brasiliano/tasks/done/PROMPT_TERMINAL.md at aedef870c1db467b3d6c27dc14ec51f89088eb69

Files

T

rodado 290c4cc21d feat: acervo Brasiliana Fotográfica coletado e mural 3D no ar

Captura integral do acervo da Brasiliana Fotográfica (Biblioteca Nacional)
para s3://brasiliana: 13.060 itens, 12.985 com imagem de preservação, 13.059
com miniatura derivada, 2.137 cópias legadas e 636 posts do blog. 41.444
objetos no ledger.

Os 75 itens sem preservação estão em errors.md: a página do item responde
200, mas a origem serve o bitstream com HTTP 500. Nenhum fica fora do mural,
porque todos têm thumbnail.

Não versionado, por viver no bucket ou ser reconstruível: catálogo,
posts .jsonl, atlas .webp, sqlite de estado e logs. Credenciais ficam de
fora pelo .gitignore.

2026-09-13 20:17:02 +02:00

3.3 KiB

Raw Blame History

Arquivado em 2026-09-10 — superado. Prompt de handoff original da Fase

Cumpriu seu papel (a Fase 1 terminou, catálogo saiu). Boa parte do conteúdo abaixo (trilha A via servidor, "não mexa na aba do Brave") não vale mais — ver tasks/PLANO.md pro estado e runbook atuais. Mantido só como registro histórico.

Retomando o projeto Brasiliana → S3. Leia primeiro tasks/PLANO.md (estado, achados, runbook) e depois README.md se precisar de mais detalhe técnico.

Nota (2026-09-10): reorganização de pastas — baixador.py, subidor.py, coletor.js, baixador-navegador.js, catalogo.jsonl e .s3env agora moram em pipeline/. Os comandos deste arquivo ainda usam os nomes antigos sem prefixo; rode-os de dentro de pipeline/ (cd pipeline primeiro) ou ajuste os caminhos. tasks/PLANO.md já está com os caminhos corrigidos — prefira aquele runbook.

Contexto rápido: a Fase 1 (coletor.js, metadados) está rodando numa aba do Chrome controlada por outra sessão de Claude (Cowork, na nuvem) — não mexa nela, ela é independente. Ela vai exportar brasiliana-catalogo.jsonl para ~/Downloads sozinha quando terminar (ETA ~15-16h a partir de ~10:31 de 2026-09-09, checar se já não terminou antes de você ler isso).

Seu trabalho é tocar as Fases 2-4 assim que o catálogo existir — você tem rede real (SSH, S3), a sessão na nuvem não tem.

Verifique se ~/Downloads/brasiliana-catalogo.jsonl (ou algo com esse padrão de nome) já existe. Se não, esse é o bloqueador: espere ou me avise para eu checar o progresso da fase 1.
Fase 2 (trilha A, servidor Finlândia):
```
scp baixador.py catalogo.jsonl finland:/root/brasiliana/
ssh finland
set -a; . /root/.s3env; set +a
cd /root/brasiliana
python3 baixador.py --catalogo catalogo.jsonl --pular-legado
python3 baixador.py --status
```
As credenciais reais (AWS_ACCESS_KEY_ID/AWS_SECRET_ACCESS_KEY) para preencher .s3env estão em /Users/polux/Projetos/tocador/.env. Na Finlândia já deve haver /root/.s3env configurado — confirme antes de reescrever.
Fase 3 (trilha B, nomes com encoding — precisa do navegador):
- Cole baixador-navegador.js no console da MESMA aba do coletor (a aba já tem o catálogo em memória/IndexedDB da fase 1). BAIXA.quantos() para saber quantos, BAIXA.iniciar() para começar — os arquivos caem em ~/Downloads.
- Em paralelo, no terminal local:
```
set -a; . .s3env; set +a
python3 subidor.py --vigiar --catalogo catalogo.jsonl
```

Fase 4 (cópias legadas do objdigital, só alcançável localmente):

set -a; . .s3env; set +a
python3 baixador.py --catalogo catalogo.jsonl --somente-legado

Ao final: gere MANIFEST.md (o que é, como foi coletado, quando) e confirme no bucket que a contagem de itens/checksums bate com os 13.036 esperados (ou o número real que saiu da fase 1, que pode ser ligeiramente diferente).

Regras não-negociáveis (do PLANO.md): SHA-256 de cada arquivo, e URL de origem + data/hora UTC de captura em cada metadata.json. dc.rights e a instituição de origem são preservados por item.

Se algo travar (disco cheio — aborta abaixo de 2GB livres na Finlândia —, erro de rede, item corrompido), pare, registre o que aconteceu em tasks/PLANO.md e me avise em vez de insistir.

3.3 KiB Raw Blame History

3.3 KiB

Raw Blame History