Metis — Research Cortex

Um "segundo cérebro" de pesquisa privado e local para o Claude — respostas citadas da sua própria biblioteca (não inventa o que não encontra), memória persistente de projetos, resumos diários, um assistente de reuniões ao vivo e 34 agentes especialistas. Funciona inteiramente na sua máquina.

GitHub

Experimente este MCPPatrocinado

Documentação

Metis — The Research Cortex

IA construída para pesquisadores. Não é uma caixa de prompt — é um modo de trabalhar.
Seus artigos, reuniões, ideias, anotações e diário — cada um conectado aos demais.
Um companheiro de pesquisa que revisa o próprio trabalho e fica mais afiado a cada semana.

São 7h20. Você abre o painel. O resumo matinal diz:

"Três artigos correspondentes aos seus tópicos configurados chegaram durante a noite — um deles desafia diretamente uma hipótese de trabalho na sua área. Sua cobertura de literatura em métodos cresceu para 84%. Cruzei os três com seu grafo de conhecimento, conectei-os à sua anotação de reunião de terça-feira e sinalizei quatro passagens para sua revisão. Uma análise monitorada está se aproximando de um prazo importante."

Sem prompt. Sem configuração. Sua pesquisa, conectada — todas as manhãs.

🟢 Em desenvolvimento ativo. Novidades: planeje uma sequência de dias em uma única linha · uma visão de Trabalho ordenada pelo que você realmente tocou · e um mês de controles que renderizaram perfeitamente e não fizeram nada, encontrado e corrigido. Veja o que há de novo ↓

☁️ Leve
Somente servidor MCP

Você pede ao Claude para criar um painel de monitoramento para seu projeto atual. O Metis lembra o painel que você construiu há dezoito meses, seu layout preferido e seus indicadores padrão. Os agentes especialistas certos entregam exatamente o que você precisa — no seu estilo, nos padrões da sua área — sem precisar explicar nada de novo.

🔗 Polinização cruzada
O momento em que tudo se conecta

Você captura uma ideia rápida sobre uma abordagem de vigilância inovadora. Em segundos, o Metis traz à tona três coisas que você havia esquecido que existiam: um artigo de metodologia de catorze meses atrás que usava abordagem semelhante, uma anotação de reunião de março em que seu parceiro de campo descreveu a mesma barreira, e uma pergunta em aberto que você registrou após uma conferência. Você não tinha conectado nada disso. O Metis conectou. A seção do financiamento se escreve sozinha.

🌐 Metis OS
O panorama completo — em desenvolvimento

Seu calendário mostra uma reunião com um colaborador de pesquisa. Ontem você capturou uma ideia sobre um novo método. O Metis tem sua transcrição de abril com essa pessoa e os artigos novos desta semana. Um briefing aparece antes de você sair. Após a reunião, você pede um curso de cinco dias sobre aquele tópico com base nas pesquisas mais recentes. À noite, está pronto.

Edições: Metis — Estrutura base · Metis_PH — Saúde Pública & Epidemiologia · Metis_BM — Ciências Biomédicas (em breve) · Metis_CL — Ciências Clínicas (em breve)

Last commit

🩺 Esta é a edição de Saúde Pública & Epidemiologia

O Metis_PH vem com uma camada de conhecimento de saúde pública pré-carregada — diretrizes da OMS, relatórios globais de saúde e referências de epidemiologia/métodos — para que você possa fazer perguntas fundamentadas e citadas desde o primeiro dia, sem precisar construir um corpus antes. A estrutura base (SVerITG/Metis) independente de domínio é idêntica em todos os outros aspectos; ela vem vazia e constrói a camada de conhecimento da sua área por meio do questionário de configuração.

Veja em ação

The Metis dashboard at a glance
O painel de relance — seus projetos, tarefas, o resumo matinal e no que focar, em uma visão tranquila.

A tour through the Metis tabs
Um tour pelo Metis — a aba do sistema e cada parte do seu Research Cortex: hoje, trabalho, conhecimento, reuniões, ideias, aprendizado e a sala de controle.

From the AI brief straight into a Claude Desktop brainstorm
A camada silenciosa — um clique no resumo matinal abre o Claude Desktop, preparado com seu trabalho, pronto para um brainstorm.

Metis reviews and improves its own work
O Metis revisa o próprio trabalho e propõe as próprias melhorias — o ciclo de autoaperfeiçoamento, em modo de planejamento.

Por que pesquisadores confiam nele

📚 Ele cita suas próprias fontes. As respostas de conhecimento são ancoradas em sua biblioteca indexada, com citações em nível de documento e página — não nos palpites do modelo. Sua biblioteca fundamenta a resposta; não a limita. O Metis ainda traz literatura recente, diretrizes e conhecimento mais amplo quando importam, e informa o que é o quê — para que qualquer coisa que valha a pena citar e que você ainda não tenha se torne um artigo que você pode adicionar.
🔗 Ele conecta tudo o que você sabe. Cada artigo, transcrição de reunião, ideia, anotação, entrada de diário e tarefa está vinculado ao restante do seu trabalho. O financiamento que você escreve hoje traz à tona um artigo de método do ano passado e uma anotação de reunião de março — você nunca precisa procurar; o Metis traz até você.
🧠 Ele encaminha para o especialista certo. Pergunte em linguagem simples, e o Metis entrega o trabalho ao especialista certo entre mais de 30 habilidades especializadas — Bibliotecário, Coach de Métodos, Parceiro de Escrita, Memória de Reuniões, Epidemiologista, Construtor de Cursos e muito mais.
🔁 Ele melhora a si mesmo. Após cada tarefa, ele registra o que funcionou e o que ficou aquém; a cada semana, ele elabora melhorias para o próprio comportamento e aguarda sua aprovação. A maioria dos servidores MCP é estática — o Metis fica mais afiado quanto mais você o usa.
🚫 Ele se recusa a inventar. Pergunte sobre algo que não está na sua biblioteca e o Metis informa isso, em vez de fabricar uma resposta que pareça plausível. (Um teste automatizado cobre a metade de recuperação disso: que uma pergunta dentro do corpus retorna o documento certo com sua página, e que uma pergunta fora do corpus pontua visivelmente pior. Se o modelo então diz isso em palavras ainda não é verificado por um teste.)
🔒 Ele permanece na sua máquina. Embeddings locais, banco de dados local, arquivos locais. Seus artigos, dados adjacentes a pacientes e trabalhos não publicados nunca saem do seu computador.

🎥 Veja em ação acima — o painel, um tour pelas abas, a camada silenciosa no Claude Desktop e o Metis melhorando o próprio trabalho.

Forma mais fácil de experimentar: instale o Claude Desktop e execute a configuração em 3 etapas — um espaço de trabalho de demonstração já vem pré-carregado, então você começa com algo para explorar em vez de uma tela em branco.

Para quem é isto?

🔬 Sou pesquisador

Nenhuma experiência em programação necessária. Instale em minutos, comece a trabalhar imediatamente. Tudo o que o Metis faz é explicado em linguagem simples.

→ Comece agora (3 etapas)

⚙️ Sou desenvolvedor

Código aberto, extensível, bem arquitetado. Crie pacotes de domínio, adicione agentes, estenda o servidor MCP ou implante para sua instituição.

→ Explore a arquitetura

O que é o Metis?

O Metis é um companheiro de pesquisa construído sobre o Claude que mantém seus dados na sua própria máquina. Ele dá a cada conversa de IA uma memória persistente do seu domínio, seus artigos, seus projetos e seu histórico de trabalho. Ele encaminha suas solicitações ao especialista certo, faz o trabalho, registra o resultado e retorna uma resposta simples — sem exigir que você forneça prompts ou configure nada.

O aplicativo roda na sua máquina e seus dados permanecem lá — seus documentos, anotações, embeddings e memória nunca saem dela. O raciocínio é alimentado pelo Claude, então o texto que você escolher enviar para análise vai para a API da Anthropic; todo o resto é local. (Consulte Proteção de Dados para saber exatamente o que sai da sua máquina e quando.)

A versão curta: imagine uma IA que já conhecesse sua área e sua literatura, conectasse cada artigo, reunião, ideia e anotação que você capturou, enviasse cada solicitação ao especialista certo — e ficasse mais afiada sobre seu trabalho, e sobre si mesma, quanto mais você a usasse. Isso é o Metis.

Como funciona

O Metis não é um aplicativo separado no qual você faz login. É um serviço pequeno que roda silenciosamente em segundo plano e conecta o Claude à sua pesquisa — seus artigos, sua memória, seus projetos.

