Changelog 3.1.0

canvas compartilhados, fontes Roboto offline e Material Symbols, e layout de coluna única em 800 px.

os contratos de documento, e exibe apenas dados de agendamento respaldados pelo núcleo.

abertas; impede salvamentos duplicados enquanto o núcleo responde.

mês, janela de execução, fuso horário, concorrentes) e uma aba Rastreamento (modo de rastreamento, predefinição ou string personalizada de User-Agent, pausa entre requisições, orçamento de URLs, SpiderHeadBot ou um user agent personalizado); ambas leem e gravam o projeto pelo núcleo, e a visão geral do projeto mostra a próxima e a última execução agendada. Um modo --tray executa os scans vencidos do núcleo e mantém o Mac acordado apenas enquanto um scan roda.

guarda…

Scans agendados de projeto (#1322, núcleo): o schedule.json no diretório do projeto guarda a programação (dias da semana e/ou dias do mês, janela de horário no fuso horário do site, ativar ou desativar, concorrentes, modo de rastreamento spider/sitemap/list, orçamentos de URLs e de requisições por execução, intervalo de cortesia entre requisições e modo de fatias, que retoma o rastreamento parcial anterior). Ele é editado por schedule-set / seo_schedule_set com expected_revision, e o schedule-show mostra a última execução e a próxima janela devida. O schedule-run-due é um ponto de entrada sem interface que executa só os scans vencidos, recusa sobreposição com um lease e registra cada decisão no diário do projeto. schedule-install e schedule-uninstall gravam ou removem um plist do launchd, uma linha de cron ou um comando do Agendador de Tarefas somente quando são chamados explicitamente.

googlebot-desktop, googlebot-smartphone, bingbot, yandexbot, yandexmobilebot, baiduspider, duckduckbot, applebot, gptbot, claudebot, perplexitybot, além de navegadores para desktop e mobile) ou uma string personalizada. O padrão agora é SpiderHeadBot/<version> (+https://github.com/PavloSEO/spiderhead), e a correspondência do grupo do robots.txt usa a mesma identidade. Sites que correspondiam ao grupo antigo SEOHEAD-Tools no robots.txt devem citar SpiderHeadBot nas suas regras.

mediu.

Cada item ativo do checklist recebe um de três resultados: succeeded, quando a auditoria salva executou a verificação, com o scan como evidência; unavailable, quando o rastreamento pulou ou desativou a verificação, mantendo o motivo informado por ele; ou unmeasured, quando a auditoria não menciona a verificação. Um item não medido mantém o registro anterior e aparece pelo nome em checklist_evidence, então nunca conta como 0. Um rastreamento que falha ou é interrompido marca suas verificações automáticas como failed, com o motivo da falha. O mesmo caminho de registro agora atende o fluxo prepare, que antes tinha uma cópia própria do loop. Um projeto com checklist não inicializado é ignorado, com o motivo informado.

www…

Workspaces de concorrentes mantêm a URL como foi digitada: o rastreamento de um concorrente começa pela URL www, em vez do host puro, e o rastreamento de uma URL de concorrente não marca mais os itens do checklist do dono; o resultado é registrado somente no workspace do próprio concorrente. Abrir um projeto com workspace de concorrente danificado informa que esse concorrente está indisponível, em vez de falhar.

(project-competitors-add, project-competitors-list, project-competitors-remove) e pelas ferramentas MCP seo_project_competitors_* correspondentes. Cada candidato mantém a URL como foi digitada, incluindo um host www, e hosts com e sem www contam como o mesmo site nas verificações de duplicidade. Um concorrente com host www não quebra mais a preparação nem faz o project-observe falhar.

preenche os de requisições…

--max-urls agora é o orçamento de páginas do rastreamento: um orçamento explícito preenche os orçamentos de requisições e de tempo que não foram definidos (3 requisições e 2 segundos por página), então rastreamentos de 50–300 páginas são aceitos sem approve_large_crawl; orçamentos acima dos limites do projeto continuam sendo recusados.

finish_reason stopped_by_budget e um horário finished_at, em vez de interrupted sem horário de término. As URLs que ficaram na fila permanecem para uma retomada.

vez de serem armazenadas sem ele.

define um limite de URLs por site e inicia os scans deles em paralelo; um concorrente só aparece como escaneado depois de um scan retido e concluído.

armazenadas…

Scans nativos medem HSTS, conteúdo misto e dados estruturados a partir das próprias evidências armazenadas, então uma exportação do SF ausente ou desatualizada não os aponta mais como ausentes. O duplicate-check marca como não medida uma execução com zero pares comparados. Problemas de template em todo o site (mesmo bloco de layout no cabeçalho, baixa proporção de texto) viram um único problema com a contagem de páginas (#1314).

