# Resumo Diário GLPI - MVP

Workflow N8N inicial para gerar um resumo diário de chamados usando dados simulados.

## Subir o N8N com Docker

1. Copie `.env.example` para `.env`.
2. Edite `.env` e troque `N8N_BASIC_AUTH_PASSWORD` e `N8N_ENCRYPTION_KEY`.
3. Suba o container:

```powershell
docker compose up -d
```

4. Acesse:

```text
http://localhost:5678
```

5. Para parar:

```powershell
docker compose down
```

## Arquivo

- `Resumo Diario GLPI - MVP.n8n.json`
- `Resumo Diario GLPI - Real Slack.n8n.json`
- `Resumo Diario GLPI - SQL Slack.n8n.json`
- `Resumo Semanal GLPI - SQL Slack.n8n.json`
- `sql/indicadores_diario_glpi.sql`
- `sql/indicadores_semana_glpi.sql`

## Workflow Recomendado

Use este workflow para o relatório automatico correto:

- `Resumo Diario GLPI - SQL Slack.n8n.json`

Essa versão roda de segunda a sexta as 08:00 e escolhe o periodo automaticamente:

- terca-feira: envia o relatorio da segunda-feira
- quarta-feira: envia o relatorio da terca-feira
- quinta-feira: envia o relatorio da quarta-feira
- sexta-feira: envia o relatorio da quinta-feira
- segunda-feira: envia o relatorio da semana anterior inteira, de segunda a domingo

Essa versão usa a regra aprendida com a query semanal, aplicada ao periodo selecionado:

- chamados abertos no periodo: `glpi_tickets.date` entre `data_inicio` e `data_fim`
- chamados fechados no periodo: `glpi_tickets.closedate` entre `data_inicio` e `data_fim`
- chamados fechados no periodo podem ter sido abertos em qualquer data anterior
- filtro `is_deleted = false`
- filtro de categorias pelas árvores `7`, `16`, `17` e `18` usando `ancestors_cache`

### Como configurar o SQL automatico

1. Importe `Resumo Diario GLPI - SQL Slack.n8n.json`.
2. Configure a credencial MySQL no node `MySQL - Indicadores diario GLPI`.
3. Configure a credencial de IA/OpenAI no node `Z IA Chat Model`.
4. Abra `Config - Diario SQL` e preencha:

- `data_alvo`: deixe vazio para o modo automatico ou use `2026-07-03` para teste manual de um dia especifico
- `slack_webhook_url`
- `openai_model`, padrão `gpt-5.5`

5. Execute pelo `Manual Trigger` para testar.
6. Ative o workflow para usar o `Schedule Trigger - Dias uteis 08h`.

Se o agente de IA falhar, o workflow envia o resumo fallback sem IA com os números SQL.

### Agente de IA

O workflow usa os nodes nativos de IA do N8N:

- `AI Agent - Coordenador GLPI`: melhora o texto do relatorio antes do Slack
- `Z IA Chat Model`: chat model conectado ao agente pela entrada `Chat Model`

O agente recebe o resumo tecnico gerado pelo SQL e deve apenas melhorar a comunicacao. Ele foi instruido a nao inventar numeros.

## Workflow SQL Recomendado

Para bater exatamente com os indicadores do GLPI, use:

- `Resumo Semanal GLPI - SQL Slack.n8n.json`

Essa versão consulta diretamente o banco MySQL/MariaDB do GLPI e executa a mesma lógica da query de referência:

- abertos pela coluna `glpi_tickets.date`
- fechados pela coluna `glpi_tickets.closedate`
- filtro `is_deleted = false`
- filtro de categorias pelas árvores `7`, `16`, `17` e `18` usando `ancestors_cache`

Isso é diferente da API REST, que pode não trazer todos os chamados necessários para reproduzir o indicador semanal, principalmente porque chamados fechados na semana podem ter sido abertos em semanas anteriores.

### Como configurar

1. Importe `Resumo Semanal GLPI - SQL Slack.n8n.json`.
2. Configure a credencial MySQL no node `MySQL - Indicadores semana GLPI`.
3. Abra `Config - Slack e OpenAI` e preencha:

- `slack_webhook_url`
- `openai_api_key`
- `openai_model`, padrão `gpt-5.5`

4. Execute pelo `Manual Trigger`.

Se a OpenAI falhar, o workflow envia um resumo fallback sem IA com os números da query.

## Como usar

1. No N8N, vá em `Workflows`.
2. Clique em `Import from File`.
3. Selecione `Resumo Diario GLPI - MVP.n8n.json`.
4. Abra o node `OpenAI - Gerar resumo`.
5. Selecione sua credencial da OpenAI.
6. Execute o workflow pelo `Manual Trigger`.

