Desenvolver e implementar um agente inteligente para gerar arquivos Markdown [[Subject:XYZ]] para cada cluster de conceitos relacionados. Este agente extrairá informações relevantes de claims compartilhados, resumos comuns e conceitos principais, com a capacidade de utilizar pesquisa web para fornecer contexto adicional. A geração seguirá o formato e as configurações detalhadas em On-Writing-Vault-Documents.md e Design-Config-Panel.md.

• Implementação do Subject Summary Agent, conforme descrito em On-Writing-Vault-Documents.md (Seção "Subject Summary Agent").
• Desenvolvimento de lógica para extrair informações relevantes do grafo: claims compartilhados, resumos comuns, e nomes dos principais (:Concept) nodes dentro de cada cluster.
• Implementação da capacidade de pesquisa web ou uso de referências de código aberto para contexto adicional, controlada pela configuração allow_web_search (conforme Design-Config-Panel.md).
• Criação de estrutura padronizada para páginas de assunto, incluindo:
  • Cabeçalho ## Subject: <name or synthesized theme>
  • Lista de [[Concept]]s membros com backlinks
  • Resumo em seções de temas ou questões-chave
  • Inclusão dos marcadores <!-- aclarai:id=subject_<slug> ver=N --> e ^subject_<slug> para compatibilidade com o sistema de sincronização do vault (On-Graph-Vault-Synchronization.md). (Esta estrutura segue On-Writing-Vault-Documents.md).
• O comportamento do agente será configurável via settings/aclarai.config.yaml (gerenciado pela UI de Sprint 10), incluindo:
  • model.subject_summary (modelo LLM a ser utilizado, conforme Design-Config-Panel.md).
  • similarity_threshold para formação de clusters (embora a formação do cluster seja em outra tarefa, o agente pode usar para coerência, conforme Design-Config-Panel.md).
  • min_concepts e max_concepts para o tamanho do cluster.
  • allow_web_search (toggle).
  • skip_if_incoherent (toggle para evitar geração de assuntos sem coesão).
• Utilização da lógica de escrita atômica para arquivos Markdown (.tmp → fsync → rename) implementada em Epic_1_Sprint_3-Create-agent-and-integration-for-Tier-2.md e detalhada em On-Filehandle-Conflicts.md.
• Integração com o sistema de clustering de conceitos (que fornecerá os clusters de entrada).
• Documentação clara do processo, formato de saída e opções de configuração.
• Implementação de testes para verificar a correta geração das páginas de assunto em diversos cenários.

• Interface de usuário para edição de assuntos (o foco é na geração automática).
• Vinculação avançada entre assuntos (será implementada em tarefa separada, "Link Concepts to Subjects" de Sprint 10).
• Otimizações avançadas de desempenho que vão além de um uso eficiente de LLMs e cache de pesquisa web.
• Processamento em lote de volumes extremamente grandes de dados (foco na funcionalidade e correção).
• Análise avançada de relações entre assuntos (além da recuperação para o resumo).

• O agente gera arquivos Markdown [[Subject:XYZ]] com a estrutura padronizada especificada em On-Writing-Vault-Documents.md.
• O conteúdo das páginas de assunto inclui informações relevantes de claims compartilhados, resumos comuns e nomes dos principais conceitos, puxados do grafo.
• A capacidade de pesquisa web funciona corretamente quando allow_web_search está habilitada, e as referências são incorporadas de forma relevante.
• A estrutura do arquivo segue o formato especificado (cabeçalho, conceitos membros, resumo em seções) e inclui os marcadores aclarai:id e ver=.
• O agente respeita e aplica as configurações lidas do aclarai.config.yaml (model.subject_summary, similarity_threshold, min_concepts, max_concepts, allow_web_search, skip_if_incoherent).
• A escrita do arquivo [[Subject:XYZ]] utiliza a lógica de escrita atômica de forma robusta e segura.
• A integração com o sistema de clustering de conceitos funciona corretamente, recebendo os clusters de entrada.
• A documentação clara do processo, formato e opções de configuração está disponível.
• Testes automatizados demonstram a funcionalidade e robustez do agente, incluindo cenários de geração bem-sucedida, clusters incoerentes (se skip_if_incoherent ativado), e uso/não-uso da pesquisa web.

