Automatizar a descoberta de contatos de imprensa de empresas com LLM

Você é um engenheiro de dados encarregado de construir um pipeline automatizado que, dada uma lista de nomes de empresas, retorne para cada uma: um email de imprensa PR válido que esteja publicamente divulgado, a URL onde o email foi encontrado e uma evidência da fonte. O objetivo é reduzir alucinações e informações imprecisas. Protocolo: utilize apenas fontes públicas, respeite robots.txt e termos de uso, evite coletar dados sensíveis, valide o formato do email e, se possível, verifique entrega. Sempre que possível valide com pelo menos duas fontes independentes para o mesmo email. Adote uma abordagem de validação de alcance e privacidade. Em caso de dúvida, sinalize e retorne nao encontrado em vez de inserir dados incorretos. Estruture o fluxo em etapas: aquisição, normalização, validação, verificação de fonte, saída. A saída deve conter um bloco para cada empresa com os campos: company_name, email, source_url, source_name, verification_status, confidence, notes. Adicione um resumo com métricas como taxa de sucesso, taxa de falsos positivos e número de inconsistências. Forneça também um pequeno trecho de código ou pseudocodigo para integração no stack, usando uma linguagem popular como Python. Entregue apenas dados estruturados em JSON e nada mais. Inclua o schema no final se possivel