Um serviço em segundo plano (o "servidor MCP") inicia com o seu computador. É a ponte entre o Claude e seus arquivos — você nunca interage diretamente com ele.
Você fala com o Metis por meio do Claude, de duas formas:
- Claude Desktop (mais fácil): abra e escolha um prompt do Metis (ex.: Metis, Metis Doctor) no menu de prompts — ou apenas pergunte.
- Claude Code (terminal): digite /metis seguido da sua solicitação.
Você pergunta em linguagem simples. O Metis descobre qual dos seus 33 especialistas deve lidar com a solicitação, faz o trabalho usando sua biblioteca e memória, e responde — citando fontes.

É isso. Não há nada para aprender antes de começar; o painel é visibilidade opcional por cima de tudo isso.

Filosofia de design

Toda conversa de IA começa do zero. Você gasta dez minutos reexplicando seu contexto e, quando a sessão termina, ele desaparece. Ferramentas genéricas de IA são poderosas, mas sem estado — elas sabem tudo sobre o mundo e nada sobre você.

O Metis é construído sobre uma ideia: a IA deveria conhecer você. E deveria continuar melhorando — por conta própria.

Não apenas seu nome — seu domínio, sua literatura, seus projetos, seu estilo de trabalho preferido, suas perguntas em aberto, suas anotações de reunião do mês passado e o artigo que você adicionou à sua biblioteca ontem. Quanto mais você usa o Metis, melhor fica cada resposta. Não porque a IA muda — porque o Metis conhece você melhor. Você não precisa acompanhar os avanços em IA. A Metis faz isso por você. Toda semana, a Metis revisa seu próprio desempenho em todas as suas sessões, identifica onde poderia ter ido melhor, elabora melhorias para seu próprio comportamento e aguarda sua aprovação antes de aplicá-las. À medida que melhores métodos e modelos se tornam disponíveis, essas melhorias são incorporadas da mesma forma — sempre propostas para sua aprovação, nunca aplicadas pelas suas costas. Como pesquisador, você foca na sua pesquisa. A Metis cuida de se manter afiada.

O mecanismo central é a polinização cruzada. Toda vez que você captura uma ideia, adiciona um artigo, registra uma reunião ou conclui uma tarefa, a Metis conecta isso a tudo o mais no seu universo de pesquisa. Um artigo que você indexou há um ano surge quando você está escrevendo um projeto hoje. Uma nota de reunião de março se conecta à ideia que você capturou esta manhã. Uma pergunta em aberto de seis meses atrás se conecta a um novo artigo que acabou de sair. Essas conexões acontecem automaticamente, em segundo plano, sem que você precise procurá-las. É isso que torna a Metis uma companheira de pesquisa em vez de uma ferramenta de busca — ela pensa em todo o seu corpo de trabalho para que você não precise guardar tudo na cabeça.

Este é um território genuinamente novo. Os componentes individuais — modelos de linguagem locais, geração aumentada por recuperação, roteamento de agentes, busca vetorial — todos existem de forma independente. O que a Metis apresenta é uma integração coerente de todos eles, construída sob medida para as demandas específicas do trabalho de pesquisa: cronogramas longos, dados sensíveis, literatura profunda e conhecimento que se acumula ao longo dos anos. Um sistema que cresce com você e traz conexões à tona para você — em vez de começar do zero a cada sessão. Até onde sabemos, nada parecido existe como um sistema unificado, executado localmente e voltado para pesquisadores.

Três níveis — escolha seu ponto de entrada

Nível	O que é	Melhor para
☁️ Somente servidor MCP	Um serviço em segundo plano que roda junto com o Claude. Memória persistente, consciência de sessão, 30+ agentes especialistas — sem painel, sem aplicativo visível.	Pesquisadores que já usam o Claude e querem que ele conheça seu trabalho
📊 Com o painel	Visibilidade completa sobre sua vida de pesquisa — artigos, ideias, reuniões, tarefas, projetos, todos conectados. Construído para polinização cruzada (ideias ligadas à literatura) e descarregamento mental (tirar o acompanhamento da cabeça e colocá-lo no sistema).	Pesquisadores que querem um ambiente operacional de pesquisa completo
🌐 Metis OS	Conecta-se a e-mail, calendário, sistemas de dados e infraestrutura institucional — uma camada de inteligência unificada para todo o seu ambiente de trabalho.	A visão de longo prazo. Ainda em desenvolvimento.

Onde as coisas estão hoje: O servidor MCP, 34 agentes e o painel de 9 abas estão totalmente operacionais e usados diariamente. O instalador de um clique e a camada de conhecimento de domínio pré-carregada ainda estão sendo refinados. Este é um sistema funcional — não é vaporware — mas também não está terminado. Se algo quebrar, por favor abra uma issue. Esse feedback molda o que será construído em seguida.

Para Pesquisadores

Nenhum conhecimento de programação necessário. Tudo abaixo é apontar-e-clicar ou copiar-e-colar.

Como a Metis é alimentada — você escolhe (você não vai gastar tokens de API só por usá-la)

A Metis funciona de duas maneiras, e você escolhe:

Na sua assinatura do Claude — sem chave de API, sem contas por token. Este é o caminho do dia a dia: você fala com a Metis através do Claude Desktop ou Claude Code, e os botões "✦ Atualizar com Claude" / brainstorm do painel abrem o Claude Desktop na sua assinatura. A maioria das pessoas usa a Metis inteiramente dessa forma.
Com uma chave de API da Anthropic — necessária apenas para coisas que rodam enquanto você não está lá: a varredura matinal agendada e a geração automatizada de briefings. Pagamento por token, normalmente alguns centavos por dia.
Com um modelo local (Ollama) — opcional, para tarefas auxiliares totalmente offline (ex.: o assistente de dados).

O instalador pede uma chave de API para que a automação possa rodar, mas você pode pular isso e usar a Metis apenas com sua assinatura. Nada na experiência interativa exige a API.

Instalação em 3 passos

Passo 1 — (Opcional) Obtenha uma chave de API da Anthropic — apenas para automação não supervisionada (grátis, 2 minutos)

Vá para console.anthropic.com e crie uma conta.

Clique em API Keys → Create Key. Copie a chave (ela começa com sk-ant-…).

Mantenha essa aba aberta — o instalador vai pedir a chave uma vez.

A chave permanece no seu computador. Ela nunca é enviada ou compartilhada.

Windows

⬇ Baixar MetisSetup.exe

Clique duas vezes no instalador. O assistente guia você por:

Completo ou somente IA — Completo dá a você o assistente de IA + painel de pesquisa de 9 abas (~15 min). Somente IA é mais rápido (~5 min) e você pode adicionar o painel depois.
Seus projetos — Diga à Metis em que você está trabalhando. Ela cria um registro de acompanhamento para cada projeto, escreve um arquivo de contexto na pasta do projeto e o registra no Claude Desktop automaticamente.
Espaço de trabalho de demonstração — Pré-carrega exemplos realistas de projetos, reuniões, literatura e tarefas para que você possa explorar todos os recursos imediatamente. Recomendado para usuários de primeira viagem.
Chave de API — Cole-a uma vez.

Todo o resto é automático. O Claude Desktop abre no final com a Metis pronta para uso.

Requisitos: Windows 10 ou 11 · Conexão com a internet · Chave de API

macOS ou Linux

Abra o Terminal e cole:

bash <(curl -fsSL https://raw.githubusercontent.com/SVerITG/Metis_PH/main/system/mcp-server/setup-mcp.sh)

O script faz duas perguntas (Completo ou somente IA, espaço de trabalho de demonstração) e faz o resto. Registra a Metis com o Claude Desktop e o Claude Code automaticamente. Funciona no Ubuntu 20/22/24, Debian e macOS.

Requisitos: Python 3.10–3.13. O instalador prefere uv (que baixa seu próprio Python 3.12 — sem pacotes de sistema necessários). Se uv não estiver disponível, ele usa o Python do seu sistema; em um sistema limpo, você pode precisar de sudo apt install python3-venv. Python muito novo (3.14+) ainda não é suportado — alguns pacotes não publicam wheels para ele. Se você encontrar "ensurepip is not available", instale uv (a linha acima) ou python3-venv e execute novamente.

Após a instalação — chave de API e atualização

Chave de API (opcional): Copie system/.env.example para system/.env e adicione sua chave, ou o instalador vai solicitar. A chave ativa recursos automatizados (briefings matinais, varreduras agendadas); o uso interativo através do Claude funciona sem ela.

Atualização após git pull: O servidor MCP roda a partir de uma cópia local do código-fonte (não do repositório diretamente). Depois de puxar o novo código, ressincronize com:

bash system/mcp-server/setup-mcp.sh --update

Isso recopia o código-fonte, reinstala o pacote e aplica migrações — sem executar novamente o assistente completo.

Moveu a pasta da Metis? Atualize o arquivo de marcador em ~/.local/share/metis-mcp/.metis-rc-root com o novo caminho, ou execute novamente o instalador.

