🛡️ fix(multimodal): endurecer validacao da watermark SysaltiIA

Exige confirmacao positiva da marca d'agua SysaltiIA no retorno multimodal antes de permitir o registro de comprovantes e notas fiscais.

Bloqueia respostas sensiveis sem o marcador de validacao e preserva o bloqueio direto no satellite do Telegram.

Amplia a cobertura com testes para prompt, coercao da resposta e fluxo bloqueado no multimodal.

app/integrations/telegram_satellite_service.py

@@ -10,7 +10,10 @@ from fastapi import HTTPException
 from app.core.settings import settings
 from app.db.database import SessionLocal
 from app.db.mock_database import SessionMockLocal
-from app.services.ai.llm_service import LLMService
+from app.services.ai.llm_service import (
+    IMAGE_ANALYSIS_BLOCKING_PREFIXES,
+    LLMService,
+)
 from app.services.orchestration.orquestrador_service import OrquestradorService
 from app.services.user.user_service import UserService
 
@@ -256,6 +259,7 @@ class TelegramSatelliteService:
                 if not data.get("ok"):
                     logger.warning("Falha em sendMessage: %s", data)
 
+    # Processa uma mensagem do Telegram e injeta o texto extraido de imagens quando houver.
     async def _process_message(
         self,
         text: str,
@@ -298,14 +302,17 @@ class TelegramSatelliteService:
             mock_db.close()
 
 
+    # Filtra documentos do Telegram para aceitar apenas imagens.
     def _is_supported_image_document(self, document: Dict[str, Any]) -> bool:
         mime_type = str((document or {}).get("mime_type") or "").strip().lower()
         return mime_type.startswith("image/")
 
+    # Reconhece a resposta padrao quando a leitura da imagem falha.
     def _is_image_analysis_failure_message(self, text: str) -> bool:
         normalized = str(text or "").strip().lower()
-        return normalized.startswith("nao consegui identificar os dados da imagem")
+        return any(normalized.startswith(prefix) for prefix in IMAGE_ANALYSIS_BLOCKING_PREFIXES)
 
+    # Extrai a melhor foto e documentos de imagem anexados na mensagem.
     async def _extract_image_attachments(
         self,
         session: aiohttp.ClientSession,
@@ -343,6 +350,7 @@ class TelegramSatelliteService:
 
         return attachments
 
+    # Baixa um anexo de imagem do Telegram e devolve seu payload bruto.
     async def _download_image_attachment(
         self,
         session: aiohttp.ClientSession,
@@ -374,6 +382,7 @@ class TelegramSatelliteService:
             "data": payload,
         }
 
+    # Combina legenda e texto extraido da imagem em uma mensagem unica para o fluxo.
     async def _build_orchestration_message_from_image(
         self,
         *,

app/services/ai/llm_service.py

@@ -9,6 +9,13 @@ from vertexai.generative_models import FunctionDeclaration, GenerativeModel, Par
 from app.core.settings import settings
 from app.models.tool_model import ToolDefinition
 
+IMAGE_ANALYSIS_FAILURE_MESSAGE = "Nao consegui identificar os dados da imagem. Descreva o documento ou envie uma foto mais nitida."
+INVALID_RECEIPT_WATERMARK_MESSAGE = "O comprovante enviado nao e valido. Envie um comprovante valido com a marca d'agua SysaltiIA visivel."
+VALID_RECEIPT_WATERMARK_MARKER = "[watermark_sysaltiia_ok]"
+IMAGE_ANALYSIS_BLOCKING_PREFIXES = (
+    IMAGE_ANALYSIS_FAILURE_MESSAGE.lower(),
+    INVALID_RECEIPT_WATERMARK_MESSAGE.lower(),
+)
 
 # Essa classe encapsula a integracao com o Vertex AI:
 # inicializacao, cache de modelos e serializacao das tools.
@@ -30,6 +37,7 @@ class LLMService:
         fallback_models = ["gemini-2.5-pro", "gemini-2.5-flash", "gemini-2.0-flash-001"]
         self.model_names = [configured] + [m for m in fallback_models if m != configured]
 
