docs: rewrite README for investigative-journalist readers, add screenshot

README.md

@@ -1,78 +1,50 @@
 # Pet16704 — Análise do Processo
 
-Visualização interativa da linha do tempo dos autos vinculados **Pet16704** (STF) — um ponto por
-documento, agrupado pela instituição de origem (Relatoria, PGR, Polícia Federal, Partes e Defesas,
-Secretaria e Cartório) e posicionado pela data real de juntada.
+Uma linha do tempo navegável de tudo que está nos autos da **Pet16704**, no STF — o processo que reúne
+a investigação do colapso do Banco Master (Operação Compliance Zero). São **3.437 documentos**, de
+2018 a 2026, organizados por data e por quem os produziu (STF, PGR, Polícia Federal, partes/defesas,
+cartório).
 
-**Ver a página publicada:** (preencha aqui o link do GitHub Pages depois do primeiro deploy)
+![Linha do tempo da Pet16704](timeline-screenshot.png)
 
-## Como os dados foram montados
+## O que dá pra fazer aqui
 
-1. **`docs.json`** — cruzamento de duas fontes do dump original (uma com a instituição de cada
-   documento, outra com data/texto completo/arquivo-fonte). Ver `pipeline/extract.py`.
+- **Ver cada documento no tempo**, agrupado por quem o produziu, com busca por texto ou nº do
+  documento e filtro por tipo de documento ou por pessoa citada.
+- **Clicar em qualquer ponto** para ler o resumo daquele documento e abrir o texto original completo
+  (extraído por OCR dos autos).
+- **Ver o resumo do processo conexo** ao qual aquele documento pertence — são **53 processos
+  apensados** à Pet16704 (outros inquéritos e petições), cada um com um resumo em linguagem corrente
+  de quem é investigado, quem são os advogados e o que aconteceu.
+- **Consultar quem é citado**: **292 pessoas** identificadas automaticamente nos textos, com o papel
+  de cada uma (investigado, advogado, autoridade, testemunha etc.) sempre que dava pra inferir com
+  segurança — sem forçar uma classificação quando o texto não dava sinal suficiente.
+- Alternar para uma **visão em tabela**, pesquisável, como atalho para quem prefere não navegar pelo
+  gráfico.
 
-2. **Tipo de documento** — extraído do nome do arquivo-fonte de cada documento (ex.: "Despacho",
-   "Petição", "Procuração", "Certidão"), normalizado com acentuação correta.
+## De onde vêm os dados
 
-3. **Pessoas mencionadas (`people.json` / `PESSOAS.md`)** — reconhecimento de entidades feito
-   **localmente, sem usar o Claude para o texto em si**, com o modelo
-   [`pierreguillou/ner-bert-base-cased-pt-lenerbr`](https://huggingface.co/pierreguillou/ner-bert-base-cased-pt-lenerbr)
-   (BERT treinado no corpus **LeNER-Br**, de textos jurídicos brasileiros). Rodado sobre os 3.437
-   textos via `pipeline/run_ner.py`.
+Os documentos originais (PDFs digitalizados dos autos) foram convertidos em texto por OCR com o
+[liteparse](https://github.com/run-llama/liteparse). Os resumos de cada documento e de cada processo
+conexo foram escritos por modelos de IA gratuitos rodados via [opencode](https://opencode.ai). O
+reconhecimento de pessoas citadas nos textos usou um modelo especializado em português jurídico
+(código e detalhes técnicos em `pipeline/`, para quem quiser conferir).
 