Configuração do cliente MCP

O instalador registra a Metis com o Claude Desktop e o Claude Code automaticamente — você normalmente não precisa editar nenhuma configuração manualmente. Os blocos abaixo são para referência (e para diretórios MCP): eles mostram como o servidor metis-rc é conectado.

A Metis não é um servidor npx/uvx de uma linha. Execute o instalador primeiro — ele constrói o ambiente virtual local, inicializa o banco de dados e gera o script de inicialização (run.sh) para o qual as configurações abaixo apontam.

Passo 0 — instalação (constrói o venv + banco de dados, gera run.sh):

bash system/mcp-server/setup-mcp.sh

Claude Code (qualquer SO) — feito para você pelo instalador, ou adicione manualmente:

claude mcp add metis-rc ~/.local/share/metis-mcp/run.sh

Claude Desktop — macOS — em ~/Library/Application Support/Claude/claude_desktop_config.json:

{
  "mcpServers": {
    "metis-rc": {
      "command": "bash",
      "args": ["/Users/<you>/.local/share/metis-mcp/run.sh"]
    }
  }
}

Claude Desktop — Linux (nativo) — em ~/.config/Claude/claude_desktop_config.json:

{
  "mcpServers": {
    "metis-rc": {
      "command": "bash",
      "args": ["/home/<you>/.local/share/metis-mcp/run.sh"]
    }
  }
}

Claude Desktop — Windows + WSL — em %APPDATA%\Claude\claude_desktop_config.json:

{
  "mcpServers": {
    "metis-rc": {
      "command": "wsl",
      "args": ["-e", "/home/<you>/.local/share/metis-mcp/run.sh"]
    }
  }
}

Substitua <you> pelo seu nome de usuário. O run.sh gerado resolve METIS_RC_ROOT a partir de um arquivo de marcador em tempo de execução — sem caminhos codificados. Nenhuma chave de API é necessária para executar o servidor em si.

O que você obtém no primeiro dia

Recurso	O que faz
30+ agentes especialistas	Bibliotecário, Epidemiologista, Treinador de Métodos, Parceiro de Escrita, Memória de Reuniões, Construtor de Cursos, Treinador de Carreira, Crítico e mais — cada um especialista em seu domínio
Respostas fundamentadas	Toda pergunta de conhecimento é respondida automaticamente a partir da sua biblioteca de documentos indexados com citações em nível de página — não palpites de IA
Gerenciamento de biblioteca	Importe PDFs, sincronize Zotero ou Mendeley, pergunte "o que meus artigos dizem sobre X?" — respostas citadas da sua própria biblioteca
Briefing de inteligência matinal	Toda manhã: novos artigos sobre seus tópicos de pesquisa exatos, notícias da área, alertas de vigilância e uma recomendação de foco — totalmente personalizado
Assistente de reuniões ao vivo	Acompanhe em tempo real, ou cole uma transcrição — obtenha notas estruturadas, itens de ação e referências cruzadas de projetos automaticamente
Acompanhamento de projetos	Todo projeto recebe um registro de acompanhamento, um arquivo de contexto em sua pasta e integração com o Claude Desktop. O botão Atualizar verifica todos os seus projetos em busca de atividade.
Captura por voz	Grave em qualquer lugar, transcreva localmente (sem API, sem upload), direcione para ideias, diário ou notas
Painel de 9 abas	Hoje · Notícias · Conhecimento · Reuniões · Aprendizado · Trabalho · Reflexão · Apresentação · Metis — tudo ao vivo, tudo local
Proteção de dados	Seis camadas de segurança + o fluxo de trabalho `/safe-analysis`. Dados sensíveis são detectados e retidos antes de chegarem à IA, e o padrão recomendado mantém os dados brutos inteiramente na sua máquina — você compartilha apenas metadados derivados.
Polinização cruzada	Toda ideia, artigo, reunião e tarefa é automaticamente conectado a tudo o mais no seu universo de pesquisa. A Metis traz conexões à tona através do tempo — um artigo do ano passado, uma nota de reunião de março, uma pergunta que você registrou em uma conferência — sem que você procure por nada disso.
Rastreamento de tokens	Cada execução de agente mostra exatamente o que custou — qual especialista foi usado, quantos tokens, qual modelo. A aba Hoje do painel tem um pulso de tokens ao vivo para que você sempre saiba seu uso diário. A maioria das tarefas diárias fica abaixo de alguns centavos.
Carregamento de subconjunto de ferramentas	A Metis registra 277 ferramentas MCP, mas expor todas elas ao Claude em toda sessão desperdiça contexto. Por padrão, ~80 ferramentas do dia a dia carregam imediatamente; o restante é recuperado sob demanda via `find_tools()` / `load_tool_group()` (divulgação progressiva). Cada definição de ferramenta custa tokens; carregar menos significa mais espaço para trabalho real e menor custo por sessão. Desative com `METIS_TOOL_SEARCH=0` para carregar todas as ferramentas.
A Metis evolui — você não precisa	Toda semana, a Metis revisa seus próprios registros de sessão, identifica onde teve desempenho abaixo do esperado e elabora melhorias de comportamento. Você aprova ou rejeita — nada muda sem seu aval. Novas capacidades são incorporadas da mesma forma. Você foca na sua pesquisa; a Metis se mantém afiada.
Cresce com você	Cada execução de agente adiciona ao seu perfil. Uma pergunta feita após seis meses de uso recebe uma resposta significativamente melhor do que a mesma pergunta no primeiro dia — não porque a IA mudou, mas porque a Metis conhece você melhor.

Fluxos de trabalho principais

Manhã

Wake up
  └─ Metis scanned overnight
       ├─ New papers on your configured research topics
       ├─ Surveillance alerts and field news
       ├─ Tasks due today, overdue items
       └─ Suggested daily focus based on your open projects
           └─ Open dashboard → read morning brief → start work

Literatura

New paper (PDF / DOI / Zotero / Mendeley import)
  └─ Librarian indexes it
       ├─ Added to knowledge graph
       ├─ Cross-pollinated with existing papers, past ideas, meeting notes
       └─ Available for cited semantic search immediately
           └─ Ask: "What do my papers say about X?"
                └─ Answered with inline citations from your own library

Reuniões

Meeting ends
  ├─ Paste transcript (Teams / Zoom / any audio file)
  └─ Meeting Memory agent processes it
       ├─ Structured notes with context
       ├─ Action items: who does what, by when
       ├─ Cross-references to your projects and open questions
       └─ Follow-up tasks auto-added to Work tab

Ideias e escrita

Idea surfaces
  └─ Ctrl+K → capture instantly (i: idea · n: note · t: task · q: question)
       └─ Metis cross-pollinates immediately
            └─ Related papers + past ideas surfaced automatically
                 └─ Writing Partner → draft · Librarian → sources · Methods Coach → check argument

Ensino e cursos

Course topic defined
  └─ Course Builder
       ├─ Generates lessons, slides, assessments, question banks
       ├─ Flags new papers relevant to your course automatically
       ├─ Gap analysis against current literature
       └─ Spaced repetition for your own knowledge maintenance

O Painel

O painel de 9 abas roda na sua própria máquina em http://127.0.0.1:8080 — sem serviço hospedado, sem conta de terceiros, e seus artigos, notas e banco de dados permanecem no seu disco. O pensamento acontece através do Claude, então você traz sua própria assinatura do Claude ou uma chave de API (veja Como a Metis é alimentada).

Metis dashboard — Today tab

A aba Hoje — briefing matinal, projeto ativo, progresso, radar de notícias e estatísticas rápidas. Tudo personalizado para seu domínio de pesquisa.

Aba	O que faz
Hoje	Briefing matinal, fila de tarefas prioritárias, trilho de notícias, captura rápida (`Ctrl+K`)
Notícias	Notícias de campo, alertas de vigilância e sinais RSS relevantes para o seu trabalho
Conhecimento	Busca semântica em PDF, fichas de literatura, grafo de conhecimento, análise de lacunas de cobertura
Reuniões	Assistente ao vivo, importação de transcrições, itens de ação, referências cruzadas
Aprendizado	Progresso de cursos, repetição espaçada, mapa de competências
Trabalho	Tarefas, cartões de projeto, acompanhamento de atividades, abertura com um clique no VS Code / RStudio / Claude — com uma visão Quadro (semana à frente · intenções · pipeline de projetos)
Reflexão	Três pilhas que são realmente diferentes — ideias, um diário e fios. Um fio é uma pergunta à qual você volta repetidamente; abra um e o grafo mostra esse fio e o que ele toca, a um salto de distância. Além de um arquivo, porque nada aqui é excluído.
Apresentação	Um índice dos decks de slides que você já apresentou, agrupados por coleção — e a linhagem das lições no topo: quais palestras você já deu mais de uma vez, onde, e o que você mudou a cada vez. Slides-mestre viram estilos nomeados; o construtor monta um briefing em vez de slides.
Metis	Histórico de execuções de agentes, propostas de autoaperfeiçoamento, saúde do sistema, cartão de identidade

Como o Metis Conhece Você

Quando você instala o Metis pela primeira vez, um assistente de configuração guia você pelo seu perfil:

domínio de pesquisa · interesses específicos · projetos ativos · estilo de trabalho · ferramentas que você usa · nível de sensibilidade dos dados

Isso cria seu cartão de identidade — um perfil vivo que todo agente lê antes de responder a você. Ele cresce com o tempo. Cada sessão adiciona contexto. Cada ideia que você captura diz ao Metis no que você está pensando.