Isso não reconcilia mais todo o catálogo interno com coverage.json; as linhas internas são adicionadas sob demanda, quando uma delas é tocada.

execução e o seu pid), em vez de chamar o lock de resíduo. O lock registra o pid de quem escreve; um lock sem detentor ativo continua sendo reportado como resíduo.

interrompida continua retomável, e uma etapa pendente posterior pode receber checkpoint mesmo após uma etapa sem sucesso. As etapas ainda precisam receber checkpoint na ordem registrada, e uma execução interrompida continua recusando novas etapas.

pelo dono.

O item continua aguardando a aprovação do dono ou de um revisor que não seja agente.

cite a meta a que se refere…

Referências da caixa de entrada aceitam ids de metas (inbox:<uuid>), para que uma nota possa citar a meta a que se refere.

de review; apenas uma tentativa aguardando decisão permanece em review.

por verificação (by_check) e um next_offset após os primeiros 20 problemas; findings_page pagina pelo restante.

medido a partir das próprias requisições de imagem do rastreamento, e o status do sitemap (SITEMAP_URL_4XX_5XX, SITEMAP_URL_3XX, SITEMAP_URL_NON_INDEXABLE) a partir da busca feita pelo próprio rastreamento em cada URL listada no sitemap. Uma URL listada que o rastreamento nunca requisitou é contada como não medida, nunca como limpa. IMG_MISSING_ALT, IMG_MISSING_DIMENSIONS e HREFLANG_ERROR informam, em um scan nativo, que o rastreamento não os mede da forma como a exportação do SF define, em vez de apontar para um filtro do SF. Hreflang ausente e evidência de conteúdo misto em um scan nativo são reportados como não medidos pelo rastreamento nativo, e não como exportação ausente.

log.md, e o núcleo registra entradas automáticas para rastreamentos concluídos (scans), relatórios de projeto gerados e tentativas de checklist (agent). As entradas vão para events.jsonl e são lidas por project-event-page; os ganchos automáticos nunca fazem falhar o rastreamento, o relatório ou a etapa de checklist que descrevem. project-event-append e seo_project_event_append mantêm sua interface e ganham a linha em log.md.

(Strict-Transport-Security, Content-Security-Policy, X-Frame-Options, X-Content-Type-Options, Referrer-Policy, Permissions-Policy). Antes, eles eram descartados na captura, então um site que enviava HSTS era apontado como sem HSTS. Os cabeçalhos Set-Cookie guardam apenas suas flags (secure, httponly, samesite=), nunca o nome ou o valor do cookie. Um cabeçalho de segurança enviado mais de uma vez na mesma página é reportado como DUPLICATE_SECURITY_HEADER.

context.goal_id)…

workflow-start precisa apenas de uma meta aceita pelo dono: --goal-id (ou context.goal_id) basta. O prompt registrado usa por padrão skill:workflow/full-audit-v1, e a tarefa de checklist usa por padrão a que aceitou a meta criada (custom:goal-<entry>). As recusas informam o comando do dono que corrige o vínculo que falta. As opções estão documentadas em seohead workflow-start --help.

obrigatórios, e as demais chaves ficam sem valor por padrão. Uma população recusada informa as chaves ausentes ou desconhecidas.

o robots.txt não declara nenhum sitemap. Quando essa alternativa não existe, ela é registrada como incompleta, mas não interrompe o rastreamento.

amostra limitada, com registros por IP limitados, visitas, última visita e filtros por sub-rede. A verificação explícita de DNS checa separadamente cada IP selecionado, registra evidências de PTR e de resolução direta, suporta IPv6 e preserva os resultados de indisponível ou prazo esgotado como não verificados. Caches locais expiram após uma hora; leituras nunca disparam consultas DNS.

cotações offline a partir dos preços de provedor fornecidos, considera a profundidade de SERP e as cobranças por operador de busca, e aplica tetos conhecidos em USD por chamada antes do transporte. Expande operações limitadas de índice de backlinks e registra no diário os custos ausentes ou formatos de resposta malformados como recibos incertos. Os limites de moeda por projeto e por mês continuam pendentes de uma decisão do dono.

