Abitai CRM Extractor

Conversa limpa

Selecione uma conversa

0 mensagens

As mensagens aparecem aqui.

Pipeline e prioridade

Classificação do lead

CRM extraído e Golden Set

Sem comparação JSON

Selecione uma conversa para comparar os campos.

Golden Set · CurrentHouse

Decisão de modelo, com contexto.

Carregando o benchmark consolidado das execuções já concluídas.

Carregando

Preparando comparações agregadas...

Metodologia

Entenda antes de executar.

Este guia explica o que o CRM Extractor faz, como operar cada fluxo e como interpretar parâmetros, custo e latência sem misturar estimativas com medidas observadas.

Metodologia: -
Schema CRM: -
Contrato: -

O serviço

O CRM Extractor recebe uma conversa imobiliária e transforma somente informações sustentadas pelo texto em campos estruturados do perfil do comprador.

O que ele faz

Limpa e organiza as mensagens recebidas.
Extrai preferências, contexto financeiro e próximos passos.
Valida o JSON no contrato e salva o CRM quando há store.
Entrega custo, tokens, latência e identidade do setup.

O que ele não faz

Não é o runtime do chat, WhatsApp ou voz.
Não cria gabaritos nem substitui revisão humana.
Não executa chamadas pagas sem habilitação do operador.
Não trata estimativas como cobrança final do provider.

Como operar

Escolha a entrada. Busque uma conversa da base ou envie um ou mais CSVs.
Confira o setup. Framework, provider e modelo determinam a execução.
Estime primeiro. A estimativa calcula tokens e custo sem chamar o provider.
Execute. Providers pagos dependem de CRM_EXTRACTOR_LIVE=1.
Leia o CRM. Cada campo informa valor, status, certeza e evidência.
Compare. Casos revisados mostram o Golden Set ao lado do resultado.

Conversa Limpeza Extração Validação CRM Benchmark

Do input ao CRM

A LLM fica atrás do adapter do provider, no backend do CRM Extractor. O agente consumidor chama nossa API; somente o serviço conhece as chaves da OpenAI, Gemini ou OpenRouter e transforma a conversa em um prompt de extração estruturada.

01 API

Recebe conversation_id ou messages e a seleção do setup.

02 Entrada

Valida mensagens, resolve o formulário e organiza chunk ou turn.

03 Framework

Monta instruções, campos permitidos, formato JSON e trecho da conversa.

04 Provider / LLM

O adapter envia o prompt e recebe somente as anotações estruturadas.

05 Contrato

Faz parse, rejeita dados inválidos, completa ausentes, consolida e valida.

06 CRM

Retorna o contrato versionado, metadados operacionais e persiste quando configurado.

Input da nossa API

O consumidor envia

{
  "conversation_id": "synthetic_001",
  "provider": "gemini",
  "model_id": "gemini-2.5-flash",
  "framework": "current_house",
  "mode": "chunk",
  "form_ref": "real_estate_buyer_profile@4",
  "temperature": 0,
  "reasoning_effort": "thinking_budget_0",
  "messages": [
    {
      "message_ordinal": 1,
      "speaker": "customer",
      "text": "Quero um apartamento em Campinas."
    }
  ]
}

messages pode ser omitido quando conversation_id existe no catálogo configurado. As chaves dos providers nunca fazem parte desse payload.

Input da LLM

O framework compila

Instruções de extração
+ referência do formulário e campos permitidos
+ formato JSON obrigatório
+ regras de evidência
+ chunk da conversa com ordinal, speaker e text
+ temperatura, reasoning e limite de saída

Esse conteúdo é enviado pelo adapter em src/crm_extractor/providers/. O frontend e o agente não chamam a LLM diretamente.

Output da LLM

Resposta intermediária

{
  "field_annotations": [
    {
      "field_id": "preferred_city",
      "status": "captured",
      "value": ["Campinas"],
      "evidence": [
        {"message_ordinal": 1, "speaker": "customer", "text": "..."}
      ],
      "reviewer_note": null
    }
  ]
}

A resposta bruta não é o contrato público nem é persistida. O serviço faz parse, valida os campos permitidos e preenche os campos missing de forma determinística.

