Ingestão web de falas funciona no comando documentado, sem runtime local

Status: rascunho Atualizado em: 2026-09-25 Issue: #1338 Priority: P1 Impeccable: A — N/A sem UI Design UI: N/A — sem UI Appetite: ~0,5 dia eng; um outcome verificável (lote de 1 vídeo verde pelo comando documentado) Responsável: —

Intenção

Quem opera a esteira de falas usa o comando que está documentado: pnpm falas-web:import --findings <lote>. É ele que carrega o ambiente do repo e é ele que hoje quebra a ingestão do YouTube. O NODE_OPTIONS que o wrapper passa para os scripts Node vaza para o runtime JS que o yt-dlp invoca para resolver o desafio do YouTube; o processo filho herda --import=tsx/esm --import=./scripts/seed-loader.mjs e o desafio morre. O erro que aparece é Requested format is not available — enganoso, parece problema de formato/cookies/vídeo, mas é consequência da configuração de runtime do nosso próprio comando.

O custo não é só a falha: é a rodada queimada. O operador perde um lote inteiro, vai atrás de cookies e de flags de formato antes de descobrir que o mesmo comando, rodado fora do pnpm, funciona. Isso não é um defeito de produto do yt-dlp nem do vídeo; é nosso. O operador não deveria precisar saber disso — nem ter um wrapper de node em ~/.local/bin para contornar.

Persona e fluxo

Persona / contexto: operador da comunicação que roda a atualização do catálogo de falas a partir da web, na mesa, confiando no comando documentado (skill catalogo-falas-web / README); sem tempo nem contexto para depurar runtime de terceiros.
Job principal: rodar o lote pelo comando documentado e receber os itens do YouTube como created/skipped, sem configuração local extra.
Fluxo desejado: monta o lote → roda pnpm falas-web:import --findings <lote> → acompanha o relatório item a item → vê o vídeo do YouTube ingressar ou ser pulado por regra de produto (já ingerido, etc.), nunca failed por causa do ambiente do repo.
Anti-goals de produto: esta entrega NÃO deve virar um manual de instalação de runtime, um segundo caminho de ingestão, nem uma flag nova que o operador precise passar. O contrato do relatório e dos estágios fica como está.

Objetivo e aceite

Um lote com 1 vídeo do YouTube roda verde via pnpm falas-web:import num ambiente com o NODE_OPTIONS do wrapper do repo (--no-deprecation --import=tsx/esm --import=./scripts/seed-loader.mjs), sem wrapper de node, sem ~/.config/yt-dlp/config especial e sem flag adicional.
O relatório do lote mostra created (ou skipped, se for regra de produto) para o item — não failed (acquisition).
Teste automatizado cobre a sanitização no runner de yt-dlp; o runner é injetável nos specs, então o teste prova o comportamento sem baixar da internet.
Sem regressão para o caminho Câmara, que não usa yt-dlp.
O contrato do relatório (estágios, exit codes, formato) e o comportamento de pnpm falas-web:import permanecem iguais.
Guardrail: o fix é no dono do spawn do yt-dlp, não em cada script chamador — nenhum script de ingestão deve ganhar tratamento próprio de ambiente.

Dados (intenção)

Vou apresentar dados? Não — o item não cria superfície de dados; o "dado" entregue é o próprio relatório de lote já existente.
Decisões desbloqueadas: operador decide se confia no comando documentado como caminho único de ingestão web (hoje precisa escalar/contornar com wrapper local); mantenedor decide se pode rodar a esteira em máquina limpa/CI futura sem setup de runtime do yt-dlp.
Forma: adiada ao plano de implementação — aqui só restrições de produto: nenhuma mudança na leitura do relatório, nenhum campo novo, nenhuma métrica de vaidade.

Dados da decisão (literais)

NODE_OPTIONS que quebra, verbatim do package.json: --no-deprecation --import=tsx/esm --import=./scripts/seed-loader.mjs.
Sintoma verbatim: yt-dlp não leu os metadados: ERROR: [youtube] <id>: Requested format is not available (estágio acquisition).
Dono único do spawn: src/utilities/media/ytdlp.ts — defaultRunner (via execFile), consumido por readYtDlpMetadata e downloadWithYtDlp; o runner é injetável (YtDlpRunner) nos specs.
Contrato intocado: pontos created/skipped/failed e estágios do relatório de scripts/import-web-speeches.mjs (incluindo acquisition).
Workaround de host usado na sessão NÃO entra no repo: wrapper ~/.local/bin/node-clean (env -u NODE_OPTIONS node "$@") + ~/.config/yt-dlp/config com --js-runtimes. É paliativo de máquina; a correção vive no repo.
O mecanismo exato da sanitização (env limpo no defaultRunner vs. remoção pontual no spawn) NÃO é decidido aqui.

Direção no codebase (hipótese)

Áreas prováveis: src/utilities/media/ytdlp.ts (dono do spawn); specs vizinhos do runner; possivelmente nada em scripts/import-web-speeches.mjs nem no wrapper de package.json.
Precedente a olhar: testes que já injetam runner/YTDLP_PATH falso em src/utilities/media/; a própria doc de C215 no topo de ytdlp.ts ("single owner of yt-dlp execution").
Risco de acoplamento: o runner é compartilhado por metadata e download; sanitizar no dono cobre os dois. O caminho Câmara não passa por aqui — não tocar. Não introduzir dependência nova nem download real nos testes.

Dependências

Nenhuma.

Fora de escopo

Configurar/instalar yt-dlp ou runtime JS na máquina do operador (documentação de setup local fica como está).
Suporte a novas plataformas, mudança de formato de download ou de cookies.
Qualquer alteração no caminho Câmara.
Retomar/limpar itens que falharam em lotes anteriores (o operador reexecuta o lote; a esteira já é idempotente por item).

Rabbit holes de produto

Transformar em "suporte a yt-dlp". Se alguém "só completar": passar a validar versão, runtime JS, cookies e config do usuário vira uma central de diagnóstico de terceiros. Corte neste item: o único comportamento exigido é a ingestão funcionar com o NODE_OPTIONS do repo; diagnóstico amplo fica fora.
Flag/kill-switch nova no comando. Se alguém "só completar": expor --no-node-options ou um env próprio transfere o problema de volta ao operador. Corte neste item: o comando documentado não ganha knob; o saneamento é interno.
Generalizar para todo execFile do repo. Se alguém "só completar": sanitizar ambiente globalmente pode mascarar dependências legítimas de NODE_OPTIONS em outros scripts. Corte neste item: só o spawn do yt-dlp.

Questões em aberto (produto)

O relatório deve mencionar a causa antiga quando um item falhar por ambiente no futuro? Opções: A) Não — erro genérico como hoje; B) melhorar a mensagem do estágio acquisition para citar conflito de runtime. Recomendação: A neste item (o fix elimina a classe de falha; mensagem melhor é escopo próprio). (assumido — validar com produto)
Precisa de teste e2e com download real? Opções: A) Não — spec unitário com runner injetado basta; B) sim, lote real no CI. Recomendação: A (o aceite manual de 1 vídeo cobre o mundo real; CI não deve depender do YouTube). (assumido — validar com produto)

Referências

GitHub Issue #1338 (C224)
Design UI (gate): N/A
src/utilities/media/ytdlp.ts — dono do spawn de yt-dlp
scripts/import-web-speeches.mjs e package.json:92 (falas-web:import) — comando e relatório que não mudam
.agents/skills/catalogo-falas-web/SKILL.md — fluxo operacional que consome a esteira
AGENTS.md — convenção de não duplicar rota (fix no dono do concern)

7.6 KiB Raw Blame History