privados de histórico, com observações completas de tokens de rel, âncoras, domínios de referência, filtros e sinais transparentes de revisão de spam. Adiciona rotas CLI/MCP de perfil e de exportação revisada de disavow, sem envios automáticos.

cada página pela URL exata, com linhagem verificada de resposta e corpo. Desativação de retenção, corpos ausentes, inválidos ou acima do orçamento continuam como omissões explícitas; problemas parciais carregam cobertura. Hashes exatos da área de conteúdo e problemas SimHash/LSH limitados persistem na auditoria nativa sem exigir um diretório HTML do SF. As faixas LSH adaptadas ao limiar preservam o recall de pares qualificados e reduzem os buckets de candidatos amplos; o esgotamento do orçamento da análise de quase-duplicatas não descarta os problemas de hash exato.

versus corpo retido, com um adaptador local fornecido explicitamente ou embeddings declarados. Nenhum modelo ou provedor é escolhido automaticamente. Identidade do adaptador, hashes de origem, scores, limites e omissões acompanham os candidatos à revisão; similaridade semântica não afirma conteúdo duplicado, relevância para a consulta nem canibalização. As duas linhas de cobertura semântica do SF continuam como lacunas até que um adaptador real seja escolhido e validado. A autorização de provedor externo exige o booleano literal true; valores que apenas parecem verdadeiros, como strings ou inteiros, nunca autorizam uma chamada de embedding.

com evidências de origem e âncora; registram cadeias e loops de redirecionamento com o status de cada salto; diferenciam busca interna baseada em caminho e âncoras vazias; e expõem resultados capturados de links externos sem resposta. Problemas de consistência de sitemap e robots usam pertencimento e evidências de resposta retidos, sem novas buscas ao vivo; evidências ausentes ou parciais continuam explícitas.

posterior de sitemap ou seeds…

Preserva alvos de descoberta ausentes no momento da captura quando um processamento posterior de sitemap ou de seeds adiciona a URL ao catálogo retido. Evidências explicadas de não resolvido ou excluído permanecem imutáveis, enquanto alvos conhecidos declarados e divergências de identidade não nulas continuam inválidos.

200, mesmo quando o recurso não foi armazenado como página rastreada, e marca respostas de imagem não medidas como cobertura parcial.

sem alterar o SQL congelado do scan. Links canonical com atributos hreflang, lang, media ou type não suportados, anotações malformadas e declarações entre hosts ou protocolos diferentes agora geram problemas com evidência vinculada; palavras-chave de relação bem formadas e desconhecidas continuam não classificadas.

medidas de noindex/canonical…

Estende sondagens limitadas de alvos no mesmo host para a paginação e retém observações medidas de noindex e canonical. Cadeias canonical nativas e problemas de noindex em canonical/hreflang podem usar as sondagens; sondagens antigas, só de status, continuam legíveis e não medidas para diretivas HTML.

de next/prev, mantendo as regras numeradas e de passo e os estados nomeados como não julgados. Seleciona as URLs dos problemas salvos, inclusive dos membros agrupados, por meio de scan-url-query, usando tabelas temporárias do SQLite e evidências audit.v2 em streaming.

referência D41 de paginação seja realmente servida e possa ser validada pela captura nativa.

de contexto de scan existentes, preservando o esquema SQL congelado scan.v1. Problemas estruturais de AMP inspecionam a declaração doctype original, head e body, charset UTF-8, viewport, script de runtime e declarações de boilerplate; alvos AMP pareados sem marcador de raiz AMP são identificados à parte. As regras completas do validador AMP continuam indisponíveis até que haja uma decisão de licença.

textos alternativos de imagem, saltos de título e o landmark main. Os problemas preservam exemplos limitados e contagens completas de ocorrências. Contraste calculado e regras de axe-core renderizadas continuam não medidas.

incluído e as regras existentes de resultados avançados. Erros, avisos e propriedades obrigatórias ausentes retidos por URL viram problemas nativos. Construções RDFa não suportadas são evidência parcial explícita, não um resultado de validação limpo.

em scan-structured-blocks; limita árvores de propriedades muito largas e expõe esse limite. Lê o documento mais recente de uma URL e de uma representação solicitadas, sem alterar o seu scan.

confirmados.

Resolve identidades JSON-LD suportadas contra a mesma base de documento da marcação HTML, preservando o JSON de origem; rejeita blocos JSON escalares ou vazios como grafos válidos e compartilha a seleção normalizada de tags JSON-LD ao vivo entre o parser e as projeções servidas.

