; a focada herda a posicao do recorte e nunca vale como segundo voto da mesma imagem. 56/56 fixtures e harness Tesseract OK. Benchmark final exposto (`development-20260826-001401.log`): 30/30, zero falhas/fallback, 5 erros/90 vazios, media 33980 ms e p95 50118 ms. `ncc` e `validade_cc` ficaram ambos em 16 certos, 0 errados e 14 vazios. O lote melhora 96->90 vazios sem erros novos, mas a versao continua DEV porque o Tesseract tem 58 vazios e ainda ha gates por campo por cumprir. ## E2E no formulario DEV Executado em 2026-08-26 com activacao temporaria do extractor pataniscAI e do corpus Protek montado em modo apenas leitura. Sem submeter o formulario, a execucao ficou registada na BD DEV como scan 16, `pataniscAI-3.0.0-dev`, sucesso, 3/3 documentos OCR, 11 campos, zero avisos e 16454 ms. Depois da validacao, o DEV foi imediatamente reposto em Tesseract e no caminho NAS normal. Producao e holdout nao foram tocados. A prova final de fallback foi executada com a tarefa Windows parada. Um pedido directo do CT DEV, forcando `OCR_EXTRACTOR=pataniscai` apenas no processo CLI, terminou com sucesso pelo Tesseract: 3 documentos, `extractor_requested=pataniscai`, `extractor=tesseract`, `fallback=tesseract`, um aviso e 24248 ms. A configuracao persistente do DEV nao foi alterada. A tarefa foi depois reiniciada e `/health` confirmou `ready=true`, PaddleOCR-VL carregado na GPU e Ollama 0.32.15. ## Rollback 1. Parar a tarefa Windows. 2. Repor o backup dos tres modulos e dos testes, executar novamente o instalador e arrancar a tarefa. 3. Repor `funcoes/pataniscai_client.php` e o respectivo teste a partir da copia anterior desta unidade de trabalho. 4. Confirmar `/health` e repetir o corpus exposto. O extractor normal do formulario permanece Tesseract, pelo que este rollback nao requer alteracoes de producao nem de base de dados.