Uma pergunta feita após seis meses de uso recebe uma resposta significativamente melhor do que a mesma pergunta no primeiro dia — não porque a IA mudou, mas porque o Metis conhece você melhor.

Proteção de Dados

Pesquisadores lidam com dados sensíveis. A maioria das ferramentas de IA não leva isso a sério.

Dados de pacientes, resultados embargados, descobertas não publicadas — nada disso deveria sair da sua máquina. O Metis foi projetado com isso em mente desde o início.

O que sai da sua máquina (e quando):

Serviço	O quê	Quando	Opcional?
Anthropic Claude API	Texto que você envia para análise	Sob demanda	Obrigatório para IA
PubMed / OpenAlex	Suas palavras-chave de busca de pesquisa	Varredura matinal diária	Sim
Zotero	Metadados da biblioteca (títulos, resumos, tags)	Sincronização diária	Sim
CrossRef	Consultas de DOI	Sob demanda	Sim
HuggingFace	Apenas o nome do modelo — baixa modelos de incorporação	Primeira execução	Sim

Todo o resto — seus documentos, gravações de voz, texto de PDFs, notas de reuniões, dados adjacentes a pacientes — permanece no disco.

Camadas de segurança:

Camada	O que faz
Hook pré-ferramenta	Verifica cada chamada de ferramenta em busca de tentativas de injeção e caminhos restritos; inspeciona o cabeçalho de um arquivo de dados localmente antes de lê-lo e pede sua confirmação antes que dados em nível individual sejam carregados na conversa
Detecção de PII	11 verificações, classificação em 4 níveis. Dados sensíveis são classificados e recusados na entrada do pipeline
Sonda de injeção	Detecta injeção de prompt em conteúdo externo (artigos, transcrições)
Constituição	14 regras legíveis por máquina aplicadas a toda execução profunda de agente
Linhas vermelhas	5 regras não anuláveis aplicadas no nível do código — sem possibilidade de substituição
Criptografia AES-256	Todos os backups criptografados em repouso

O padrão recomendado para dados sensíveis: envie código, não dados.

A proteção mais forte não é um scanner — é nunca colocar os dados brutos em um prompt. O Metis foi construído para isso. Peça a ele um script de análise (R ou Python); você o executa na sua própria máquina contra seus dados reais; e apenas os resultados derivados — nomes de variáveis, contagens de valores, tabelas-resumo, coeficientes de modelo, um dicionário de dados — voltam para o Metis. O Claude raciocina sobre a forma dos seus dados, nunca sobre os registros.

Your real dataset (patient rows)         ── stays on your machine, never sent ──┐
        │ you run Metis's R/Python script locally                               │
        ▼                                                                       │
Derived metadata (column names, unique values, Table 1, model summary) ── safe to share ──► Metis
        │                                                                       │
        ▼                                                                       │
Metis builds the dashboard / writes the methods / interprets the model ◄────────┘

É exatamente assim que os painéis e análises do nosso próprio trabalho foram construídos: os dados brutos de vigilância nunca saíram da máquina, mas o Metis conseguiu perfilá-los, nomear cada variável, listar valores únicos e gerar um painel completo.

Basta executar /safe-analysis (Claude Code ou Claude Desktop) e o Metis guia você do início ao fim — ele propõe o script local, diz exatamente quais metadados colar de volta e nunca pede linhas brutas. Duas salvaguardas ficam por baixo: o hook pré-ferramenta inspeciona o cabeçalho de um arquivo de dados localmente e pede confirmação antes que qualquer dado em nível individual seja lido na conversa, e o Guardião de Dados (varredura de PII + classificação em 4 níveis na entrada do pipeline) captura conteúdo sensível que escapa para um prompt mesmo assim. Com o padrão acima, normalmente nenhum dos dois precisa ser acionado.

Como o Metis Se Mantém Atualizado — Para Você Não Precisar

A IA está avançando rápido. Novos modelos, novas capacidades, novas ferramentas de pesquisa surgem todo mês. A maioria dos pesquisadores não tem tempo para acompanhar. O Metis foi projetado para lidar com isso por você.

Após cada execução de agente, o Metis registra uma reflexão — o que foi bem, o que ficou aquém, que contexto faltou. Toda semana ele agrega isso em temas. Toda semana ele redige melhorias de comportamento com uma justificativa clara. Você revisa as propostas na aba Metis — um clique para aprovar, rejeitar ou editar — e as mudanças aprovadas são gravadas no disco.

Isso significa que o Metis melhora em trabalhar especificamente com você, semana após semana. Também significa que, conforme novos desenvolvimentos de IA ficam disponíveis e são integrados ao Metis, você recebe as melhorias sem precisar fazer nada. Seu trabalho é sua pesquisa. O trabalho do Metis é permanecer afiado.

O ciclo de autoaperfeiçoamento em detalhes:

Após cada execução de agente — reflexão registrada: o que foi bem, o que poderia melhorar, o que faltou
Semanalmente — temas extraídos de todas as sessões; padrões identificados
Proposta redigida — uma mudança concreta proposta no comportamento do agente, com justificativa
Você revisa na aba Metis — aprovar, rejeitar ou editar antes que qualquer coisa seja aplicada
Aplicada com backup — a atualização é gravada com um ponto de reversão com carimbo de data/hora

Nenhuma mudança no comportamento do Metis acontece sem sua aprovação explícita. O sistema propõe; você decide.

Para Desenvolvedores

Esta seção pressupõe familiaridade com Python, Git e linha de comando.

Arquitetura

flowchart LR
    U([Researcher])
    subgraph Harness["AI Harness (Claude Code / Desktop)"]
        METIS[Metis\nrouter agent]
        AGENTS[Specialist agents\n34 agents]
        WATCHERS{{Watchers\nData Guardian · Cybersecurity}}
    end
    subgraph Platform
        MCP[MCP Server\n278 tools\nFastMCP]
        DASH[Dashboard\nFastAPI + HTMX]
        DB[(SQLite\nWAL mode)]
    end
    subgraph Memory
        EPIS[Episodic]
        SEM[Semantic\nvector search]
        REFLEX[Reflexion log]
    end
    Skills[/CLI Skills\n/metis · /metis-morning · …/]

    U -->|asks| METIS
    U -->|clicks| DASH
    METIS -->|routes to| AGENTS
    AGENTS -->|uses| MCP
    MCP --- DB
    DASH --- DB
    WATCHERS -.guards.-> AGENTS
    AGENTS -->|writes| REFLEX
    REFLEX -->|proposes edits to| AGENTS
    MCP --- Memory
    Skills --> METIS

    style WATCHERS fill:#fff4e6,stroke:#9a7b3c
    style REFLEX fill:#eef4f1,stroke:#2d4a3a,stroke-dasharray:3 3

Pilha Tecnológica

Camada	Tecnologia
Arcabouço de IA	Claude Code, Claude Desktop (principal); Gemini (experimental)
Servidor MCP	Python 3.10+, FastMCP, executa em venv local
Painel	FastAPI + HTMX + Jinja2 — sem framework JavaScript
Banco de dados	SQLite modo WAL, 65 tabelas
Memória vetorial	sqlite-vec + nomic-embed-text-v1.5-Q (768 dimensões, ONNX local)
Busca semântica em PDF	sqlite-vec — índice local de trechos de PDF, sem API externa
SO do host	Windows + WSL2 (Ubuntu 20/22/24) · macOS · Linux

Memória — 5 camadas

Camada	O que armazena
Episódica	Eventos e observações de sessão (descoberta · decisão · implementação · problema)
Semântica	Conteúdo indexado por vetores (sqlite-vec + nomic-embed-text-v1.5-Q, 768 dimensões)
Procedural	Arquivos de habilidades e contratos de agente — o comportamento persistente do agente
De trabalho	Contexto ativo da sessão e foco atual do projeto
Reflexiva	Registro de reflexões e propostas de melhoria

Camada de Conhecimento e Respostas Fundamentadas (RAG)

Quando você faz uma pergunta que exige muito conhecimento, o Metis recupera passagens relevantes da sua biblioteca de documentos indexada antes de o agente especialista responder. O agente fundamenta sua resposta no que consegue ler da sua biblioteca — não apenas no que foi treinado para lembrar.