HTML retido completo, sem…

Auditorias nativas agora expõem marcação no head que bloqueia a renderização, a partir do HTML retido completo, sem alterar o esquema congelado scan.v1. Corpos ausentes, incompletos ou limitados pelo orçamento continuam indisponíveis. A detecção existente de recursos do head e a entrada de extração personalizada do SF são reaproveitadas.

resumos de uso em UTF-16 e problemas de dimensionamento de imagem renderizada, e os lê após reabrir ou na reanálise offline. Motores não suportados e medições ausentes não viram resultados limpos.

árvores de dependência, responsáveis por layout shift, entrega de imagens, reflow forçado e problemas de execução de script, com proveniência de captura e hashes das entradas. Nenhum processo do Lighthouse, provedor pago ou inferência de CWV de campo é adicionado. Atualiza o registro, a cobertura do SF e a documentação de referência gerada.

salvo é um scan audit.v2 em streaming; antes falhava com 'NoneType' object is not subscriptable, porque a auditoria fica no companion, e não na tabela legada do scan. Os formatos de registro aceitos estão documentados em seohead project checklist-record --help, no esquema MCP de seo_project_checklist_record e em docs/INPUTS.md.

versões antigas, mantendo quatro grupos de testes verificados e cobertura combinada. Use a mesma versão estável do Python nos bootstraps de CI e de build de release.

primeiras 50 linhas; Issues mostra o nome de cada verificação principal do registro, em vez de “Other check”.

projeto uma página por vez, então um checklist de qualquer tamanho não falha mais com “at most 100 rows”. O Desktop abre o scan que uma auditoria completa deixa para trás (o maior scan completo) quando o dono não escolheu um, e a descoberta do core também verifica o próprio ambiente do interpretador do Desktop (sys.prefix) antes do PATH.

Preserva as configurações de orçamento de recursos sem alterar o cabeçalho congelado do scan, mantém a reanálise offline e a retomada seguras, e compartilha componentes nativos de configurações do projeto, tokens de tema e fontes incluídas. Remove insumos de design privados da árvore distribuída.

preservando o cabeçalho original do scan e os bytes de origem.

report-build --project e audit-workflow --action report anexam o snapshot do checklist às saídas xlsx, docx, csv, md e PDF de visão geral, em vez de gerar um relatório não vinculado. Um scan interrompido pelo orçamento de URLs (stopped_by_budget) é aceito como o último scan auditado do projeto, e o relatório informa o escopo limitado. report-build --input aceita a chave format. report-build --project --format json em uma auditoria em streaming é recusado com uma explicação, porque o JSON é gravado tal como está e não pode carregar o snapshot do checklist.

dos contadores fetched/found, barra de progresso de 10 px, limite de taxa do coletor e um placeholder honesto de gráfico de velocidade de 120 px (o histórico de taxa do core é rastreado em #1203).

regex sobre um único documento HTML salvo, sem scan nem requisição de rede. Cada resultado traz seus valores e um reason para um resultado vazio (no_match, empty_html ou budget_exceeded), para que uma resposta vazia nunca seja apresentada como resultado limpo (#1059). É apenas uma chamada do core; ainda não há ferramenta de CLI nem MCP registrada, e buscar uma URL ao vivo foi deliberadamente deixado de fora.

com passo: quando um passo cobre a maioria dos passos de uma série, uma quebra desse passo é reportada (?page=1,3,5,8 quebra em 5 para 8). Esquemas de offset irregulares e séries sem numeração continuam sem julgamento e são citados como ignorados.

móvel separada) e as grava em parse_html como mobile_alternates (#1051). A verificação Mobile Alternate Link do SF ainda é uma lacuna; a que compara o canonical da URL móvel ainda não foi escrita.

intrínseco em pixels de cada imagem em relação à caixa renderizada e à razão de pixel do dispositivo (image_sizing: evidências de imagens superdimensionadas e ampliadas). É só evidência; ainda não há id de verificação no SF-analyzer, então “Incorrectly Sized Images” passa de gap para partial (#1049).

