feat: corrigido o KeyError 'totalTracks' no cliente MCP: extração

- corrigido o KeyError 'totalTracks' no cliente MCP: extração de structuredContent.data na resposta do servidor (SDK 2.0+)
- sincronizado cortes de vídeo e áudio usando razor_all_tracks em vez de split_clip por faixa, eliminando drift entre cortes
- atualizado hook para usar razor_all_tracks, isolando vídeo e áudio no mesmo instante
- adicionado simulador razor_all_tracks no dublê de teste

Resumo:
- 5 arquivos alterados
- 0 novos
- 5 modificados
- 0 removidos

 5 files changed, 264 insertions(+), 12 deletions(-)

Arquivos:
  - .jhonny/analises.db
  - code/engine/editor/aplicador_de_plano_de_edicao.py
  - code/engine/editor/escrita/escrita_no_editor.py
  - code/engine/integracoes/visual/apple_vision_runner.swift
  - code/engine/testes/duplos_de_premiere.py

code/engine/editor/aplicador_de_plano_de_edicao.py

@@ -22,6 +22,9 @@ from .modelos import AcaoDeEdicao, PlanoDeEdicao, TipoDeAcao
 _TOLERANCIA_DE_BORDA_EM_SEGUNDOS = 0.05
 _TOLERANCIA_DE_DURACAO_EM_SEGUNDOS = 0.3
 _RAIO_DE_BUSCA_DA_BORDA_EM_SEGUNDOS = 3.0
+# Tolerância adicional para encontrar clipes cuja origem foi deslocada pelo
+# drift do razor_all_tracks (drift observado no bridge real: até ~0.5s).
+_TOLERANCIA_DE_ORIGEM_EM_SEGUNDOS = 0.5
 
 
 @dataclass(frozen=True)
@@ -190,14 +193,38 @@ class AplicadorDePlanoDeEdicao:
         ``inPoint``/``outPoint``) só falharia depois de outra faixa já ter
         sido cortada — deixando vídeo e áudio dessincronizados mesmo com o
         corte "reportado" como falho.
+
+        Usa ``razor_all_tracks`` para cortar vídeo e áudio no mesmo instante,
+        evitando drift entre chamadas separadas de ``split_clip``.
         """
         try:
             faixas = self._timeline_atual().faixas
             for faixa in faixas:
                 self._clipes_do_arquivo(faixa, arquivo_de_origem)
 
+            faixas_afetadas = [
+                faixa for faixa in faixas
+                if any(
+                    self._sobrepoe(clipe, acao.inicio, acao.fim)
+                    for clipe in self._clipes_do_arquivo(faixa, arquivo_de_origem)
+                )
+            ]
+            if not faixas_afetadas:
+                raise ErroDeMapeamentoDeTempo(
+                    f"Nenhum clipe de {arquivo_de_origem!r} sobrepõe o intervalo {acao.inicio}-{acao.fim}s de origem."
+                )
+
+            pontos_de_corte = self._calcular_pontos_de_corte(faixas_afetadas, acao, arquivo_de_origem)
+            for ponto in pontos_de_corte:
+                self.escrita.dividir_todas_as_faixas(ponto)
+
+            faixas = self._timeline_atual().faixas
+            for faixa_id in {f.identificador for f in faixas_afetadas}:
+                faixa_atualizada = next(f for f in faixas if f.identificador == faixa_id)
+                self._validar_bordas_do_razor(faixa_atualizada, acao, arquivo_de_origem)
+
             alvos_por_faixa = {
-                faixa.identificador: self._preparar_alvos_da_faixa(faixa, acao, arquivo_de_origem)
+                faixa.identificador: self._encontrar_alvos_pos_corte(faixa, acao, arquivo_de_origem)
                 for faixa in faixas
             }
             trechos_removidos = self._remover_alvos_coordenados(faixas, alvos_por_faixa)
@@ -209,6 +236,95 @@ class AplicadorDePlanoDeEdicao:
         except ErroDeEdicao as erro:
             return ResultadoDaAcao(acao, False, str(erro))
 
