clientflow_backend/RELEASE_v4926_3.md

v4926.3 — Email identity model config and cleanup

Objetivo

Melhorar a extração de identidade de emails antes do enriquecimento fiscal, com modelo LLM dedicado e limpeza determinística final.

Alterações

• Novo EMAIL_IDENTITY_LLM_MODEL separado de OPENROUTER_MODEL.
• scripts/batch_validate_email_identity.py aceita --model para comparar modelos sem alterar .env.
• O batch mostra o modelo usado no cabeçalho.
• Sanitização de person_name:
  • remove artefactos Unicode/CJK como Luis Roch游戏副本a;
  • rejeita rodapés tipo Enviado do meu Galaxy.
• Sanitização de company_mentions:
  • remove frases longas de avisos legais/GDPR;
  • extrai nomes curtos como SOPAC, S.A e Imoprates, Lda;
  • rejeita mentions com palavras de ruído legal.
• confidence fica limitada quando não há empresa extraída, para não parecer evidência fiscal forte.
• O resultado guarda llm_model no payload quando usa LLM.

Uso recomendado

EMAIL_IDENTITY_LLM_MODEL="anthropic/claude-sonnet-4"

Ou teste isolado:

PYTHONPATH=. python scripts/batch_validate_email_identity.py \
  --limit 20 \
  --use-llm \
  --timeout-seconds 30 \
  --model "anthropic/claude-sonnet-4"

Nota operacional

A extração continua a ser evidência para revisão/enriquecimento. Não deve auto-aplicar cliente fiscal sozinha.