O comando e a ferramenta MCP de similaridade semântica existem, mas nenhum adaptador de embeddings é distribuído e a execução do SF ainda não chama o módulo (#1041).

seohead/checks/search_console_findings.py cruza as páginas do rastreamento com um documento normalizado de evidências do GSC e avalia GSC_ORPHAN, NO_SEARCH_DATA e NON_INDEXABLE_WITH_SEARCH_DATA. Uma verificação é ignorada, com o motivo, quando o rastreamento é parcial, a janela está incompleta, a coleta é amostrada ou truncada, ou nenhuma evidência é fornecida; uma verificação ignorada nunca é reportada como limpa.

indexado por URL: URLs órfãs no analytics, páginas indexáveis sem dados de analytics, páginas não indexáveis com visitas e taxa de rejeição acima de 70%. As colunas nomeadas --visits-column e --bounce-column selecionam os dados; uma coluna ausente é recusada pelo nome, valores ilegíveis são contados e nunca lidos como zero, e URLs órfãs do analytics são retidas em rastreamento parcial. A coleta ao vivo de Metrika/GA4 por URL ainda não está incluída (#990, #984).

URLs, Bounce Rate Above 70%, No GA Data, Non-Indexable with GA Data) como encontrados pelo crawl-enrich a partir de um CSV offline, em vez de fora do escopo. O sf run ainda não os emite.

analisador puro recebe payloads de page.coverage do Playwright e reporta, por recurso, os caracteres não usados, com um achado quando o recurso é majoritariamente não usado e grande. A coleta de cobertura a partir de uma página renderizada é a próxima fatia.

AMP_MISSING_RETURN_LINK, AMP_NON_INDEXABLE_CANONICAL e AMP_INDEXABLE leem o alvo AMP que uma página desktop declara com <link rel="amphtml">. Só são avaliadas as páginas AMP que o rastreamento capturou; um alvo não capturado é ignorado e informado pelo nome. O rastreamento nativo agora registra o alvo resolvido na coluna AMP HTML. As outras dez regras AMP do SF continuam recusadas.

agora geram os avisos NOODP e NOYDIR na auditoria do SF; antes eram listados como fora do escopo. none (noindex+nofollow) é coberta por testes de regressão tanto no caminho do X-Robots-Tag quanto no da meta tag.

partir da…

Os rastreamentos agora reportam quatro cabeçalhos de segurança ausentes por página HTML, a partir da resposta final armazenada: MISSING_CSP, MISSING_X_CONTENT_TYPE_OPTIONS, MISSING_X_FRAME_OPTIONS (satisfeita por uma diretiva frame-ancestors do CSP) e MISSING_REFERRER_POLICY. Páginas cujos cabeçalhos armazenados não podem ser interpretados são contadas como não medidas, e não como limpas; um rastreamento sem scan armazenado ignora essas páginas e informa o motivo.

access.log.N.gz e arquivos renomeados) diretamente, detectando o formato pelo conteúdo, e não pela extensão. Um arquivo truncado ou corrompido é reportado como erro, sem contagens parciais.

status_4xx, title_missing, title_over_60, h1_missing, noindex_meta) que se combinam por E com os filtros do usuário, e --export PATH com --export-format csv|xlsx grava todas as linhas correspondentes em um arquivo novo. A exportação é recusada acima de --export-max-rows (padrão 100.000) e nunca sobrescreve.

para seohead/data/rich_results_rules.json, um arquivo de dados versionado, empacotado com o pacote. O campo version desse arquivo é o valor gravado como rules_version em cada veredito de resultado enriquecido; assim, mudar uma regra significa mudar dados, não código.

estruturadas armazenadas) agora trazem rules_version, para que cada resultado informe qual conjunto de regras offline o produziu.

documentação (scripts/generate_project_catalogue.py, generate_registry_inventory.py, render_readme_visuals.py, linux_lifecycle_smoke.py, capacity_watchdog.py, profile_million_audit.py) em docs/README.md, com o que cada um grava e quais rodam no CI (#997).

entrega do monitor…

Remove o adaptador guiado do bot do Telegram seohead/integrations/bot; os recibos de entrega do monitor agora ficam em seohead/projects/service_delivery.py (#995).

página inicial do scan, como coluna, filtro e chave de ordenação. Páginas que nenhum link armazenado alcança ficam como NULL (órfãs). crawl_depth não muda e continua sendo a profundidade da fronteira, que é 0 para toda URL vinda de sitemap. Um scan que não reteve seus links falha com reason_code: click_depth_unavailable, em vez de reportar um NULL falso. O valor é recalculado a cada consulta a partir da tabela links; gravá-lo como coluna indexada ao final do scan ainda está em aberto, porque exige uma decisão sobre a versão do schema (#992).