+    def _calcular_pontos_de_corte(
+        self, faixas_afetadas: list[Faixa], acao: AcaoDeEdicao, arquivo_de_origem: str
+    ) -> list[float]:
+        """Calcula os pontos de timeline onde o razor deve ser aplicado.
+
+        Devolve uma lista ordenada de instantes de timeline (em segundos)
+        correspondentes às bordas de entrada e saída do corte, mapeados a
+        partir do intervalo de origem. Os pontos são deduplicados e
+        ordenados do fim para o começo para que o ``razor_all_tracks``
+        não desloque clipes entre um corte e o próximo.
+        """
+        pontos: set[float] = set()
+        for faixa in faixas_afetadas:
+            clipes = self._clipes_do_arquivo(faixa, arquivo_de_origem)
+            afetados = [clipe for clipe in clipes if self._sobrepoe(clipe, acao.inicio, acao.fim)]
+            for clipe in afetados:
+                if acao.inicio > clipe.intervalo_na_origem.inicio:
+                    pontos.add(self.mapeador.instante_na_timeline(clipe, acao.inicio))
+                if acao.fim < clipe.intervalo_na_origem.fim:
+                    pontos.add(self.mapeador.instante_na_timeline(clipe, acao.fim))
+        return sorted(pontos, reverse=True)
+
+    def _validar_bordas_do_razor(
+        self, faixa: Faixa, acao: AcaoDeEdicao, arquivo_de_origem: str
+    ) -> None:
+        """Verifica que o razor criou bordas perto dos pontos esperados.
+
+        Levanta :class:`ErroDeMapeamentoDeTempo` se nenhuma borda de clipe
+        estiver dentro de ``_RAIO_DE_BUSCA_DA_BORDA_EM_SEGUNDOS`` de um dos
+        pontos de corte esperados — nesse caso o drift é grande demais para
+        confiar no resultado.
+        """
+        clipes = self._clipes_do_arquivo(faixa, arquivo_de_origem)
+        afetados = [clipe for clipe in clipes if self._sobrepoe(clipe, acao.inicio, acao.fim)]
+        if not afetados:
+            return
+        bordas_esperadas: list[float] = []
+        primeiro, ultimo = afetados[0], afetados[-1]
+        if acao.inicio > primeiro.intervalo_na_origem.inicio:
+            bordas_esperadas.append(self._borda_de_entrada(primeiro, acao.inicio))
+        if acao.fim < ultimo.intervalo_na_origem.fim:
+            bordas_esperadas.append(self._borda_de_saida(ultimo, acao.fim))
+        todas_bordas = {
+            clipe.intervalo_na_timeline.inicio for clipe in clipes
+        } | {
+            clipe.intervalo_na_timeline.fim for clipe in clipes
+        }
+        for esperada in bordas_esperadas:
+            mais_proxima = min(todas_bordas, key=lambda b: abs(b - esperada), default=None)
+            if mais_proxima is None or abs(mais_proxima - esperada) > _RAIO_DE_BUSCA_DA_BORDA_EM_SEGUNDOS:
+                raise ErroDeMapeamentoDeTempo(
+                    f"Nenhuma borda de clipe foi encontrada perto de {esperada:.3f}s "
+                    f"(raio de busca: {_RAIO_DE_BUSCA_DA_BORDA_EM_SEGUNDOS}s); o corte não foi aplicado."
+                )
+
+    def _encontrar_alvos_pos_corte(
+        self, faixa: Faixa, acao: AcaoDeEdicao, arquivo_de_origem: str
+    ) -> list[Clipe]:
+        """Encontra os clipes de uma faixa que ficam entre as bordas do corte.
+
+        Chamado depois que ``razor_all_tracks`` já dividiu todas as faixas;
+        não repete nenhuma divisão. Usa o intervalo de origem para encontrar
+        clipes cuja origem está contida no intervalo do corte, já que o drift
+        do razor pode deslocar as bordas de timeline. Valida que a duração
+        total dos clipes encontrados é compatível com a sobreposição de
+        origem esperada.
+        """
+        clipes = self._clipes_do_arquivo(faixa, arquivo_de_origem)
+        afetados = [clipe for clipe in clipes if self._sobrepoe(clipe, acao.inicio, acao.fim)]
+        if not afetados:
+            return []
+
+        alvo = [
+            clipe for clipe in afetados
+            if clipe.intervalo_na_origem.inicio >= acao.inicio - _TOLERANCIA_DE_ORIGEM_EM_SEGUNDOS
+            and clipe.intervalo_na_origem.fim <= acao.fim + _TOLERANCIA_DE_ORIGEM_EM_SEGUNDOS
+        ]
+        duracao_removida = sum(clipe.intervalo_na_timeline.duracao for clipe in alvo)
+        duracao_esperada = sum(
+            self._sobreposicao_em_segundos(clipe, acao.inicio, acao.fim) for clipe in afetados
+        )
+        if abs(duracao_removida - duracao_esperada) > _TOLERANCIA_DE_DURACAO_EM_SEGUNDOS:
+            raise ErroDeMapeamentoDeTempo(
+                f"Na faixa {faixa.identificador!r}, o corte em {acao.inicio:.3f}-{acao.fim:.3f}s "
+                f"não isolou o trecho esperado (esperado {duracao_esperada:.3f}s, "
+                f"encontrado {duracao_removida:.3f}s); nada foi removido para evitar apagar o trecho errado."
+            )
+        return alvo
+
     def _aplicar_gancho(self, acao: AcaoDeEdicao, arquivo_de_origem: str) -> ResultadoDaAcao:
         """Recorta uma cópia de um par simples e a insere na abertura."""
         try:
@@ -264,20 +380,41 @@ class AplicadorDePlanoDeEdicao:
 