You ask Methods Coach:
"Which variance estimator should I use for my Poisson MLM with overdispersion?"

Metis retrieves before routing:
  → Leyland (2020) Multilevel Modelling for Public Health, p.142 — score 0.87
  → Bates lme4 vignette, p.28 — score 0.71

Methods Coach answers grounded in those passages, citing both sources.

Componente	Detalhes
Modelo de incorporação	`nomic-embed-text-v1.5-Q` — 768 dimensões, ONNX, totalmente local
Armazenamento vetorial	Tabela virtual `sqlite-vec` dentro do banco de dados SQLite do Metis
Fragmentação	Trechos de 3.200 caracteres, sobreposição de 400 caracteres
Limiar de pontuação	Trechos abaixo de 0,4 de similaridade são descartados antes da injeção

Construa a camada de conhecimento do seu campo. Na primeira configuração, o questionário de histórico de pesquisa do assistente instrui o Criador de Contexto, que coleta, limpa e indexa a literatura da sua disciplina no armazenamento RAG local — para que todo agente responda a partir do seu corpus, com citações. Expanda a qualquer momento com /background build <topic>.

Camadas de conhecimento pré-carregadas (nesta edição):

Camada	Documentos	Cobre
Contexto de Saúde Pública	34	Diretrizes da OMS, relatórios globais de saúde, determinantes sociais, DCNTs, saúde materna e infantil
Epidemiologia e Métodos	10	STROBE, OMS Epidemiologia Básica, Leyland MLM, Bates lme4, PRISMA 2020, SaTScan, CIFOR

Camadas de Segurança (detalhe)

pre-tool-use.mjs — 13 padrões de injeção, lista de permissões de domínio, restrições de caminho (toda chamada de ferramenta)
guardrails.py — sonda de injeção em todo conteúdo externo (artigos, web, transcrições)
safety.py — 11 verificações de PII, classificação em 4 níveis, dados sensíveis recusados na entrada do pipeline
constitution.md — 14 regras legíveis por máquina para execuções profundas e encadeadas de agentes
red-lines.md — 5 regras não anuláveis aplicadas no nível do código

Eficiência de Tokens

Roteamento de modelos — Haiku para triagem/resumos, Sonnet para a maior parte do trabalho, Opus apenas para raciocínio profundo; a maior parte do uso diário nunca toca o Opus
Montagem cirúrgica de contexto — cada agente recebe apenas o contexto relevante para sua tarefa, não o histórico completo
Salvaguarda de máximo de turnos — para em 20 turnos, solicita /clear
Transferência de sessão — captura de estado abaixo de 3 KB no fim da sessão; sem pagar novamente por contexto já estabelecido
Widget de pulso de tokens — uso em tempo real visível no painel

Suporte Multi-IA

Arcabouço	Status
Claude Code	✅ Principal — MCP completo + habilidades + hooks
Claude Desktop	✅ Principal — MCP completo + memória; sem habilidades de CLI
Gemini 2.0+	🔬 Experimental
OpenAI / Cursor	🟡 Parcial — apenas ferramentas MCP

Opções de Instalação

Opção 1 — Comando único (Linux, macOS, WSL)

bash <(curl -fsSL https://raw.githubusercontent.com/SVerITG/Metis_PH/main/system/mcp-server/setup-mcp.sh)

Detecta Ubuntu 20/22/24, Debian, macOS Homebrew. Cria venv, instala todas as dependências, registra com Claude Code e Claude Desktop. Idempotente — seguro para reexecutar.

# Profile overrides (skip the interactive menu):
METIS_PROFILE=light    bash <(curl -fsSL ...)   # MCP server only (~5 min)
METIS_PROFILE=standard bash <(curl -fsSL ...)   # MCP + dashboard (~15 min)
METIS_PROFILE=full     bash <(curl -fsSL ...)   # Standard + scheduler (~25 min)

Opção 2 — Clonar e instalar (qualquer plataforma)

git clone https://github.com/SVerITG/Metis_PH.git
cd Metis_PH/system/mcp-server
bash setup-mcp.sh

Opção 3 — Manual

git clone https://github.com/SVerITG/Metis_PH.git
cd Metis_PH/system/mcp-server
python3 -m venv .venv && source .venv/bin/activate
pip install -e "."

export METIS_RC_ROOT="$(pwd)/../.."
export ANTHROPIC_API_KEY="sk-ant-..."

python -m metis_mcp.server          # MCP server
cd ../app-py && bash run.sh         # Dashboard → http://127.0.0.1:8080

Opção 4 — Docker (matriz de teste de plataformas)

# Full platform test — Ubuntu 24/22 + Debian in parallel
docker compose -f system/install/docker/docker-compose.test.yml up --build

# Production stack
docker compose -f system/install/docker/docker-compose.yml up -d

Registrar com Claude Code

~/.claude/settings.json:

{
  "mcpServers": {
    "metis-rc": {
      "command": "/home/<username>/.local/share/metis-mcp/run.sh"
    }
  }
}

Registrar com Claude Desktop (Windows + WSL)

%APPDATA%\Claude\claude_desktop_config.json:

{
  "mcpServers": {
    "metis-rc": {
      "command": "wsl.exe",
      "args": ["-e", "bash", "/home/<username>/.local/share/metis-mcp/run.sh"]
    }
  }
}

Configuração

Arquivo	Controla
`system/config/user-config.yaml`	Domínio, interesses, estilo — gerado pelo assistente de configuração
`system/config/constitution.md`	14 regras aplicadas a toda execução profunda/encadeada
`system/config/red-lines.md`	5 regras não anuláveis
`system/config/token-guardrails.md`	Roteamento de modelos, limiares de transferência
`agents/<name>/skill.md`	Contrato comportamental por agente — diretamente editável
`.claude/hooks/pre-tool-use.mjs`	Portão de segurança em todas as chamadas de ferramenta

Dependências

Pacote	Finalidade
`mcp`, `fastmcp`	Protocolo MCP
`fastapi`, `uvicorn`, `starlette`	Painel
`sqlite-vec`	Busca vetorial local
`onnxruntime`, `tokenizers`	Incorporações locais (sem API)
`feedparser`	Análise de feeds RSS
`pyyaml`	Configuração do usuário
`httpx`	HTTP assíncrono
`pandas`, `openpyxl`, `pyreadstat`	Ferramentas de analista de dados
`cryptography`	Criptografia de backup AES-256-GCM
`pyzotero`	Sincronização Zotero
`bibtexparser`	Importação BibTeX do Mendeley
`anthropic`	API Claude

Edições e Roteiro

O Metis é distribuído em edições distintas — um núcleo base agnóstico de domínio e pacotes de domínio que adicionam conteúdo específico de campo por cima.

Repositório	Status	O que é
Metis	✅ Ativo (v1.0)	Estrutura base agnóstica de domínio. Arquitetura completa, sem conteúdo de domínio. Clone este repositório para criar sua própria edição.
Metis_PH	✅ Ativo (v1.0, este repositório)	Saúde Pública e Epidemiologia — servidor MCP, 34 agentes, painel, camada de conhecimento
Metis_BM	🧬 Planejado	Ciências Biomédicas
Metis_CL	🏥 Planejado	Ciências Clínicas
Metis [Comunidade]	🌍 Aberto	Pacotes de domínio para outras áreas de pesquisa — contribuições bem-vindas
Metis Institute Edition	🏛 Futuro	Multiusuário, base de conhecimento compartilhada, implantação institucional

O que há em cada edição de domínio: periódicos pré-configurados + feeds RSS · agentes especialistas · ontologia de domínio · biblioteca de conhecimento básico curada

Quer criar um pacote de domínio? Faça um fork de Metis, adicione a biblioteca de conhecimento, os agentes e os feeds RSS da sua área e abra um PR.

Pacotes de Curso

Pacotes de curso independentes que você pode adicionar a qualquer instalação do Metis:

Pacote	O que cobre
Estratégias de Amostragem	Amostragem probabilística e não probabilística, tamanho da amostra, delineamentos complexos de pesquisa, estimação ponderada
Epidemiologia Espacial	Autocorrelação espacial, densidade de kernel, SaTScan, LISA, mapeamento de doenças em R e GeoDa
Vigilância Genômica ✅ enviado	Sequenciamento de patógenos em saúde pública, filogenética, pipelines de WGS, Nextstrain — 22 lições, construídas de trás para frente a partir de um artigo de referência para que as lições decodifiquem algo real

Abra uma issue com a etiqueta course-package para testar ou contribuir.

