Repository navigation
Correção sobre a v1.0.1. A v1.0.1 tinha dois defeitos; a v1.0.2 corrige os dois.
Defeito 1 — data com hora quebrava o fluxo. Uma mensagem como "recebi em 20/03/2026 10:00" era bloqueada (o cliente recebia a resposta de contingência), e "2026-03-25 10:00" era convertida em [PHONE_1]. Isso quebrava o fluxo de devolução, em que o cliente informa a data de recebimento.
Defeito 2 — telefones com :, / ou _ não eram tokenizados. "67:99812:3456", "67/99812/3456" e "67_99812_3456" iam em claro ao LLM (com / a mensagem era bloqueada, nos outros dois ia direto).
O que mudou
- Só é telefone a sequência compatível com o formato brasileiro: DDD válido (lista da Anatel) e 8 ou 9 dígitos no agrupamento usual, com
55ou+55opcional e até 3 separadores quaisquer entre os grupos (espaço,.,-,_,:,/,,,;,|). - Datas, CEP, valores em R$, números de pedido e códigos de rastreio não são tokenizados nem bloqueados.
- Sequências de dígitos não reconhecidas não bloqueiam mais: passam como estão. O bloqueio vale só para e-mail escrito por extenso (
arroba,[at]). - 71 testes novos de regressão (368 no total), incluindo os 50 telefones do CSV oficial.
Verificação: make test (368), make bench (recall@5 0,8 e MRR 0,75) e o golden set com o LLM real (17/17 nas verificações automáticas, mesmas metas) não mostraram regressão. O golden set não tem casos com telefone nem data com hora, então ele não prova a melhora; a evidência são os testes de regressão e uma conferência real com um LLM.
Limitações novas, no README: telefone sem DDD ou em agrupamento atípico passa em claro; um número solto com formato de telefone válido seria tokenizado.
Agente, prompt, golden set, holdout, metas e métricas publicadas não mudaram. As tags v1.0, v1.0.1 e v1.0-mvp não foram alteradas.