• Sistema de clustering de conceitos implementado (Epic_1_Sprint_10-Implement-Concept-clustering-job.md), fornecendo os clusters de conceitos como entrada.
• Acesso ao Neo4j para consulta de (:Concept), (:Claim) e (:Summary) nodes e seus relacionamentos (Epic_1_Sprint_3-Create-nodes-in-neo4j.md, Epic_1_Sprint_5-Link-claims-to-concepts.md).
• Acesso à internet para pesquisa web (quando habilitado e configurado).
• Acesso ao sistema de arquivos para criação de arquivos Markdown.
• Definição clara do formato de páginas de assunto em On-Writing-Vault-Documents.md e Design-Config-Panel.md.
• Lógica de escrita atômica para arquivos Markdown implementada (Epic_1_Sprint_3-Create-agent-and-integration-for-Tier-2.md).
• Configuração de model.subject_summary disponível via aclarai.config.yaml (gerenciada pela UI de Sprint 10).

• Código-fonte do Subject Summary Agent (dentro do serviço aclarai-core ou scheduler).
• Implementação da lógica de extração de informações relevantes do grafo.
• Implementação da capacidade de pesquisa web para contexto adicional (se allow_web_search for true).
• Geração de arquivos Markdown [[Subject:XYZ]] com estrutura padronizada e metadados aclarai:id/ver=.
• Documentação técnica do processo e formato.
• Testes unitários e de integração.

• 4 dias de trabalho

• Risco: Qualidade inconsistente dos resumos gerados (e.g., resumos superficiais, imprecisos, ou que não refletem bem o cluster).
  • Mitigação: Iteração e ajuste dos prompts do LLM para o agente de resumo; implementação de métricas de qualidade básicas para resumos (e.g., coerência, concisão) e feedback para ajuste de prompts. Realizar testes de regressão com exemplos "golden standard".
• Risco: Informações incorretas ou alucinadas de fontes web (se allow_web_search habilitado).
  • Mitigação: Implementar verificação cruzada (se possível, com outras fontes ou com o próprio grafo) e priorizar fontes confiáveis. Limitar a profundidade da pesquisa e o volume de texto externo introduzido.
• Risco: Assuntos com informações insuficientes ou clusters incoerentes resultando em páginas vazias ou de baixa qualidade.
  • Mitigação: Utilizar a configuração skip_if_incoherent para evitar a geração de páginas para clusters que o agente considera sem coesão. Estabelecer min_concepts para garantir um tamanho mínimo de cluster.
• Risco: Consumo excessivo de tokens LLM ou requisições de pesquisa web.
  • Mitigação: Otimizar o design dos prompts para serem concisos. Implementar um sistema de cache para resultados de pesquisa web para evitar requisições repetidas para a mesma consulta.

• O agente deve ser capaz de receber o modelo LLM a ser utilizado via configuração (model.subject_summary).
• A lógica de recuperação de informações deve ser robusta, lidando com clusters de diferentes tamanhos e densidades.
• A pesquisa web deve ser um componente modular e configurável, com tratamento de erros para falhas de rede ou APIs.
• O formato do arquivo de saída deve ser rigorosamente consistente com on-writing_vault_documents.md para garantir a compatibilidade com Obsidian e o sistema de sincronização.
• O logging detalhado da geração de cada página de assunto, incluindo o subject_id e as fontes de dados utilizadas (grafo e/ou web), será crucial para depuração e rastreabilidade.
• Este job contribui diretamente para a proposta de valor de "Subject Pages" em Product-Definition.md.