+    # Transforma anexos de imagem em uma mensagem textual pronta para o orquestrador.
     async def extract_image_workflow_message(
         self,
         *,
@@ -51,7 +59,7 @@ class LLMService:
             contents.append(Part.from_data(data=bytes(raw_data), mime_type=mime_type))
 
         if len(contents) == 1:
-            return "Nao consegui identificar os dados da imagem. Descreva o documento ou envie uma foto mais nitida."
+            return IMAGE_ANALYSIS_FAILURE_MESSAGE
 
         response = None
         last_error = None
@@ -73,13 +81,18 @@ class LLMService:
             raise RuntimeError("Falha ao analisar imagem no Vertex AI.")
 
         payload = self._extract_response_payload(response)
-        return (payload.get("response") or "").strip() or (caption or "").strip()
+        extracted_text = (payload.get("response") or "").strip() or (caption or "").strip()
+        return self._coerce_image_workflow_response(extracted_text)
 
+    # Define o prompt de extracao usado para comprovantes e multas em imagem.
     def _build_image_workflow_prompt(self, *, caption: str | None) -> str:
         normalized_caption = (caption or "").strip() or "sem legenda"
         return (
             "Voce esta preparando uma mensagem textual curta para um orquestrador de atendimento automotivo e locacao. "
             "Analise a imagem enviada pelo usuario e a legenda opcional. "
+            "Se a imagem for comprovante de pagamento ou nota fiscal, so considere o documento valido quando houver no fundo a marca d'agua exatamente escrita como SysaltiIA, com essa mesma grafia. "
+            f"Se essa marca d'agua SysaltiIA nao estiver visivel com clareza, responda exatamente: {INVALID_RECEIPT_WATERMARK_MESSAGE} "
+            f"Se o comprovante de pagamento ou a nota fiscal estiver valido com a marca d'agua correta, prefixe a resposta exatamente com {VALID_RECEIPT_WATERMARK_MARKER} e um espaco antes do texto final. "
             "Se for comprovante de pagamento de aluguel, responda com uma frase objetiva em portugues no formato: "
             "Registrar pagamento de aluguel: contrato <...>; placa <...>; valor <...>; data_pagamento <...>; favorecido <...>; identificador_comprovante <...>; observacoes <...>. "
             "Se a data de pagamento incluir hora e minuto visiveis na imagem, preserve a data e a hora no campo data_pagamento no formato DD/MM/AAAA HH:MM. "
@@ -88,11 +101,41 @@ class LLMService:
             "Se for multa de transito relacionada a carro alugado, responda com uma frase objetiva em portugues no formato: "
             "Registrar multa de aluguel: placa <...>; contrato <...>; auto_infracao <...>; orgao_emissor <...>; valor <...>; data_infracao <...>; vencimento <...>; observacoes <...>. "
             "Se for outro documento automotivo util, resuma em uma frase com os dados importantes. "
-            "Se nao conseguir identificar com seguranca, responda exatamente: Nao consegui identificar os dados da imagem. Descreva o documento ou envie uma foto mais nitida. "
+            f"Se nao conseguir identificar com seguranca, responda exatamente: {IMAGE_ANALYSIS_FAILURE_MESSAGE} "
             "Use apenas dados observaveis e nao invente informacoes. "
             f"Legenda do usuario: {normalized_caption}"
         )
 
+
+    # Aplica validacoes extras ao retorno multimodal antes de acionar o orquestrador.
+    def _coerce_image_workflow_response(self, text: str) -> str:
+        normalized = str(text or "").strip()
+        if not normalized:
+            return ""
+
+        lowered = normalized.lower()
+        marker = VALID_RECEIPT_WATERMARK_MARKER.lower()
+        if lowered.startswith(marker):
+            return normalized[len(VALID_RECEIPT_WATERMARK_MARKER):].strip()
+        if lowered.startswith(IMAGE_ANALYSIS_FAILURE_MESSAGE.lower()) or lowered.startswith(
+            INVALID_RECEIPT_WATERMARK_MESSAGE.lower()
+        ):
+            return normalized
+        if self._looks_like_watermark_sensitive_image_response(normalized):
+            return INVALID_RECEIPT_WATERMARK_MESSAGE
+        return normalized
+
+    # Reconhece respostas que so deveriam seguir com a confirmacao da watermark.
+    def _looks_like_watermark_sensitive_image_response(self, text: str) -> bool:
+        normalized = str(text or "").strip().lower()
+        return bool(
+            normalized.startswith("registrar pagamento de aluguel:")
+            or normalized.startswith("nota fiscal")
+            or normalized.startswith("comprovante")
+            or "nota fiscal" in normalized
+            or "comprovante" in normalized
+        )
+
     def build_vertex_tools(self, tools: List[ToolDefinition]) -> Optional[List[Tool]]:
         """Converte tools internas para o formato esperado pelo Vertex AI."""
         # Vertex espera uma lista de Tool, com function_declarations agrupadas em um unico Tool.