-   Depois da extração bruta (435 nomes distintos), foi feita uma limpeza:
-   - separação de nomes que o modelo juntou erroneamente com "e" (ex. "Fulano e Beltrano" → duas
-     pessoas), preservando sobrenomes compostos legítimos ("Castro e Silva");
-   - remoção de nomes de escritórios de advocacia reconhecidos como pessoa por engano;
-   - descarte de fragmentos de um único token (nomes incompletos, ex. só o primeiro nome);
-   - junção de variações do mesmo nome por contenção de tokens (ex. "Daniel Vorcaro" →
-     "Daniel Bueno Vorcaro").
-
-   Resultado: **292 pessoas distintas**, listadas em `people.json` (formato bruto, usado pela
-   página) e em `PESSOAS.md` (tabelas legíveis, agrupadas por papel). O papel processual de cada
-   pessoa (Relator/Ministro, Outorgante/Parte, Peticionante, Advogado(a), Investigado(a),
-   Delegado(a) PF, Senador(a), Deputado(a), Alvo de diligência, Perito(a), Testemunha) foi inferido
-   por frases-gatilho perto de cada menção (ex. "Despacho do Relator X", "Procuração de X
-   constituindo Y", "em desfavor de X"). **63% das pessoas (185 de 292) ficaram sem papel
-   classificado** ("Mencionado(a)") por falta de um sinal textual próximo confiável — isso é
-   esperado e fica visível na própria listagem, não escondido.
-
-   **Limitações conhecidas:** isso é reconhecimento automático de entidades em texto livre, não uma
-   base curada. Pode haver nomes não reconhecidos, variações da mesma pessoa não unificadas, e
-   classificações de papel aproximadas. Trate como um ponto de partida para busca, não como fonte
-   definitiva de identidade ou qualificação processual.
-
-4. **Recuperação de datas (`pipeline/recover_dates.py`)** — dos 615 documentos sem data de juntada
-   identificada no dump original, 366 tiveram uma data recuperada lendo o texto original do próprio documento em
-   busca da sua linha de fechamento no padrão "Cidade/UF, DD de mês de YYYY." (ex. "Brasília, 10 de
-   abril de 2026."). Esses casos ficam marcados com `dateInferred: true` em `docs.json` e aparecem
-   no resumo do documento como "data lida no texto do documento, não da juntada nos autos" — é uma
-   data real do documento, mas não necessariamente a data em que foi juntado ao processo. Os 249
-   restantes seguem sem data (fora do gráfico, só na tabela). Duas versões mais permissivas foram
-   tentadas e descartadas por amostragem manual antes desta: buscar qualquer "DD de mês de YYYY" no
-   texto pegava datas de citação de leis/decretos ("da Lei 11.419, de 19 de dezembro de 2006") e
-   prazos de normas citadas ("será exigido a partir de 1º de janeiro de 2017") como se fossem a data
-   do documento; e um fallback numérico (`dd.mm.aaaa`) pegava números soltos de anexos técnicos
-   longos (um laudo de vistoria, a validade de um CRECI) sem relação com a data real. Exigir uma
-   cidade e vírgula imediatamente antes da data eliminou os falsos positivos encontrados.
-
-5. **Autos vinculados (`resumos/parte1/`, `resumos/parte2/`)** — resumos em markdown dos processos conexos citados
-   ao longo da Pet16704 (Inq 5026, Inq 5035, Inq 5050, Inq 5070, Rcl 88121 e diversas Petições —
-   PET 15198, 15375, 15478 etc.), um arquivo por processo mais um `INDEX.md` consolidado em cada
-   pasta. Cobrem partes/investigados, advogados, autoridades e linha do tempo resumida de cada
-   procedimento. Na página, o resumo de qualquer documento da linha do tempo tem um botão "Ver
-   resumo do processo" que busca e mostra o arquivo correspondente aqui.
+Nada disso substitui a leitura dos autos originais — é um ponto de partida para localizar e cruzar
+informação, não uma fonte verificada. OCR erra, resumo automático simplifica, e reconhecimento de
+nomes automático pode juntar ou deixar de reconhecer alguém. Sempre que algo parecer relevante,
+confira no documento original (tem um link pra ele em cada ponto da linha do tempo).
 
 ## Projeto relacionado
 
-[**vorcaros**](https://rafapolo.github.io/vorcaros/) — visualização em grafo da rede societária
-(empresas e sócios) ligada às mesmas pessoas que aparecem nesta linha do tempo processual. Os dois
-projetos olham o mesmo caso por ângulos diferentes: um pela rede de negócios, este pelo andamento
-processual.
+[**vorcaros**](https://rafapolo.github.io/vorcaros/) — o mesmo caso visto pelo outro lado: um grafo da
+rede societária (empresas e sócios) das mesmas pessoas que aparecem aqui.
 
-## Aviso
+## Aviso — leia antes de usar
 
-Este projeto reúne informações de um processo público em curso no STF. Nomes, datas e descrições
-refletem o conteúdo dos autos tal como disponibilizado; erros de extração automática (OCR, NER,
-digitação no material de origem) podem existir. Não constitui manifestação jurídica sobre culpa,
-inocência ou qualquer qualificação processual das pessoas mencionadas.
+Este material está **sob sigilo nos autos originais**; o que está aqui é uma organização não oficial
+de conteúdo público do processo, para fins de apuração jornalística e pesquisa. Nomes, datas e
+descrições refletem o conteúdo dos autos tal como disponibilizado, com os erros de extração
+automática (OCR, IA, digitação no material de origem) que isso pode carregar. Nada aqui constitui
+manifestação jurídica sobre culpa, inocência ou qualquer qualificação processual das pessoas
+mencionadas.