grupos…

scan-url-query e sua ferramenta MCP aceitam o argumento opcional facets (uma lista de IDs de grupo, ou all), que retorna contagens por grupo (status_2xx–5xx, title_missing, canonical_missing, directives_noindex/nofollow, with_outlinks) sobre os mesmos filtros, em uma única passagem. Grupos que dependem de uma projeção (interno/externo, sitemap, título duplicado/tamanho, canonical autorreferente/outro) ainda não estão incluídos.

project-sources-unlink e project-sources-list (CLI, além de seo_project_sources_link|unlink|list via MCP) registram quais IDs de recursos do provedor um projeto local usa, em sources.json ao lado de project.json. Somente offline: sem descoberta, sem chamada a provedor, sem credenciais; project.json nunca é reescrito.

que responderam 4xx/5xx, com a página de origem como evidência. Ela lê o grafo de recursos armazenado e ignora o caso com honestidade quando nenhuma imagem foi medida.

vez por alvo, após o rastreamento (no máximo 5.000). Um alvo com 4xx/5xx ou que redireciona passa a reportar CANONICAL_TARGET_ERROR, CANONICAL_TO_REDIRECT ou HREFLANG_BROKEN_TARGET, como já acontecia com alvos rastreados (#987).

caminho completo…

Os achados de cadeia e loop de redirecionamento de um rastreamento nativo agora trazem o caminho completo de saltos (details.path), para que uma correção possa indicar cada salto a substituir. Refs #985.

trazem…

Os achados de cadeia e loop de redirecionamento de um rastreamento nativo agora também trazem details.inbound_links (links internos que ainda apontam para a primeira URL da cadeia, com âncoras, limitado a 20) e inbound_links_count; sem um inventário all_inlinks, o campo fica null com um motivo. Refs #985.

operador (semcore_project, semcore_cluster_count, semcore_landing_mapping). O núcleo semântico continua no próprio banco e não é mesclado ao banco do projeto; a detecção nunca grava esses fatos, e um fato fornecido não pode alegar proveniência de detecção. Documentado em docs/PROJECTS.md, na seção “Linking a semantic core” (parcial, #984).

O núcleo ainda não retorna o grafo de links completo, então o canvas mostra um estado de espera honesto e os filtros ficam inertes até lá (#975).

OAuth do GSC: provider-auth --action cancel (CLI) e seo_provider_auth com action=cancel (MCP) cancelam um registro pendente de fluxo de consentimento no navegador; status informa o fluxo pendente, quando existir. O registro do fluxo não guarda material de concessão e expira em dez minutos. Esta é a primeira fatia do #964: ainda não há início nem callback pelo navegador, então a superfície pública não cria nenhum fluxo e o acesso conectado continua sem ser afirmado.

como uma execução de observer (mode=list), que aparece em project-observe e project-scans com seu artefato na pasta scans/ do projeto. Um coletor que falha é registrado como failed; progresso e retomada de execuções de lista ainda não estão cobertos (#962).

documentos retidos…

scan-content-search aceita --kind regex (MCP kind="regex") para buscar nos documentos retidos com uma expressão regular do Python. Expressões inválidas são recusadas antes da varredura; um documento que excede o orçamento de tempo do regex é reportado como indisponível, nunca como ausente.

Chamadas ao DataForSEO cuja resposta se perde (erro de rede depois de a requisição ser enviada) são registradas no diário com cost_unknown e charge_status: unknown, assim spend-report as lista como incertas, em vez de contá-las como chamada medida de custo zero (#949).

teto de requisições por host com outros rastreamentos simultâneos do mesmo host, por meio de um cronograma privado no diretório de estado do usuário (~/.config/seohead/.origin-pacing.sqlite). Antes, rastreamentos sem projeto rodavam sem controle de ritmo entre processos.

Perfis do crawl-site (#941): crawl-profile list imprime os nomes dos perfis salvos e crawl-profile delete NAME remove um; ambos imprimem JSON e recusam nomes desconhecidos, com a lista dos perfis salvos.

configuração validada…

Perfis do crawl-site (#941): --save-profile NAME --config FILE armazena uma configuração de rastreador validada como perfil nomeado (recusado quando traz cabeçalhos de credencial); --profile NAME rastreia com ele, e --set ainda se aplica por cima. Os perfis ficam em ~/.config/seohead/crawl-profiles ou no diretório indicado por SEOHEAD_CRAWL_PROFILES. Listar e excluir perfis não fazem parte desta fatia.

only_in_before, only_in_after, contagens). Quando qualquer um dos rastreamentos é parcial, url_sets.unproven fica verdadeiro, para que a ausência não seja apresentada como prova.