             # A ferramenta de gancho do bridge exige um par já isolado: ela lê
             # o in/out do próprio clipe, não recebe limites de origem à
-            # parte. Por isso, ao contrário do fluxo antigo (que passava o
-            # clipe inteiro que continha o trecho), aqui é preciso dividir
-            # cada faixa nas bordas do gancho antes de duplicar — o mesmo
-            # padrão de isolamento que ``_preparar_alvos_da_faixa`` usa para
-            # cortes.
+            # parte. Usa ``razor_all_tracks`` para dividir vídeo e áudio
+            # no mesmo instante, evitando drift entre chamadas separadas.
+            pontos_para_cortar: set[float] = set()
+            for faixa in faixas_afetadas:
+                clipes = self._clipes_do_arquivo(faixa, arquivo_de_origem)
+                afetados = [clipe for clipe in clipes if self._sobrepoe(clipe, acao.inicio, acao.fim)]
+                for clipe in afetados:
+                    if acao.inicio > clipe.intervalo_na_origem.inicio:
+                        pontos_para_cortar.add(self.mapeador.instante_na_timeline(clipe, acao.inicio))
+                    if acao.fim < clipe.intervalo_na_origem.fim:
+                        pontos_para_cortar.add(self.mapeador.instante_na_timeline(clipe, acao.fim))
+            for ponto in sorted(pontos_para_cortar, reverse=True):
+                self.escrita.dividir_todas_as_faixas(ponto)
+
+            faixas = self._timeline_atual().faixas
+            faixas_afetadas = [
+                faixa for faixa in faixas
+                if any(
+                    self._sobrepoe(clipe, acao.inicio, acao.fim)
+                    for clipe in self._clipes_do_arquivo(faixa, arquivo_de_origem)
+                )
+            ]
             alvos: list[Clipe] = []
             for faixa in faixas_afetadas:
-                inicio_real = self._dividir_e_conferir(acao.inicio, faixa, arquivo_de_origem)
-                fim_real = self._dividir_e_conferir(acao.fim, faixa, arquivo_de_origem)
-                clipes_apos_a_divisao = self._clipes_do_arquivo(self._faixa_atualizada(faixa), arquivo_de_origem)
+                clipes = self._clipes_do_arquivo(faixa, arquivo_de_origem)
+                afetados = [clipe for clipe in clipes if self._sobrepoe(clipe, acao.inicio, acao.fim)]
+                if not afetados:
+                    continue
+                primeiro, ultimo = afetados[0], afetados[-1]
+                inicio_na_timeline = self._borda_de_entrada(primeiro, acao.inicio)
+                fim_na_timeline = self._borda_de_saida(ultimo, acao.fim)
                 isolados = [
-                    clipe for clipe in clipes_apos_a_divisao
-                    if inicio_real - _TOLERANCIA_DE_BORDA_EM_SEGUNDOS <= clipe.intervalo_na_timeline.inicio
-                    and clipe.intervalo_na_timeline.fim <= fim_real + _TOLERANCIA_DE_BORDA_EM_SEGUNDOS
+                    clipe for clipe in clipes
+                    if inicio_na_timeline - _TOLERANCIA_DE_BORDA_EM_SEGUNDOS <= clipe.intervalo_na_timeline.inicio
+                    and clipe.intervalo_na_timeline.fim <= fim_na_timeline + _TOLERANCIA_DE_BORDA_EM_SEGUNDOS
                 ]
                 if len(isolados) != 1:
                     raise ErroDeMapeamentoDeTempo(

code/engine/editor/escrita/escrita_no_editor.py

@@ -79,6 +79,23 @@ class EscritaNoEditor:
                 f"em {instante_da_timeline:.3f}s: {erro}"
             ) from erro
 