Status de Desenvolvimento

Área	Status
Servidor MCP (278 ferramentas)	✅ Operacional, usado diariamente — ~80 carregados por sessão, o restante sob demanda
34 agentes especialistas	✅ Operacional — cada um é um subagente despachável com seu próprio modelo vinculado
Painel de 9 abas	✅ Operacional, alguns recursos em desenvolvimento ativo
Instalador .exe para Windows	🔧 Em refinamento
Imagens Docker	✅ Matriz de testes funcionando
Camada de conhecimento de domínio (Metis_PH)	🔧 Em expansão ativa
Tarefas diárias automatizadas (APScheduler)	✅ Operacional — 22 tarefas agendadas
Suíte de testes	✅ Implementada — 54 arquivos; um piso determinístico de harnesses de promessa, cliques, orquestração e segurança
Bot de captura para Telegram	📋 Planejado
Metis OS (integração de calendário e e-mail)	🌐 Visão futura

Contribuindo

O Metis foi projetado para crescer além de um único domínio e um único pesquisador. Contribuições são bem-vindas — especialmente de pesquisadores que o utilizam e sabem o que está faltando.

Consulte CONTRIBUTING.md para diretrizes detalhadas.

Mais Desejados

Pacotes de domínio — a contribuição de maior impacto. Um pacote de domínio adiciona: periódicos-chave + feeds RSS · agentes especialistas · uma ontologia de domínio · uma biblioteca básica curada

Domínio	Status
Saúde Pública e Epidemiologia	✅ Incluído
Ciências Sociais	🔬 Planejado
Pesquisa Biomédica / Clínica	🔬 Planejado
Ciências Ambientais	🔬 Planejado
Economia e Desenvolvimento	🔬 Planejado
Psicologia e Ciências do Comportamento	🔬 Planejado
Pesquisa em Educação	🔬 Planejado
Enfermagem e Saúde Aliada	🔬 Planejado

Outras contribuições de alto impacto:

Traduções — o assistente e os arquivos de habilidades são apenas em inglês; traduções para francês, holandês, espanhol e alemão abririam o Metis para muito mais pesquisadores
Testes do instalador — Windows .exe e PowerShell em máquinas gerenciadas, ambientes corporativos e hardware variado; relatos do que funciona e do que quebra são valiosos
Novos agentes e habilidades — agentes especialistas para casos de uso ainda não cobertos
Verificação de segurança — revisão independente das garantias de que os dados permanecem locais (o que é mantido na máquina vs. enviado à API Claude), detecção de PII, comportamento de hooks e aplicação da constituição; se você encontrar uma lacuna, abra uma issue privada
Suporte multi-IA — melhor suporte para Gemini e modelos locais (Ollama), especialmente para ambientes de pesquisa offline
Relatórios de bugs e feedback de UX — se algo não funcionar no seu fluxo de trabalho, diga

Changelog

O Metis está em desenvolvimento ativo — veja as novidades abaixo. (Recente: um mês dedicado à lacuna entre renderizado e funcionando — 172 controles que desenhavam corretamente e não faziam nada, uma busca que nunca funcionou, um painel que gastava dinheiro toda vez que era aberto e um harness de testes que relatava o oposto da verdade.)

Setembro de 2026

Um mês dedicado quase inteiramente à lacuna entre renderizado e funcionando. Cada item abaixo parecia correto na tela.

O que mudou
172 controles desenharam perfeitamente e não fizeram nada — `{{ x \| tojson }}` colocado dentro de um atributo HTML entre aspas duplas é marcação quebrada: o filtro escapa `<`, `>`, `&` e `'` — deliberadamente não `"`, porque foi construído para atributos entre aspas simples — então o primeiro argumento fechou o atributo e tudo depois dele virou lixo. O botão renderizou, parecia certo e não conseguia disparar. Isso só afeta valores string (um id inteiro renderiza puro e é inofensivo), por isso a mesma linha funcionava em um painel e falhava em outro, dependendo do tipo de coluna. Mudar a categoria de um projeto era impossível; marcar como concluído e excluir estavam mortos em todas as linhas de tarefa. A entrada de julho abaixo relatou isso como corrigido — voltou com uma aparência diferente. Agora é detectado na página renderizada, que é o único lugar onde é visível: `grep -cE 'onclick="[a-zA-Z]+\([^")]*"'`.
A busca semântica nunca tinha funcionado a partir do painel — as consultas eram incorporadas com o prefixo documento e nunca normalizadas, então a classificação era ruído vestido de relevância. Registros de literatura duplicados foram colapsados na mesma passada (3.084 linhas reduzidas para 1.099 — 64% eram duplicatas), e 2.282 artigos que nunca haviam sido triados acabaram inacessíveis em qualquer tela.
Toda escrita no sistema falhava por cinco minutos após cada reinício — a varredura de notícias na inicialização mantinha uma única transação de escrita aberta durante cada busca de feed, então nenhuma escrita em qualquer lugar do Metis podia ser concluída até que terminasse. Diagnosticado a partir de registros de bloqueio do kernel, em vez do sintoma, que havia sido mal interpretado por semanas.
Duas das três visualizações de Trabalho nunca podiam ser exibidas — a classe que as ocultava era `!important`, então os botões que alternavam a visualização não faziam nada. Apenas a visualização padrão já foi acessível.
Quatro contagens rivais de um backlog, reduzidas a um autor — o mesmo número era calculado em quatro lugares e eles discordavam; 34 tarefas canceladas estavam sendo desenhadas como trabalho ativo. Uma quantidade calculada em vários lugares se desvia, então a correção afirma um autor, não uma resposta.
Um painel que gastava dinheiro toda vez que você o abria — uma superfície fazia nove chamadas pagas de API e levava 18,5 segundos em cada visualização, porque um resumo temático era calculado no caminho de renderização. Media como instantâneo em todos os testes, porque um processo de teste não tem chave de API e silenciosamente caía para contagem de palavras. Agora está em cache, com a passagem do modelo movida para trás de um controle que nomeia seu custo. Uma página que desenha um painel não deve gastar dinheiro ou bloquear em uma ida e volta de rede.
O harness de teste relatou o oposto da verdade — anunciou "0 de 34 agentes já rodaram — o roteamento está quebrado" enquanto seu próprio relatório, quatro seções antes, contava 733 execuções. Estava lendo um caminho de banco de dados aposentado três meses antes, e seu carregador degradava para um resultado vazio em vez de falhar. 34 de 35 agentes de fato rodaram. Uma verificação que grita lobo é pior do que nenhuma verificação, então um harness agora falha quando suas próprias entradas estão ausentes.
A recuperação não supervisionada nunca rodou na bateria — a tarefa que reinicia o painel foi instalada por um caminho de fallback que padroniza para não iniciar na bateria, sem uma opção de linha de comando para mudar isso. Em um laptop, isso significava nenhuma supervisão na maior parte de sua vida, enquanto todos os campos de status liam saudáveis. O indício era a lacuna entre a última execução e o intervalo de repetição, não qualquer erro.
Planeje uma sequência de dias em uma linha — um projeto ou uma única tarefa pode ser planejado em um dia, e um compromisso de vários dias (um treino de cinco dias, uma semana de campo) é uma entrada que diz em que dia da sequência você está hoje. Um plano é uma intenção, então nunca escreve um prazo no próprio trabalho — e replanejar estende a sequência em vez de ignorá-lo silenciosamente.
A lista de Trabalho responde ao que você realmente tocou — a visualização padrão é ordenada pelo trabalho mais recente, nunca abertos por último, em vez de uma ordem manual que ninguém nunca definiu. O arranjo manual foi movido para as visualizações por categoria, onde é visível; categorias de projeto se tornaram coisas que você pode criar, renomear, mesclar e reordenar; e a linha de lançamento de um projeto agora reflete o que esse projeto pode realmente abrir.
Uma prateleira é uma razão para guardar, não um rótulo de tópico — categorias de biblioteca ganharam um tipo (propósito, rastreamento, anexo) que muda o que a prateleira faz, em vez de ser decoração.
O padrão de zona, e as superfícies reconstruídas sobre ele — uma caixa agora diz o que contém com uma barra colorida e, onde há mais de uma visualização do mesmo material, uma faixa de abas em vez de uma pilha. Três superfícies foram reconstruídas sobre ele. Uma prateleira de assunto que empilhava onze painéis em uma página se tornou cinco abas e finalmente ganhou o painel que sempre prometera: o que está mais próximo do seu próprio trabalho, classificado contra seus projetos e cursos em vez de contra o assunto — topo N, nunca um piso, com o denominador impresso acima da lista.
A superfície de reflexão era plana por uma razão que nenhum layout podia corrigir — o trilho de tópicos e o painel central ambos selecionavam da mesma tabela, então "tópico" e "ideia" eram duas renderizações de uma coisa e não podiam significar nada diferente, independentemente de como fossem rotulados. Um tópico agora é um tipo distinto, com as fontes que toca, e um gráfico com escopo nele. Desenhar o gráfico inteiro é o que tornava o antigo ilegível: um gráfico de tudo é uma imagem de nada.
Oitocentas apresentações que o painel não sabia que existiam — as pastas podem dizer onde um arquivo está; não podem dizer o que você já apresentou sobre isso, para quem, e como você disse de forma diferente da última vez. Um índice somente leitura responde a isso, unindo a mesma lição nas coleções em que foi entregue. Autor, público e registro de linguagem são escritos à mão porque nenhum arquivo os carrega — e o scanner nomeia as colunas que possui, então a reindexação não pode apagá-las.
Um índice que se apagava em uma caminhada curta — reindexar remove o que não está mais no disco, o que é certo até a caminhada estar incompleta. Uma varredura interrompida, uma unidade desmontada e um chamador passando um subconjunto parecem idênticos a "tudo foi excluído", e a poda é instantânea e total. Uma caminhada curta agora é recusada e relatada; um controle confirma que uma pequena exclusão genuína ainda se aplica.
Uma aba oculta nunca carregava seu próprio conteúdo — um painel adiado até a primeira exibição usava um gatilho que dispara quando um elemento rola para a vista, e um elemento oculto com o atributo `hidden` não tem caixa para rolar para dentro. Desocultá-lo não é uma revelação, então o painel teria ficado vazio para sempre e lido como um erro de servidor.
O harness de teste estava procurando o banco de dados dentro do repositório — um caminho aposentado no meio do ano porque uma pasta sincronizada consome os sidecars de write-ahead. Ele relatava um banco de dados saudável como ausente em cada execução desde então. Duas outras verificações afirmavam uma arquitetura que o painel não usa mais e falhavam em cada aba para ela. Falhas críticas foram de treze para zero; as verificações agora afirmam comportamento em vez de forma.
Higiene de lançamento, duas vezes — o construtor do shell base publicou a edição não reduzida depois que sua própria limpeza de identidade falhou, porque um idioma de shell escondeu um erro fatal; e um branch enviado diretamente contornou a limpeza inteiramente. Ambos estão fechados. A identidade também foi removida da árvore de trabalho e do que dois repositórios públicos já haviam publicado.