## Fluxo

```text
Manual Trigger
↓
Set - Dados simulados
↓
Code - Calcular indicadores
↓
OpenAI - Gerar resumo
```

## Próxima etapa

Depois que o MVP estiver gerando o texto corretamente, substitua o node `Set - Dados simulados` pelos nodes HTTP Request do GLPI.

## Workflow Real com GLPI e Slack

Importe o arquivo:

- `Resumo Diario GLPI - Real Slack.n8n.json`

Depois da importação, abra o node `Config - GLPI e Slack` e preencha:

- `glpi_url`: URL base do GLPI, exemplo `https://glpi.suaempresa.com.br`
- `glpi_app_token`: App Token do GLPI
- `glpi_user_token`: User Token do usuário de integração
- `slack_webhook_url`: URL do Incoming Webhook do Slack
- `range_tickets`: quantidade buscada na API, exemplo `0-999`
- `page_size`: tamanho de cada pagina buscada no GLPI, padrao `1000`
- `page_count`: quantidade de paginas por ordenacao, padrao `2`
- `data_alvo`: data do relatório. Deixe vazio para usar o dia atual, ou informe uma data como `2026-07-03` ou `03/07/26`
- `openai_api_key`: chave da OpenAI usada pelo node `OpenAI - Gerar resumo`
- `openai_model`: modelo usado na OpenAI, padrão `gpt-5.5`

O node `OpenAI - Gerar resumo` usa `HTTP Request` direto para `https://api.openai.com/v1/chat/completions`.

O workflow busca tickets em paginas e combina duas ordenacoes:

- `id DESC`, para capturar chamados abertos recentemente
- `date_mod DESC`, para capturar chamados antigos que foram modificados, solucionados ou fechados recentemente

Depois ele remove duplicados por `id` e filtra no N8N pela `data_alvo`. O cálculo separa:

- chamados abertos na data, usando `date_creation`, `date` ou `data_abertura`
- chamados fechados na data, usando `solvedate`, `closedate` ou `data_fechamento`
- pendentes, usando o status atual do ticket filtrado

Na base atual, o GLPI informou `1216` tickets. Por isso o padrão recomendado é `page_size=1000` e `page_count=2`, cobrindo `0-1999` por ordenação sem estourar o total. Se aumentar `page_count`, o GLPI pode retornar `ERROR_RANGE_EXCEED_TOTAL` para páginas acima do total existente.

Execute pelo `Manual Trigger` primeiro. Depois que validar, troque por `Schedule Trigger`.

Para gerar o relatório da sexta-feira `03/07/2026`, use no campo `data_alvo`:

```text
2026-07-03
```

### Criar Webhook no Slack

1. Acesse `https://api.slack.com/apps`.
2. Crie ou abra um app do Slack.
3. Ative `Incoming Webhooks`.
4. Crie um webhook para o canal desejado.
5. Copie a URL para o campo `slack_webhook_url`.

### Fluxo Real

```text
Manual Trigger
↓
Config - GLPI e Slack
↓
HTTP - GLPI initSession
↓
HTTP - GLPI buscar tickets
↓
Code - Filtrar chamados de hoje
↓
Code - Calcular indicadores
↓
OpenAI - Gerar resumo
↓
HTTP - Slack enviar mensagem
↓
HTTP - GLPI killSession
```

### Observação

Os campos retornados pelo GLPI podem variar conforme versão e configuração. Se o node `Code - Filtrar chamados de hoje` retornar categoria ou cliente como ID em vez de nome, ajuste o mapeamento depois de ver o retorno real da API.

### Erro Slack `400 - no_text`

Se o node `HTTP - Slack enviar mensagem` retornar `400 - no_text`, o corpo da requisição foi enviado sem o campo `text`.

No node `HTTP - Slack enviar mensagem`, configure:

- `Method`: `POST`
- `Send Body`: ativo
- `Body Content Type`: `JSON`
- `Specify Body`: `Using JSON`
- `JSON Body`:

```json
{
  "text": "{{ $json.text }}"
}
```

### Erro OpenAI `too many requests`

Se o node `OpenAI - Gerar resumo` retornar `The service is receiving too many requests from you`, a OpenAI respondeu com limite de uso/rate limit.

Verifique:

- Se a chave `openai_api_key` está correta
- Se a conta OpenAI tem crédito/billing ativo
- Se houve muitas execuções seguidas em pouco tempo
- Se o modelo `gpt-4o-mini` está disponível para a chave usada

O workflow importável já está configurado com retry:

- 3 tentativas
- 30 segundos entre tentativas
- limite de resposta de 700 tokens

Se a OpenAI continuar falhando, o workflow continua a execução e envia ao Slack um resumo técnico gerado pelo node `Code - Preparar mensagem Slack`, sem IA.