(redirecionamentos)…

Cada salto de cadeias de redirecionamento e canonical registra o status, a próxima Location (redirecionamentos) e o tempo de resposta, para que a cadeia de uma URL seja lida a partir de evidências armazenadas, sem nova requisição (#930).

) que não é buscado de novo, então a URL repetida fica visível nas evidências armazenadas; final_url continua apontando para o último salto buscado (#930).

warnings: um aviso quando a taxa efetiva está acima de 2 req/s (o limite é estritamente maior que 2). A CLI imprime o mesmo aviso no stderr; o JSON no stdout e os padrões não mudam. O pacer não foi alterado.

source, actor e…

Log estruturado de eventos do projeto (events.jsonl): eventos somente de acréscimo com campos source, actor e texto limitado, lidos do mais recente para o mais antigo, em páginas, com filtros por source e por texto. Expostos como project-event-append / project-event-page na CLI e seo_project_event_append / seo_project_event_page via MCP (issue #923).

Leitores de armazenamento, o importador de scans, o arquivo do GSC, o store de fontes, o store de junção de evidências e as duas classes de verificações agora abrem seus bancos por meio de um único helper para conexão, row factory e PRAGMAs. As duas classes de verificações fecham suas conexões explicitamente. O comportamento não muda; a normalização de caminhos e a ordem dos PRAGMAs permanecem em cada ponto de chamada.

importação de evidências.

Mudanças de comportamento intencionais nesses caminhos: - Cadeias de redirecionamento com exatamente o limite de saltos (padrão 20) agora são resolvidas, em vez de reportadas como não resolvidas. A verificação de loop roda antes da verificação de limite, tanto na resolução de cadeias quanto nas caminhadas do caminho de saltos. - As verificações de confiança e citação do EEAT comparam hosts de destino com a porta (netloc), como a lógica de host dos links internos. Sites com portas explícitas podem mudar resultados. - As verificações de palavras-chave do llms.txt casam termos ASCII como palavras inteiras, com plural opcional, então rapid, Showcase e Toolbar não passam mais. Radicais em cirílico ainda casam como substring. - A captura de navegação mapeia o motivo reload para refresh_navigation. Motivos solicitados não mapeados, como pageBlockInterstitial, são registrados como observações de frame que o validador aceita. - A detecção de tecnologia trata uma implicação negada (["not", X]) como não implicando nada. - A importação de evidências rejeita nomes de métricas declarados em duplicidade, e a descoberta no Search Console usa as linhas que recebe. - As novas tentativas do Yandex Cloud dormem apenas entre uma tentativa e outra. As novas tentativas de query-analytics do Yandex Webmaster recuam antes da próxima tentativa. - A construção de schema repassa seu timeout ao cliente HTTP (padrão inalterado). - O armazenamento de recibos de entrega é criado com modo 0600 antes de o SQLite abri-lo. - Execuções de grafo semântico são serializadas, porque o conjunto de stop-words é estado de módulo. O runner semântico reporta erros de SQLite como ok: false, em vez de lançar exceção. - O parser de erros do CrUX tolera corpos de resposta que não são objetos. - Removida uma guarda sqlite3 is None inalcançável no ledger.

Mostra o estado de espera honesto até que o núcleo armazene um perfil de links do projeto (#999); sem linhas de exemplo, e os filtros de grupo ficam desativados pelo mesmo motivo.

selecionado e o texto de status (exibido só quando um rastreamento sem projeto retorna resultados), move as ações de limpar e salvar como projeto para um menu de overflow abaixo de 1000 px, mantém o campo de endereço e a faixa de abas de verificação utilizáveis em larguras estreitas, rola o cabeçalho de resultados em vez de espremer suas colunas e dá à barra de status da shell o mesmo padding direito de 8 px nos temas escuro e claro.

disco e sem permissão de escrita são mostrados a partir de fatos reais; a versão do núcleo e a integridade do scan mostram o selo neutro “indisponível nesta versão do núcleo” até que o núcleo os informe.

Window da barra de menus, e os menus de contexto de achados e tarefas seguem o quadro Menus do canvas. Itens que o núcleo ainda não oferece continuam visíveis, desativados, com o motivo na dica de ferramenta.

dataset e formato, card de pasta, exportações recentes). Datasets e formatos que o núcleo ainda não consegue exportar (compare, tasks, PDF) aparecem como indisponíveis; o botão de execução fica desativado até que a exportação esteja ligada (#1191).

revisão de rascunhos de meta description, com o mesmo prefixo de apóstrofo já aplicado a =, +, - e @. Ambas as proteções agora usam seohead.core.tabular.neutralize_formula.