tests/test_llm_service.py

@@ -4,7 +4,11 @@ from types import SimpleNamespace
 
 os.environ.setdefault("DEBUG", "false")
 
-from app.services.ai.llm_service import LLMService
+from app.services.ai.llm_service import (
+    INVALID_RECEIPT_WATERMARK_MESSAGE,
+    VALID_RECEIPT_WATERMARK_MARKER,
+    LLMService,
+)
 
 
 class LLMServiceResponseParsingTests(unittest.TestCase):
@@ -70,4 +74,31 @@ class LLMServiceImageWorkflowPromptTests(unittest.TestCase):
             prompt,
         )
         self.assertIn("Nao reduza para somente a data quando a hora estiver visivel.", prompt)
+        self.assertIn("marca d'agua exatamente escrita como SysaltiIA", prompt)
+        self.assertIn(
+            "O comprovante enviado nao e valido. Envie um comprovante valido com a marca d'agua SysaltiIA visivel.",
+            prompt,
+        )
+        self.assertIn(VALID_RECEIPT_WATERMARK_MARKER, prompt)
         self.assertIn("Legenda do usuario: Segue o comprovante", prompt)
+
+    def test_coerce_image_workflow_response_rejects_payment_without_marker(self):
+        service = LLMService.__new__(LLMService)
+
+        response = service._coerce_image_workflow_response(
+            "Registrar pagamento de aluguel: contrato LOC-20260319-33CD6567; valor R$ 379,80."
+        )
+
+        self.assertEqual(response, INVALID_RECEIPT_WATERMARK_MESSAGE)
+
+    def test_coerce_image_workflow_response_strips_valid_watermark_marker(self):
+        service = LLMService.__new__(LLMService)
+
+        response = service._coerce_image_workflow_response(
+            f"{VALID_RECEIPT_WATERMARK_MARKER} Registrar pagamento de aluguel: contrato LOC-20260319-33CD6567; valor R$ 379,80."
+        )
+
+        self.assertEqual(
+            response,
+            "Registrar pagamento de aluguel: contrato LOC-20260319-33CD6567; valor R$ 379,80.",
+        )

tests/test_telegram_multimodal.py

@@ -69,3 +69,31 @@ class TelegramMultimodalTests(unittest.IsolatedAsyncioTestCase):
 
         self.assertIn("Nao consegui identificar os dados da imagem", answer)
         self.assertFalse(orchestrator_cls.return_value.handle_message.await_count)
+
+    async def test_process_message_returns_direct_failure_for_receipt_without_watermark(self):
+        service = TelegramSatelliteService("token-teste")
+        tools_db = _DummySession()
+        mock_db = _DummySession()
+
+        with patch("app.integrations.telegram_satellite_service.SessionLocal", return_value=tools_db), patch(
+            "app.integrations.telegram_satellite_service.SessionMockLocal",
+            return_value=mock_db,
+        ), patch("app.integrations.telegram_satellite_service.UserService") as user_service_cls, patch(
+            "app.integrations.telegram_satellite_service.OrquestradorService"
+        ) as orchestrator_cls, patch.object(
+            service,
+            "_build_orchestration_message_from_image",
+            AsyncMock(return_value="O comprovante enviado nao e valido. Envie um comprovante valido com a marca d'agua SysaltiIA visivel."),
+        ):
+            user_service_cls.return_value.get_or_create.return_value = SimpleNamespace(id=7)
+            orchestrator_cls.return_value.handle_message = AsyncMock()
+
+            answer = await service._process_message(
+                text="segue o comprovante",
+                sender={"id": 99},
+                chat_id=99,
+                image_attachments=[{"mime_type": "image/jpeg", "data": b"123"}],
+            )
+
+        self.assertIn("marca d'agua SysaltiIA visivel", answer)
+        self.assertFalse(orchestrator_cls.return_value.handle_message.await_count)