+    def dividir_todas_as_faixas(self, instante_da_timeline: float) -> None:
+        """Corta todas as faixas de vídeo e áudio no mesmo instante.
+
+        Usa ``razor_all_tracks`` para garantir que vídeo e áudio sejam
+        divididos no mesmo ponto de tempo, evitando drift entre chamadas
+        separadas de ``split_clip``.
+        """
+        try:
+            self.cliente_mcp.chamar(
+                "razor_all_tracks",
+                {"time_seconds": instante_da_timeline, "track_type": "both"},
+            )
+        except ErroDeFerramentaMCP as erro:
+            raise ErroDeEscritaNoEditor(
+                f"Não foi possível cortar todas as faixas em {instante_da_timeline:.3f}s: {erro}"
+            ) from erro
+
     def remover_trecho(self, identificador_do_clipe: str) -> None:
         """Remove o clipe da timeline fechando o espaço que ele ocupava.
 

code/engine/integracoes/visual/apple_vision_runner.swift

@@ -560,7 +560,64 @@ func descreverEvidencia(_ evidencia: Evidencia) -> String {
     }
 }
 
+/// Classificação de ambiente extraída das evidências visuais.
+/// Usado pelo Foundation Models para categorizar o cenário do frame.
+struct ClassificacaoAmbiente: Encodable {
+    let ambiente: String
+    let confianca: Double
+    let evidencias_chave: [String]
+}
+
+/// Taxonomia de ambientes para classificação editorial.
+/// Cada ambiente tem descrição de características visuais que o Foundation Models deve procurar.
+enum TaxonomiaAmbientes {
+    static let instrucoes = """
+    Você identifica o ambiente de cenas de vídeo. Analise as evidências visuais fornecidas \
+    e classifique o ambiente segundo a taxonomia abaixo. Responda APENAS com JSON válido.
+
+    TAXONOMIA DE AMBIENTES:
+    - centro_cirurgico: pessoas com touca/avental/máscara/camisinha cirúrgica, cores branco/azul cirúrgico, \
+    mesa cirúrgica, luzes de sala de operação, monitores cardíacos, instrumentos cirúrgicos, campo estéril verde/azul.
+    - consultorio: mobiliário médico simples, mesa de exame, quadro na parede, equipamento clínico de escritório.
+    - hospital_ambiente: corredor hospitalar, leito, roupa de paciente, enfermeiros, soro, monitor.
+    - laboratorio: microscópio, tubos de ensaio, centroides, bancada com reagentes, jaleco branco.
+    - escritorio: mesa de trabalho, computador, cadeira ergonômica, estantes, iluminação artificial.
+    - sala_reuniao: mesa comprida, cadeiras ao redor, projetor/tela, quadro branco.
+    - externo_urbano: rua, edifícios, trânsito, calçada, céu aberto.
+    - externo_natural: árvores, gramado, água, montanha, praia, campo.
+    - studio: fundo neutro/escuro, iluminação profissional, equipamento de gravação.
+    - industria: maquinário, linha de produção, capacete, colete, ambiente fabril.
+    - domesticos: sala, cozinha, quarto, mobiliário residencial, iluminação caseira.
+    - academia: equipamentos de musculação, esteira, peso, pessoa se exercitando.
+    - outro: qualquer ambiente que não se encaixe nas categorias acima.
+
+    REGRAS:
+    1. Analise as evidências visuais (pessoas, roupas, objetos, texto OCR, categorias Vision).
+    2. Identifique os 2-3 indícios mais fortes para a classificação.
+    3. Atribua confiança de 0.0 a 1.0 baseada na força dos indícios.
+    4. Se houver texto OCR relevante (placas, placas de identificação), use como evidência forte.
+    5. Não invente informações não presentes nas evidências.
+    """
+
+    static let promptClassificar = """
+    Classifique o ambiente deste frame de vídeo com base nas evidências visuais fornecidas.
+    Responda APENAS com JSON no formato: {"ambiente": "categoria", "confianca": 0.0-1.0, "evidencias_chave": ["evidência 1", "evidência 2"]}
+    """
+}
+
 func interpretar(_ saida: Saida) async -> String? {
+    guard SystemLanguageModel.default.isAvailable else { return nil }
+    let fatos = saida.evidencias.map(descreverEvidencia).joined(separator: "; ")
+    guard !fatos.isEmpty else { return nil }
+    do {
+        let sessao = LanguageModelSession(instructions: TaxonomiaAmbientes.instrucoes)
+        let resposta = try await sessao.respond(to: "\(TaxonomiaAmbientes.promptClassificar)\n\nEvidências visuais: \(fatos)")
+        return resposta.content
+    } catch { return nil }
+}
+
+/// Interpretação editorial legível (frase curta) — mantida para compatibilidade.
+func interpretarFrase(_ saida: Saida) async -> String? {
     guard SystemLanguageModel.default.isAvailable else { return nil }
     let fatos = saida.evidencias.map(descreverEvidencia).joined(separator: "; ")
     guard !fatos.isEmpty else { return nil }