Agosto de 2026

O que mudou
A verificação de fatos virou um mecanismo, não uma convenção — uma afirmação agora é verificada, não confiada. Duas camadas: uma determinística (o documento citado está indexado, a página existe, os números e trechos citados realmente aparecem nela, o DOI resolve, o artigo foi retratado) e uma de julgamento (a literatura concorda, há ressalvas e advertências que o resumo omitiu, surgiram evidências mais recentes desde então). A conversa é anotada; os artefatos passam por uma barreira rígida — `tools/verify_citations.py` sai com código de erro diferente de zero em um documento que cita uma página que não sustenta a afirmação. Nada disso é um palpite do modelo: o verificador é deliberadamente menos falível do que aquilo que verifica.
Todo relatório agora carrega seu denominador — a linha de cobertura ("18 de 187 itens com formato de citação eram verificáveis como escritos") é impressa independentemente de favorecer ou não o resultado. Um relatório de verificação que omite o que não cobriu parece um atestado de saúde, o que é pior do que nenhum relatório.
Verificação de fatos além das citações — pergunte sobre um número específico e o Metis pondera a dispersão dos valores relatados na sua biblioteca, expõe as ressalvas associadas a cada um, observa o que o resumo omitiu e verifica se trabalhos mais recentes alteraram o número.
Áreas de foco — superfícies que você mesmo adiciona — um foco é um assunto sobre o qual você quer se manter atualizado ("IA em saúde e epidemiologia"), e ele compõe uma página a partir das partes que o Metis já possui: notícias, leituras, suas notas e ideias, e uma visão geral contínua. Ele possui uma consulta, nunca conteúdo — então arquivá-lo deixa cada nota, ideia e artigo exatamente onde estava. Sua lente é uma conjunção de grupos de palavras-chave (OU dentro, E entre), que é o que impede "A IA pode ser consciente?" de cair em uma superfície de saúde. A prateleira comporta três, e recusa uma quarta em vez de remover silenciosamente uma: qual assunto perde sua atenção é sua decisão, não do software.
Os especialistas ganharam memória — encaminhar para um especialista só vale a pena se ele se lembrar de algo. Decisões permanentes (como você quer um painel construído, como algo deve ser escrito, o que importa na sua biblioteca) agora são registradas uma vez e incorporadas ao contexto daquele especialista em toda solicitação. 65 foram extraídas de resumos de sessões passadas e atribuídas de forma conservadora — qualquer coisa que não pudesse ser colocada com confiança vira projeto amplo, porque uma atribuição errada esconde uma regra do agente que precisava dela e polui um que não precisava.
Todos os 33 especialistas são acionáveis — cada um está registrado como um subagente real com seu próprio modelo vinculado, então o trabalho roda em um contexto isolado e a escolha do modelo realmente tem efeito, em vez de ser um conselho em um arquivo de configuração.
Dez falhas silenciosas ao trabalhar em dois computadores — o código sincroniza via OneDrive; o ambiente virtual, o banco de dados e o cache do modelo não. Essa lacuna produziu dez falhas com uma causa: um cache de embeddings fixado em um caminho para o qual o modelo nunca foi copiado (corrigido tratando o local do cache como um caminho de busca, não uma constante), uma verificação de instalação desatualizada que comparava timestamps em vez de conteúdos, dois donos da mesma definição de tabela, um `);` dentro de um comentário SQL que truncou silenciosamente uma tabela e removeu suas colunas, e um script de reinicialização que esperava pela saúde em vez do processo realmente reiniciar — o que sozinho causou três diagnósticos falsos.
Um briefing que não se repete — o resumo diário rotaciona em vez de repetir o de ontem; o News foi reconstruído em torno do que aconteceu (artigos pertencem à biblioteca, nunca ao feed de notícias), e os interesses de pesquisa foram divididos em eixos separados para que um feed possa ser específico sem ser estreito.
A persona cresce a partir do que sabe — a presença agora vem do contexto lembrado, não de um enquadramento anunciado, além de um registro de lições aprendidas e `/metis-review` para verificar se o Metis ainda está apontado para as coisas certas.
Planos de fundo viraram pacotes portáteis — veja, alterne, reconstrua e finalmente remova uma camada de conhecimento; aponte uma camada para uma biblioteca externa (206 artigos estavam não pesquisáveis); importe PDFs institucionais via Zotero; e uma nova camada de fundamentos derivada de livros didáticos, onde o currículo decide o pacote, não o contrário. Os pacotes carregam todas as pastas que sua camada cobre, e pacotes de domínio, métodos e tópicos são enviados separadamente.
Office e uma API JSON simples — um painel de tarefas PowerPoint/Excel sobre uma ponte HTTPS, apresentações que fluem de volta ao Metis por conta própria e honram seu próprio modelo, e uma API JSON sobre o cérebro para clientes que não são Claude.
Memória que você pode ler e fechar — a memória processual era um número em um cartão; agora é legível. Decisões podem ser fechadas em vez de reafirmadas para sempre. A busca de notas alcança os dois armazenamentos de notas. Um documento que chega agora se indexa sozinho. O Metis oferece um procedimento registrado e lembra sua resposta.
Um calendário em que você pode planejar — visualizações de dia, semana e mês, com as lições restantes de um curso que podem ser encaixadas no plano.
IA em Saúde Pública — um curso completo — 16 lições, 97 perguntas, 106 cartões, construído em torno de seis formas de reconhecimento de padrões e uma pergunta central: o que acontece quando está errado, e quem descobre? Enviado com dois novos portões, porque ambas as propriedades estavam silenciosamente quebradas: `check_course_launch.py` (todo botão de lançamento abre o curso real — um costumava abrir um repositório GitHub, outro um caminho que dava 404) e `audit_quiz.py` (viés de posição e pistas de comprimento — um primeiro rascunho colocou 100% das respostas corretas no slot 1).
Reparos na primeira página e nas superfícies — 79 tarefas abertas estavam invisíveis atrás de uma coluna ausente; quatro painéis do Today estavam em branco; três rotas do Teach retornavam uma div vazia enquanto 11 cursos estavam no banco de dados; reuniões não tinham chave primária, então seus itens de ação nunca podiam aparecer; todo resumo de notícias tinha uma chave primária NULL e metade renderizava HTML bruto como texto.
Offline, atualizável e honesto sobre código morto — ativos de CDN armazenados localmente para que o painel carregue sem internet; atualize o Metis por um botão com caminho de volta; e um detector permanente para código que parece conectado, mas nunca roda.