Output da nossa API

Resposta final validada

{
  "conversation_id": "synthetic_001",
  "stored": true,
  "metadata": {
    "setup_id": "...",
    "provider": "gemini",
    "model_id": "gemini-2.5-flash",
    "cost_usd": 0.000000,
    "latency_ms": 0
  },
  "crm": {
    "contract_id": "buyer_profile_runtime_result_v1",
    "contract_version": "1",
    "form_ref": {
      "form_id": "real_estate_buyer_profile",
      "form_version": "4"
    },
    "field_annotations": [
      {
        "field_id": "preferred_city",
        "status": "captured",
        "value": ["Campinas"],
        "evidence": [
          {"message_ordinal": 1, "speaker": "customer", "text": "..."}
        ],
        "reviewer_note": null,
        "certainty_score": 1.0
      }
    ]
  }
}

O exemplo está abreviado; a resposta real contém os 39 campos na ordem do formulário. Cada campo final possui field_id, status, value, evidence, nota de revisão e certeza.

Fronteira das LLMs

Providers e modelos publicados pelo ambiente

Carregando providers...

O adapter encapsula endpoint, autenticação, retries, timeout e leitura de tokens. Depois da resposta, o fluxo volta ao código local para parse, merge, validação e persistência.

Usando a API

Integre pelo contrato publicado pelo próprio serviço. Consulte as opções em cada inicialização, estime antes de executar e mantenha tokens de acesso somente no backend da aplicação consumidora.

Base URL pública https://crm.tachyonlabs.xyz

Descubra o ambiente Valide o health e leia modelos, parâmetros, autenticação e política em /api/v1/options.
Prepare a autenticação Se auth.enabled=true, envie um access token Cognito no header Authorization.
Estime sem chamar o modelo Use /api/v1/estimate ou /api/v1/estimate-csv-batch e confirme custo e orçamento.
Execute e persista a resposta Use /api/v1/extract somente após a estimativa e guarde setup_id, custo, tokens e latência.

Abrir OpenAPI Ver opções atuais Ver contrato completo

1 · Descoberta

Confirme que o serviço está pronto

export CRM_EXTRACTOR_BASE_URL="https://crm.tachyonlabs.xyz"

curl --fail-with-body "$CRM_EXTRACTOR_BASE_URL/api/v1/health"
curl --fail-with-body "$CRM_EXTRACTOR_BASE_URL/api/v1/options"

2 · Payload JSON

Crie `request.json` com mensagens autorizadas

{
  "conversation_id": "synthetic_api_example",
  "provider": "openai",
  "model_id": "gpt-5-mini",
  "framework": "current_house",
  "mode": "chunk",
  "reasoning_effort": "low",
  "max_output_tokens": 4096,
  "messages": [
    {
      "message_ordinal": 1,
      "speaker": "customer",
      "text": "Quero um apartamento de dois quartos em Campinas."
    }
  ]
}

3 · Estimativa

Não chama o provider

curl --fail-with-body \
  -X POST "$CRM_EXTRACTOR_BASE_URL/api/v1/estimate" \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $CRM_EXTRACTOR_ACCESS_TOKEN" \
  --data @request.json

4 · Extração

Executa o modelo habilitado

curl --fail-with-body \
  -X POST "$CRM_EXTRACTOR_BASE_URL/api/v1/extract" \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $CRM_EXTRACTOR_ACCESS_TOKEN" \
  --data @request.json

Omita o header Authorization quando auth.enabled=false. Nunca envie chaves da OpenAI, Gemini ou OpenRouter: os segredos dos providers pertencem ao serviço.

CSV · Lote

Estime um arquivo antes da extração

curl --fail-with-body \
  -X POST "$CRM_EXTRACTOR_BASE_URL/api/v1/estimate-csv-batch" \
  -H "Authorization: Bearer $CRM_EXTRACTOR_ACCESS_TOKEN" \
  -F "provider=openai" \
  -F "model_id=gpt-5-mini" \
  -F "framework=current_house" \
  -F "mode=chunk" \
  -F "budget_usd_ceiling=5" \
  -F "file=@conversas.csv"

Para executar o mesmo lote, troque a rota por /api/v1/extract-csv-batch e envie response_format=inline_json ou zip.

