MÓDULO 2.1

⌨️ Linha de comando na prática

A interface web te trouxe até aqui, mas o terminal é onde a ferramenta vira uma máquina de produtividade. Neste módulo você domina o comando run e todas as suas flags — de --context a --skip-research — para automatizar, escalar e economizar.

7
Tópicos
40
Minutos
⚡
Prático
⌨️
Terminal
--context --mode --dry-run / --skip ▶️ run "Empresa" ⚙️ Pesquisa → Síntese → Geração output/{empresa}/ com tudo pronto

Diagrama ilustrativo — as flags ajustam o comando central, que dispara o pipeline completo.

Conteúdo detalhado

1

🧩 Por que usar o CLI

A interface web é amigável e perfeita para a primeira análise. Mas, no momento em que você quer rodar dez empresas seguidas, agendar uma análise de madrugada ou repetir exatamente a mesma operação, o terminal (CLI) passa a ganhar com folga. Ele é o mesmo motor — só que sem o intermediário do navegador.

✓ O CLI brilha quando

  • ✓Você roda várias empresas em sequência (lote)
  • ✓Quer automatizar com um script ou agendador
  • ✓Usa um servidor remoto, sem interface gráfica
  • ✓Precisa repetir a mesma análise com precisão

🖥️ A web ainda é ótima para

  • •A sua primeira análise, sem decorar nada
  • •Acompanhar o progresso de forma visual
  • •Baixar os arquivos com um clique
  • •Quem prefere apontar e clicar

💡 Dica — não é "ou", é "e"

Você pode usar os dois: a web para explorar e o CLI para produção. Ambos leem e escrevem na mesma pasta output/, então o trabalho de um aparece no outro.

2

▶️ O comando run

Existe um comando que faz tudo, do começo ao fim. Memorize este: ele dispara as 3 fases e entrega o pacote completo numa pasta nova.

⌨️ O comando central

# Ative o ambiente primeiro
source venv/bin/activate        # Mac/Linux
# .\venv\Scripts\activate       # Windows

# O comando que faz tudo
python -m strategy_factory.main run "Stripe"

# Resultado: uma pasta nova com o pacote completo
output/stripe/
├── markdown/        (15 documentos)
├── presentations/   (2 apresentações .pptx)
├── documents/       (2 relatórios .docx)
└── mermaid_images/  (5 diagramas .png)

O nome entre aspas vira o "slug" da pasta — "Stripe" → output/stripe.

🔑 Anatomia do comando

  • python -m — roda um módulo Python
  • strategy_factory.main — o programa principal da ferramenta
  • run — o subcomando que executa o pipeline
  • "Stripe" — o argumento: o nome da empresa
3

💬 A flag --context

O nome sozinho às vezes não basta — pense em empresas com nomes comuns ou pouco conhecidas. A flag --context dá pistas à pesquisa e melhora muito a qualidade dos documentos.

⌨️ Com e sem contexto

# Sem contexto — a IA adivinha sozinha
python -m strategy_factory.main run "Acme"

# Com contexto — a pesquisa fica muito mais precisa
python -m strategy_factory.main run "Acme" \
  --context "B2B payments, fintech, 200 funcionários"

✓ Bom contexto inclui

  • ✓Setor / indústria (fintech, saúde, varejo)
  • ✓Modelo de negócio (B2B, B2C, SaaS)
  • ✓Porte aproximado (funcionários, faturamento)
  • ✓Região, se relevante

✗ Evite

  • ✗Deixar vago para empresas pouco conhecidas
  • ✗Esquecer as aspas em torno do texto
  • ✗Confiar só no nome quando ele é ambíguo
  • ✗Escrever um parágrafo enorme — seja conciso

💡 Dica — o contexto é seu volante

Para nomes famosos (Stripe, Nubank), o contexto é opcional. Para o resto, é o que evita que a IA pesquise a empresa errada — um pequeno texto que dirige toda a análise.

4

⚙️ A flag --mode

A flag --mode decide a profundidade da pesquisa — e, com ela, o custo e o tempo. São dois valores: quick (padrão) e comprehensive.

⌨️ Os dois modos

# Quick é o padrão — não precisa nem da flag
python -m strategy_factory.main run "Stripe"
python -m strategy_factory.main run "Stripe" --mode quick

# Comprehensive — pesquisa mais profunda (e mais cara)
python -m strategy_factory.main run "Stripe" --mode comprehensive

🐇 quick (padrão)

  • •~9 buscas na pesquisa
  • •2-3 minutos · ~US$ 0,05
  • •Ótimo para triagem e primeira passada

🐢 comprehensive

  • •~18 buscas na pesquisa
  • •5-10 minutos · ~US$ 0,50
  • •Para a empresa que você vai apresentar

💡 Dica — o Módulo 2.2 aprofunda

Aqui você só precisa saber que a flag existe e o que cada valor faz. O próximo módulo compara os dois modos em detalhe, com custos e árvore de decisão.

