Pipeline de Produção de Vídeo Multiagente com Claude: Arquitetura de Contrato de Roteiro e Fanout de Pesquisa

Um desenvolvedor construiu um pipeline de IA multiagente que recebe um tópico (ex.: "Ada Lovelace") e uma persona (identidade do canal, tom, estilo visual) e produz um vídeo educacional completo para o YouTube, estruturado em capítulos (15–20 min). O pipeline usa o Claude como LLM principal para roteirização e orquestra agentes especializados em escrita de roteiro, geração de assets, renderização (CUDA no host Windows) e upload para o YouTube.

Escrita de Roteiro via Arquitetura de Contrato

Para manter um roteiro de 20 minutos escrito por IA coeso narrativamente entre capítulos escritos em chamadas LLM separadas, o sistema usa um contrato narrativo — um blueprint JSON validado gerado antes de qualquer texto do roteiro ser escrito. O contrato codifica quatro tipos de restrição:

• Threads — arcos narrativos que devem abrir em um capítulo e fechar em outro, com um tipo de payoff declarado (resolvido, tragédia, etc.)
• Entidades — pessoas/lugares nomeados com um capítulo de primeira introdução forçado, impedindo menções retrospectivas
• Fatos Necessários — citações encadeadas com dependências (o fato B não pode aparecer até que o fato A seja estabelecido)
• Âncoras Temporais — pontos de referência temporal que permitem estrutura não linear (flashback, in-medias-res) mantendo-se consistentes internamente

O contrato é gerado via um loop Opus → validação estrutural → revisão Sonnet (até 3 rodadas). O Sonnet verifica coerência semântica (sem entidades órfãs, threads realmente fecham); o validador estrutural executa um parse Pydantic + verificação de restrições temporais. Os escritores de capítulo downstream são vinculados ao contrato.

Pesquisa via Fanout

O pipeline de pesquisa ativa N instâncias paralelas de OutlineAgent, cada uma trabalhando a partir do mesmo pacote de pesquisa, mas em diferentes teses candidatas. Cada uma produz uma hierarquia de três níveis: tese → argumentos do capítulo → batidas de cena. Um loop de fundamentação/revisão é executado independentemente em cada ramo:

• Revisor de fundamentação (Sonnet) sinaliza problemas bloqueadores vs. problemas de polimento
• Agente de revisão aplica correções sem reestruturar
• Revisor de qualidade verifica falhas estruturais (listas de capítulos tópicos, meios colapsados, finais resumidos)

Até 3 rodadas de revisão por ramo, em paralelo. Então um único agente juiz pontua cada esboço refinado em quatro eixos:

Eixo	Peso	O que mede
Gancho Conceitual	0,40	Potencial de CTR; falseabilidade do título
Fechamento da Armadilha	0,30	Completude do payoff narrativo

Arquitetura do Pipeline

O pipeline é dividido em dois ambientes: o trabalho de roteiro e assets roda em um contêiner de desenvolvimento Linux (WSL), enquanto a renderização roda no host Windows para acessar CUDA e ferramentas de vídeo. Os agentes se comunicam via HTTP com um orquestrador leve. O sistema é baseado em fases — cada etapa (W2.1, W4.3, R3.1, etc.) é independentemente reexecutável. Cada fase lê e escreve arquivos de artefato tipados (manifestos JSON, arquivos de áudio, diretórios de imagem), de modo que os agentes são fracamente acoplados.

Ferramentas integradas: Live2D, Fish Audio, Sadtalker e outras para geração de assets e renderização.