code/engine/testes/duplos_de_premiere.py

@@ -111,6 +111,7 @@ class ClienteMCPFalso(ClienteMCP):
             "add_track": self._simular_add_track,
             "set_playhead_position": self._simular_set_playhead_position,
             "add_adjustment_layer": self._simular_add_adjustment_layer,
+            "razor_all_tracks": self._simular_razor_all_tracks,
             "get_clip_at_position": self._simular_get_clip_at_position,
             "trim_clip": self._simular_trim_clip,
             "move_clip": self._simular_move_clip,
@@ -223,6 +224,46 @@ class ClienteMCPFalso(ClienteMCP):
             f"No clip strictly spans {instante}s on track {identificador_da_faixa}."
         )
 
+    def _simular_razor_all_tracks(self, argumentos: dict[str, Any]) -> dict[str, Any]:
+        """Divide todos os clipes de todas as faixas no instante informado.
+
+        Reproduz o ``razor_all_tracks`` do bridge real: corta todas as faixas
+        de vídeo e/ou áudio no mesmo ponto de tempo, garantindo
+        sincronização entre elas.
+        """
+        instante_pedido = float(argumentos["time_seconds"])
+        track_type = argumentos.get("track_type", "both")
+        cortados = 0
+        self._salvar_estado()
+        for identificador_da_faixa, faixa in self._faixas.items():
+            if track_type == "video" and not identificador_da_faixa.startswith("video_"):
+                continue
+            if track_type == "audio" and not identificador_da_faixa.startswith("audio_"):
+                continue
+            for posicao, clipe in enumerate(faixa):
+                if clipe.inicio_na_timeline < instante_pedido < clipe.fim_na_timeline:
+                    instante = min(
+                        max(instante_pedido + self.desvio_do_split, clipe.inicio_na_timeline + 0.001),
+                        clipe.fim_na_timeline - 0.001,
+                    )
+                    deslocamento = instante - clipe.inicio_na_timeline
+                    self._proximo_id += 1
+                    parte_esquerda = _ClipeFalso(
+                        f"{clipe.identificador}_esq{self._proximo_id}", clipe.nome,
+                        clipe.inicio_na_timeline, instante,
+                        clipe.inicio_na_origem, clipe.inicio_na_origem + deslocamento,
+                    )
+                    self._proximo_id += 1
+                    parte_direita = _ClipeFalso(
+                        f"{clipe.identificador}_dir{self._proximo_id}", clipe.nome,
+                        instante, clipe.fim_na_timeline,
+                        clipe.inicio_na_origem + deslocamento, clipe.fim_na_origem,
+                    )
+                    faixa[posicao:posicao + 1] = [parte_esquerda, parte_direita]
+                    cortados += 1
+                    break
+        return {"razored": cortados, "verified": True}
+
     def _simular_ripple_delete(self, argumentos: dict[str, Any]) -> dict[str, Any]:
         """Remove o clipe pedido e fecha o espaço deixado na mesma faixa."""
         identificador_do_clipe = argumentos["node_id"]