Espectro 24

espectro-24-eu6z.vercel.app

A nota média mente. Um filme com nota 3,5 pode ser um filme que todo mundo achou mediano — ou um filme que metade amou e metade odiou. A média não distingue os dois casos; o Espectro 24 sim.

O que é

Um agregador de reviews do Letterboxd para quem ainda não assistiu ao filme e quer saber, antes de decidir: o que quem não gostou disse, o que quem ficou no meio disse, e o que quem gostou disse — cada grupo com as suas próprias palavras, sem que a média os misture num número só. Sem spoilers, sem nota, sem "8,5/10 — obra-prima".

A tese

A média achata o espectro. Um filme divisivo e um filme consensualmente mediano podem ter a mesma nota e são experiências completamente diferentes para quem vai assistir. O produto mostra a distribuição — quanto do público está em cada faixa — e, dentro de cada faixa, os temas que mais aparecem: o que incomoda quem não gostou, o que convence quem gostou, e se os grupos concordam sobre do que o filme trata (discordando só no veredito) ou discordam também sobre o que há para discordar.

Como funciona, em alto nível

coleta por faixa de nota (negativas · medianas · positivas)
        ↓
classificação de cada review numa taxonomia fechada de 10 eixos
(ritmo, atuação, direção e imagem, roteiro, som, tom, impacto emocional,
comparações, expectativa, crítica social) — por votação de 3 passadas
        ↓
bullets por grupo: os de maior frequência (do que esse grupo mais fala)
e os de maior contraste (o que esse grupo fala muito mais que os outros)
        ↓
narrativa em três movimentos: o filme → a experiência que os três grupos
compartilham → onde e como eles discordam

Cada número na tela é contagem de código sobre a classificação persistida — nenhuma frequência é estimada ou lembrada por um LLM. O LLM decide o que dizer sobre um tema (a frase, o parafraseado); o código decide quantas reviews mencionam cada coisa.

Limitações declaradas

O produto é honesto sobre o que não sabe, de propósito:

• impacto_emocional tem precisão medida de 0,794 contra um gabarito humano de 100 reviews (era 0,486 antes de um segundo estágio de verificação, que roda depois da classificação e só pode remover marcação errada — nunca adicionar). É o único dos 10 eixos com essa fragilidade medida; os outros não passaram pelo mesmo escrutínio porque não deram sinal de precisar.
• A margem de contraste (20 pontos percentuais) é uma escolha entre pureza e cobertura, não um número "correto" descoberto. Com ela, 18 dos 35 filmes do catálogo têm contraste temático de verdade; os outros 17 têm os três grupos concordando sobre do que o filme fala e discordando só no veredito — e o produto diz isso explicitamente, em vez de forçar um contraste que a distribuição real não sustenta.
• A janela temporal da amostra é um proxy, não uma medida direta de recência de opinião. A data que uma review carrega é quando ela foi escrita, não necessariamente quando o filme foi assistido, e o material mais antigo do catálogo tende a ser sistematicamente mais longo que o recente — os dois fatos interagem com qual review a amostra pega.

A SPEC.md é a autoridade técnica completa do projeto — toda decisão, toda medição, todo changelog desde a v1.0.

---

Para quem quer rodar ou desenvolver

Instalação

python3 -m venv venv && source venv/bin/activate
pip install -e ".[llm]"                # empacotado (pyproject.toml, src-layout)

export GEMINI_API_KEY=...              # ou ANTHROPIC_API_KEY / DEEPSEEK_API_KEY

Registra o comando espectro24 no PATH do venv. A chave também pode viver num .env na raiz (carregado automaticamente, não versionado).

Uso

espectro24 --slug oppenheimer-2023            # por slug
espectro24 "city of god"                      # por nome (resolve o slug)
espectro24 --slug oppenheimer-2023 --tom ambos  # síntese estruturada + narrativa
espectro24 --slug oppenheimer-2023 --offline    # reexecução 100% cache

Sem --provider, cada estágio usa o provider configurado para ele (PROVIDER_POR_ESTAGIO em config.py) — hoje, classificação e rotulagem em DeepSeek, narrativa em Gemini. --provider força um único provider em todos os estágios.

Gera resultado/<slug>.json. Ver SPEC.md §4 para o schema completo.

Testes

pip install -e ".[llm,test]"
python -m pytest tests/        # zero rede, zero chamada real de LLM

Publicar o catálogo

python scripts/verificador_impacto.py aplicar-producao   # verificador sobre o consenso
python scripts/publicar_catalogo.py                       # pipeline completo, checkpoint/resume
python frontend/build_data.py                              # embute os JSONs no frontend

Estrutura

pyproject.toml    empacotamento (setuptools, src-layout) + console script "espectro24"
src/espectro24/
  config.py         parâmetros congelados + provider por estágio
  fetcher.py        rede + cache em disco + parada anti-bot
  collector.py       coleta por nível + cascata de relaxamento
  selecao.py          seleção 40/40/40 estratificada por profundidade
  synthesize.py       síntese por bucket + adaptador ÚNICO de LLM (guard-rail no CI)
  narrador.py          narrativa em 3 movimentos, best-of-3
  eixos.py             frequência, lift, margem, contraste — tudo Fraction, zero LLM
  pipeline.py           orquestração coleta → seleção → síntese → eixos → narrativa
  cli.py                 argparse (espectro24 --slug ...)
scripts/           harnesses de classificação, verificação, votação, publicação e auditoria
frontend/          site estático (HTML/CSS/JS puro, sem build step, dados embutidos)
tests/             ~1100 testes contra fixtures/, zero rede, zero LLM real