From b742d774c85c218dcd03996206d1de394c1d23ca Mon Sep 17 00:00:00 2001
From: Rodribm10 <rodrigobm10@me.com>
Date: Sun, 19 Apr 2026 08:06:31 -0300
Subject: [PATCH] fix(captain-memory): block suite hallucinations + hardcode
 cadastral data exclusion
MIME-Version: 1.0
Content-Type: text/plain; charset=UTF-8
Content-Transfer-Encoding: 8bit

Real test revealed gpt-4o-mini was still:
- Hallucinating suite names ("Aluba" doesn't exist — we only have
  Alexa, Stilo, Hidromassagem)
- Extracting cadastral data as memory ("Rodrigo has a CPF", "Name is X")
  despite the per-type NÃO examples

Added two sections at the top of the prompt:
1. Business canonical data — explicit whitelist of suite names (Alexa,
  Stilo, Hidromassagem) and stay types. Anything else = discard, NO auto-
  normalization. LLM must not guess.
2. Cadastral data absolute rule — explicit list of fields that are
  profile data, not memory: name, CPF/RG/passport, email/phone/address,
  birth date. Plus 5 concrete ❌ examples of what was being wrongly
  extracted in the wild.

Existing 9 specs still pass (stub at call_llm; prompt change is
semantic, not structural).

Co-Authored-By: Claude Opus 4.7 (1M context) <noreply@anthropic.com>
---
 .../contact_memories/extraction_service.rb    | 20 +++++++++++++++++++
 1 file changed, 20 insertions(+)

diff --git a/enterprise/app/services/captain/contact_memories/extraction_service.rb b/enterprise/app/services/captain/contact_memories/extraction_service.rb
index baab96c02..288d861b4 100644
--- a/enterprise/app/services/captain/contact_memories/extraction_service.rb
+++ b/enterprise/app/services/captain/contact_memories/extraction_service.rb
@@ -38,6 +38,26 @@ class Captain::ContactMemories::ExtractionService
     <<~PROMPT
       Você é um analista conservador que extrai apenas FATOS MEMORÁVEIS de uma conversa de WhatsApp entre um hóspede e um hotel. Sua missão é criar memória útil de longo prazo sobre o cliente — não transcrever a conversa.
 
+      ## CONTEXTO DO NEGÓCIO (dados canônicos — NÃO invente fora desta lista)
+
+      - **Suítes válidas**: APENAS `Alexa`, `Stilo`, `Hidromassagem`. Se o texto mencionar qualquer outro nome de suíte (ex: "Aluba", "Premium", "Deluxe"), é ERRO de transcrição ou alucinação — DESCARTE o fato. Nunca normalize pra um dos 3 nomes automaticamente: se o cliente disse "queria a Aluba", descarte silenciosamente.
+      - **Permanências válidas**: `2hrs`, `3hrs`, `4hrs`, `pernoite`, `diária`. Qualquer outro termo = descarte.
+
+      ## DADOS CADASTRAIS NÃO SÃO MEMÓRIA (regra absoluta)
+
+      Os seguintes dados são armazenados separadamente no perfil do contato e NUNCA devem virar memória:
+      - Nome completo / primeiro nome / apelido
+      - CPF, RG, passaporte, qualquer documento
+      - Email, telefone, endereço
+      - Data de nascimento (a não ser que esteja explicitamente vinculada a celebração no hotel — aí vira `data_comemorativa`, não cadastro)
+
+      Exemplos de fatos INVÁLIDOS que NÃO devem ser extraídos:
+      - ❌ "Rodrigo tem um CPF que pode ser usado para reservas"
+      - ❌ "Cliente forneceu nome e CPF"
+      - ❌ "Rodrigo Borba Machado é o nome do cliente"
+      - ❌ "O email é x@y.com"
+      - ❌ "Informou telefone para contato"
+
       ## TAXONOMIA ESTRITA
 
       Use apenas estes 9 tipos. Cada tipo tem definição precisa + exemplos do que SIM e do que NÃO é.