Rotas essenciais
Rota	Uso	Scope quando autenticado
`GET /api/v1/options`	Descobrir configuração executável	Público
`GET /api/v1/conversations`	Pesquisar conversas da base	`crm-extractor/read`
`GET /api/v1/crms/{conversation_id}`	Ler o último CRM salvo	`crm-extractor/read`
`POST /api/v1/estimate`	Estimar uma conversa sem provider	`crm-extractor/estimate`
`POST /api/v1/extract`	Executar uma extração	`crm-extractor/execute`
`POST /api/v1/memory/update`	Atualizar memória no modo turn	`crm-extractor/execute`

Como tratar respostas

401 missing_access_token: Obtenha ou renove o token Cognito e repita a chamada.
400 selection_not_enabled: Escolha somente provider e modelo publicados em execution_policy.enabled_provider_model_map.
404 not_found: O recurso ou a conversa não existe na fonte disponível.
live_guardrail: O backend não está habilitado para chamadas pagas.
provider_unavailable: O provider recusou, limitou ou não respondeu à chamada.
storage_unavailable: O CRM store está temporariamente indisponível; não exponha detalhes de conexão.

Em respostas concluídas, persista setup_id, crm, cost_calculation, provider_usage e latency_breakdown_ms. Não grave conversas nem respostas brutas em logs.

Parâmetros dos modelos

Carregando o suporte publicado por /api/v1/options.

Temperatura

Controla a variação da resposta

Valores próximos de 0 favorecem respostas mais estáveis e repetíveis. Valores maiores aumentam a variação das escolhas do modelo e podem reduzir a consistência do JSON. Para extração de CRM usamos 0 como ponto inicial e comparamos outras temperaturas somente em experimentos controlados.

Thinking / reasoning

Define o esforço de raciocínio

Níveis maiores permitem mais processamento interno antes da resposta e podem ajudar em conversas ambíguas, mas tendem a aumentar tokens, custo e latência. Cada modelo publica suas opções válidas; modelos sem suporte recebem a chamada sem esse parâmetro.

O catálogo mostra capacidade técnica. O ambiente pode fixar um valor de thinking ou bloquear alterações por política de execução.

Como ler custo e latência

Custo

Fonte antes do número

estimated usa tokens previstos e preços versionados. provider_usage usa tokens devolvidos pela chamada. billing_actual é uma reconciliação por geração, não a fatura consolidada da conta.

Latência

Ponta a ponta e por etapa

O backend mede carregamento, chunking, prompt, provider, parsing, merge, validação e persistência. service_total_ms é o tempo completo observado pelo serviço.

Compare somente setups com a mesma cobertura de casos, schema, prompt, modo e parâmetros. Falhas e conversas concluídas devem ficar visíveis.

Glossário essencial

setup_id: Identidade do framework, provider, modelo, modo, formulário e parâmetros.
chunk: Modo primário que processa a conversa e consolida um CRM.
message_by_message: Experimento que processa uma mensagem por chamada e consolida o resultado.
turn: Atualização incremental do CRM usando uma janela recente.
captured: Há valor explícito e evidência suficiente na conversa.
ambiguous: Há sinal relevante, mas o valor ainda não é seguro.
missing: A conversa não sustenta um valor para o campo.
Golden Set: CRM revisado por humanos usado como gabarito de qualidade.
provider: Empresa ou gateway que executa a chamada do modelo.
framework: Implementação que monta prompts e produz o contrato.

Formulário ativo

Este é o modelo que orienta a extração. A visualização vem diretamente de /api/v1/methodology e mostra tipos, regras de captura, aliases, normalização e valores canônicos da versão ativa.

Referência: -
Campos: -
Locale: -
Contrato de saída: -

Carregando campos...

{}

A API continua expondo relatórios sanitizados em /api/v1/analysis/*; a página Análise apresenta os relatórios agregados sem expor conversas ou identificadores privados.