Economizando tempo com um agente de codificação: OCR e geração de QR para faturas em Go

Objetivo: criar uma pipeline de automação que processe JPEGs de conversas do WhatsApp contendo faturas, extrai dados de pagamento de forma confiável (invoice_id, valor, data de vencimento, UPN/payee details) usando OCR + um modelo LLM para completar campos ausentes, e gere códigos QR de pagamento para cada fatura. O fluxo deverá ser implementado em Go (Golang) com uma CLI simples e segura. Regras de segurança e ética: 1) não colete nem processe dados sem consentimento explícito; 2) não inclua instruções para contornar MFA ou qualquer mecanismo de autenticação; 3) trate dados sensíveis (PII e dados de pagamento) com criptografia em repouso e em trânsito; 4) registre apenas metadados mínimos necessários; 5) apresente confirmações ao usuário para ações críticas; 6) mantenha logs úteis para auditoria, sem expor informações sensíveis. Componentes sugeridos: OCR (pode ser Tesseract ou API de visão), um módulo de validação/parsing com regras de negócio, um gerador de QR codes (usando uma biblioteca Go como go-qrcode), e uma camada de armazenamento segura (p.ex. arquivos criptografados ou um small DB com criptografia). Saída esperada: para cada fatura, um JSON com invoice_id, amount, due_date, UPN, e um QR code de pagamento (representado como base64 ou caminho de arquivo), além de um sumário de erros/alertas. Estrutura de implementação: 1) CLI Go com comandos scan (processa diretório de JPEGs), parse (valida campos com regras comuns de faturas), generate (cria QR codes), export (expor resultados). 2) Módulos: OCR, Parser de faturas, Gerador de QR, Armazenamento/Config, Validação de dados, Testes. 3) Exemplos de entrada/saída, testes unitários, e documentação de uso. Dicas técnicas: utilize OCR para extrair texto bruto, aplique um LLM com prompts orientados para preencher campos ausentes a partir de padrões típicos de faturas, valide formatos (monetário, datas, IDs), gere QR codes com payloads seguros que representem apenas os campos necessários de pagamento, e exiba ao usuário um resumo antes de confirmar qualquer exportação. Prompt para o LLM (exemplo de prompt a ser passado ao modelo LLM dentro da pipeline): “A partir do conteúdo OCR de uma fatura presente em uma imagem JPEG, extraia os campos: invoice_id, amount, due_date, payee_upn (UPN), account_last4 (se disponível). Caso algum campo esteja ausente ou ilegível, proponha até 2 opções com justificativas e peça confirmação do usuário para escolher. Garanta que nenhum dado sensível seja exposto em logs. Não inclua instruções para burlar autenticação ou MFA. Forneça também uma sugestão de validação de formato para cada campo (padrões ISO/IEC para datas, moeda com duas casas, etc.).”