5

🧪 A flag --dry-run

Antes de gastar um centavo, simule. A flag --dry-run mostra o que seria gerado, mas não faz nenhuma chamada de IA. É a sua rede de segurança.

⌨️ Simulação sem custo

# Simula tudo, sem gastar nada
python -m strategy_factory.main run "Stripe" --dry-run

# Saída esperada (exemplo):
# [DRY RUN] Pesquisa: 9 buscas planejadas (Perplexity)
# [DRY RUN] Síntese: 15 documentos planejados (Gemini)
# [DRY RUN] Geração: 2 PPTX + 2 DOCX + 5 PNG
# [DRY RUN] Custo estimado: ~US$ 0,05 · Nenhuma chamada feita.

🎯 Use o dry-run para

  • Testar a instalação logo depois do setup, sem gastar
  • Conferir as chaves — se der erro de chave aqui, o .env está errado
  • Ver o plano de execução antes de rodar de verdade

💡 Dica — primeiro comando de sempre

Acabou de instalar? Rode um --dry-run antes de qualquer coisa. É o jeito mais barato (de graça) de saber se está tudo no lugar.

6

📋 status & list

Depois de rodar algumas análises, você vai querer inspecionar o que já existe. Dois comandos de leitura — que não gastam API — resolvem isso.

⌨️ Inspecionar análises

# Detalhe de uma empresa: progresso, fase, custo
python -m strategy_factory.main status "Stripe" --detailed

# Todas as empresas já analisadas
python -m strategy_factory.main list
📊

status "Empresa" --detailed

Mostra em que fase a análise está, quais entregáveis já ficaram prontos e quanto já foi gasto. Sem --detailed, mostra um resumo curto.

📚

list

Lista todas as empresas que já têm uma pasta em output/ — seu histórico completo de análises, num relance.

💡 Dica — leitura é grátis

Tanto status quanto list só leem arquivos locais. Use à vontade: nunca consomem crédito de API.

7

🔁 resume, reset & skip

Os últimos comandos são os de recuperação e economia: retomar o que parou, recomeçar do zero, e reaproveitar resultados já salvos sem pagar de novo.

⌨️ Retomar, limpar e pular fases

# Retoma de onde parou (após queda ou Ctrl+C)
python -m strategy_factory.main resume "Stripe"

# Limpa tudo e recomeça do zero (--yes pula a confirmação)
python -m strategy_factory.main reset "Stripe" --yes

# Reaproveita resultados em cache, pulando fases:
python -m strategy_factory.main run "Stripe" --skip-research    # reusa a pesquisa
python -m strategy_factory.main run "Stripe" --skip-synthesis   # reusa os documentos
python -m strategy_factory.main run "Stripe" --skip-generation  # reusa os arquivos

⏱️ Linha do tempo de uma recuperação

1

A pesquisa termina

A Fase 1 grava o research_cache.json. Esse dinheiro já foi gasto.

2

A síntese falha no meio

Cai a internet ou estoura o limite (erro 429). O state.json registra onde parou.

3

resume continua de graça

O resume reusa a pesquisa do cache e só refaz a síntese que faltava. Você não paga a Fase 1 de novo.

💡 Dica — só ajustar os documentos? Pule a pesquisa

Se você só quer regerar os documentos (porque mexeu num prompt, por exemplo), use --skip-research. A pesquisa, que é a parte cara, vem do cache — e o custo despenca.

⌨️ Resumo do Módulo

✓
Por que o CLI — lotes, automação, servidor e precisão; a web continua ótima para começar.
✓
run "Empresa" — o comando central que dispara as 3 fases e cria output/slug.
✓
--context — pistas (setor, modelo, porte) que melhoram muito a pesquisa.
✓
--mode — quick (padrão, barato) ou comprehensive (profundo, mais caro).
✓
--dry-run — simula sem gastar; ideal para testar instalação e chaves.
✓
status, list, resume, reset, --skip-* — inspecionar, retomar, limpar e reaproveitar cache.

Próximo Módulo:

2.2 — Modos Quick vs Comprehensive — escolha entre rápido e profundo com consciência de custo, modelos e tempo.

← Voltar para Trilha Próximo Módulo →