Julho de 2026

O que mudou
O painel nunca estava travando — estava em deadlock sem caminho de volta. Um vazamento de herança de descritores de arquivo significava que um processo filho segurava o arquivo de bloqueio que seu pai havia aberto, então a recuperação era impossível, não apenas lenta, e três falhas silenciosas separadas significavam que nada nunca o reiniciava. Isso substitui completamente a história anterior de "ele continua travando".
A polinização cruzada se tornou ambiente — o README prometia há meses que trabalhos relacionados aparecem por conta própria. Agora aparece: no cockpit do Today, em toda a biblioteca, e sem ser solicitado.
Notícias são o que aconteceu; literatura é o que foi publicado — os dois tinham sido mesclados, então artigos continuavam aparecendo no feed de notícias. Era um problema de modelo de dados (feeds não carregavam tipo), não de exibição, e é por isso que a classificação por relevância estava amplificando o problema.
A repetição espaçada realmente funciona — a última promessa não cumprida do README.
Itens de ação a partir de transcrições naturais — extração de como as pessoas realmente falam, não de um modelo estruturado.
Planner mesclado ao Work como uma visualização de Board — 10 abas para 9.
Zotero ganhou um caminho de escrita — envie artigos locais para cima, não apenas baixe.
O aplicativo finalmente usa o sistema de design que já tinha.
Marcar como concluído e excluir nunca funcionaram — os IDs de tarefa não estavam entre aspas no JavaScript gerado.

Final de junho de 2026

O que mudou
Roteamento de agente aprendível — qual especialista responde a uma solicitação agora vem de um banco de dados de roteamento, não de uma lista codificada: alcança 21 dos agentes especialistas (antes eram 10), corresponde em limites de palavras (para que uma palavra solta não arraste uma solicitação para o especialista errado), e aprende — quando algo não tem dono óbvio, o Metis pode perguntar "devo sempre enviar isso ao Epidemiologista, ou apenas desta vez?" e lembrar sua resposta.
Camada de personalização (cresce com você) — o Metis agora mantém um registro de suas preferências e decisões permanentes — estilo de código, formato de citação, padrões de metodologia, os artigos e conjuntos de dados aos quais você sempre volta — e aplica em toda solicitação em vez de perguntar novamente. Diga uma vez ("sempre use o estilo tidyverse"), e ele incorpora isso ao contexto toda vez.
Loop de solicitação vivo — toda solicitação `/metis` agora é roteada pelas camadas — persona · sua memória · suas preferências · o agente + ferramentas certos — e a resposta é verificada contra elas antes de voltar, então o Metis fica um pouco mais seu a cada uso.
Passada de segurança — fechou uma falha de XSS refletido na busca; ampliou a detecção de PII (formatos de telefone internacionais, GPS com precisão de domicílio) e a detecção de injeção de prompt (mais frases de ataque); tudo apoiado por sondas repetíveis.
Superfície Today — redesenho editorial — a visão matinal foi reconstruída como um briefing, não um painel: um parágrafo matinal sempre aberto, seus tópicos ativos mais quentes, três itens de foco personalizáveis e notas do assistente.

Pós-v1.0 — Junho de 2026

O que mudou
Repositório de Código — uma camada de reprodutibilidade / reutilização de código: registre scripts, dicionários de dados (nomes de variáveis, tipos, valores únicos) e tratamentos de conjuntos de dados, então `scaffold_script` reconstrói um novo script a partir do seu trabalho anterior — mesmos nomes, caminhos, pacotes. Preenche-se silenciosamente enquanto os agentes que produzem código trabalham.
Projetos no registro + polinização cruzada — a listagem de projetos agora lê o registro de projetos (todos os projetos, não apenas pastas no disco); brainstorm e polinização cruzada agora usam seus projetos e notas registrados, não apenas biblioteca/notícias.
Brainstorm + melhorias no briefing — um dial de criatividade para brainstorm (Fundamentado/Equilibrado/Ousado) e um menu com escopo (este trabalho · um tópico · mapa mental · cluster) que faz handoff para o Claude Desktop preparado com seu trabalho; um alternador de briefing matinal Diário ↔ Semanal; um mapa mental de ideias na aba Reflexão; e um botão "Melhorar o Metis (OODA)" na aba Metis.
Fluxo de trabalho com dados sensíveis (`/safe-analysis`) — um fluxo de trabalho de primeira classe "envie código, não dados": o Metis escreve um script de análise local, você o executa na sua máquina, e apenas metadados derivados (esquema, contagens de valores, resumos, saída do modelo) voltam. Disponível no Claude Code e no Claude Desktop.
Reforço do Data Guardian — o scanner de PII do pipeline agora executa todos os 11 padrões (nomes, data de nascimento, passaporte, números de prontuário médico, números de identificação nacional, identificadores de caso/registro, + os cinco originais) através de um scanner compartilhado usado tanto pela ferramenta quanto pelo pipeline, para que não possam divergir; coberto por uma suíte de testes unitários.
Guarda de arquivo de dados pré-ferramenta — antes de um `Read`/`read_file`, o gancho de segurança espia o cabeçalho do arquivo localmente e pede confirmação antes que dados em nível individual sejam carregados na conversa.
Posicionamento honesto — removeu o enquadramento "local-first/IA local" (o raciocínio roda na API do Claude); o texto agora declara claramente que seus dados permanecem na sua máquina enquanto o raciocínio usa o Claude.
Correções de rastreamento de projetos e arquivos no Desktop — o roteador do Desktop agora registra projetos rastreados; corrigiu um bug de recursão que havia quebrado o rastreamento de arquivos.

Pós-v1.0 — Maio de 2026

O que mudou
Sistema unificado de inteligência de projetos — projetos ilimitados com categorias e caminhos de pastas em todos os caminhos do instalador; CLAUDE.md gravado em cada pasta de projeto; registro automático no Claude Desktop; scanner de atividades detecta commits git, arquivos modificados e conclusões de tarefas; hook de parada do Claude Code reporta o projeto ativo ao painel
Assistente de configuração inteligente com três caminhos — assistente de navegador (projetos ilimitados, categorias), assistente de terminal (Linux/macOS) e assistente Inno Setup (Windows .exe), todos com geração de persona via API Claude
Matriz de testes Docker — Ubuntu 24/22 + Debian + perfil leve executados em paralelo; gate obrigatório de pré-lançamento no Release Coordinator
Reestruturação da superfície Hoje — faixa de handoff de sessão, registro de 7 métricas, fila de prioridade em três níveis, layout de quadrante de pesquisa 2×2, resumo matinal adaptativo ao horário
Orquestração de subagentes reais do Metis — o Metis gera subagentes isolados reais por meio da ferramenta Agent, com rastreamento independente de tokens
Release Coordinator — guardião proativo do git com comandos `status` / `commit` / `push` / `audit` / `test-containers`
Correção do agendador — trabalho do índice da biblioteca corrigido (scan_literature_folder no módulo content_scan)
Superfície de conhecimento — busca unificada, análise de lacunas de cobertura, navegador de camadas de conhecimento

v1.0 — Maio de 2026

Primeira versão estável. Consulte system/config/release-notes-v1.0.md para obter detalhes completos.

O que foi lançado
Painel FastAPI + HTMX — 9 abas
34 agentes especialistas
Servidor MCP — mais de 170 ferramentas registradas
Instalador para Windows (Inno Setup)
Curso de Estatística para Epidemiologia — 12 lições com repetição espaçada
Suíte de avaliação de startups + verificação de frescor de notícias
Brief de handoff automático a 80% do contexto
Licença AGPL-3.0

Desenvolvimento anterior (Fases 0–9b)

Fase	O que foi lançado
0–5	Servidor MCP, 34 agentes, habilidades de CLI, assistente de configuração, SQLite (46 tabelas), memória em 5 camadas, grafo de conhecimento, sincronização Zotero/Mendeley
6–7	Painel FastAPI + HTMX — 9 abas, partials ao vivo
8	Resumo matinal, trilha de notícias, assistente de reuniões, captura de voz, busca em PDF com PaperQA2, polinização cruzada, guardrails de tokens
9	Reformulação do design CSS — layout editorial, grade responsiva, animação
9b	Loop de autoaperfeiçoamento — agregação de reflexões, elaboração de propostas, fluxo de aprovação
M	Memória de conversas — resumos de sessões na memória episódica, busca semântica em sessões anteriores

Licença

AGPL-3.0 para o código — use, modifique e faça fork livremente, mas qualquer versão que você execute como serviço ou distribua também deve ser de código aberto sob AGPL-3.0.

CC-BY-SA 4.0 para conteúdo de cursos e materiais de aprendizado.