Requisições com credenciais a provedores (Arsenkin, Metrika, Yandex Cloud, IndexNow, Topvisor, destinos de BI) não seguem mais redirecionamentos HTTP, então o cabeçalho Authorization nunca é reenviado a outro host. Agora, um redirecionamento aparece como erro HTTP do provedor.

(5 MiB por padrão; SEOHEAD_RUN_LOG_MAX_BYTES altera esse valor). A geração anterior é mantida como runs.jsonl.1, e as leituras cobrem os dois arquivos, então as buscas de reuso ainda encontram chamadas recentes.

(lista de blocos, árvore de blocos, verificações). O núcleo devolve apenas a contagem de blocos JSON-LD por URL, então as colunas mostram estados de espera honestos, ligados à issue 948 do núcleo, e as contagens conhecidas continuam reais; nenhum bloco de exemplo é exibido.

scan-status, scan-url-detail, scan-link-inspect e o observador de projeto (project-scans, project-observe) não validam mais o artefato inteiro a cada abertura: verificam identidade, schema, versão e a linha de cabeçalho, obtêm os contadores via SQL (GROUP BY sobre pages_status) e informam isso em um campo aditivo validation ("light" ou "full"). A validação completa roda sob pedido (full_validation: true em scan-status, ou --input '{"input_path": "...", "full_validation": true}' na CLI) ou quando os mesmos bytes (caminho, tamanho, mtime, estado do WAL, hash do cabeçalho) já foram validados completamente no processo. Uma varredura que falha nas verificações leves é recusada com o mesmo erro de antes, e todo caminho que grava ou registra evidências continua validando por completo. scan-url-detail executa a busca do alvo de redirecionamento (sem índice em responses.effective_url_id) com orçamento de 0,5 s e informa responses.redirect_target_lookup como skipped, em vez de varrer uma tabela grande.

ou de…

scan-link-inspect --view links (MCP seo_scan_link_inspect) pagina os hiperlinks de saída ou de entrada de uma URL, localizada pelo endereço e não pelo ID do documento: âncora, rel com as flags nofollow/sponsored/ugc, interno/externo, posição armazenada, atributo target e o status HTTP do outro lado (null quando essa página não foi varrida). Filtra por tipo de link, follow, classe de status e trecho de texto; offset/limit até 200; total/filtered_total são exatos ou marcados como capped. A varredura é aberta em modo somente leitura, sem validação completa, e as falhas trazem um reason_code legível por máquina (url_not_found, scan_not_available, url_not_scanned, links_not_retained). Views e campos existentes não mudam.

Layout do pacote reorganizado, sem shims de compatibilidade: seohead.servers virou seohead.mcp, seohead.tools virou seohead.checks, seohead.bot e seohead.remote_api foram para seohead.integrations, a CLI fica no pacote seohead.cli (com seohead.cli.terminal_progress), os módulos raiz compartilhados (models, graph, filesystem, runlog, verification, canonical_policy, input_contracts, job_contracts, provider_matrix) foram para seohead.core, e a proveniência da build foi para seohead._build.provenance. examples/ e config.example.json foram para docs/examples/; PROVENANCE.md e TRADEMARKS.md foram para docs/legal/. Os comandos seohead e sf-analyzer não mudaram; imports Python com os caminhos antigos precisam ser atualizados.

rastreamento nativo ao relatório, das exportações offline do Screaming Frog, e de projeto com agente), de um mapa de funcionalidades por área, de uma visão geral da CLI, da configuração do MCP para Claude Code e Claude Desktop, do app desktop complementar e da fronteira entre o que é medido e o que não é, com capturas reais do terminal em docs/assets/, feitas a partir de um fixture local de QA e do fixture sintético de exportação. Adiciona docs/CLI.md, que agrupa cada comando registrado por tarefa, com suas anotações de rede, escrita e pago (um teste de consistência agora falha se algum comando estiver faltando), e docs/WORKFLOWS.md, que documenta os comandos de execução de workflow, inbox e registro de monitor, antes apenas referenciados.

de qualidade como desconhecidos em métricas, cobertura e manifestos; amostragem, aplicação de limiares ou truncamento confirmados são parciais. Coortes de busca versus sessões exigem qualidade de coleta explícita, medições de contagem não negativas e escopos de origem qualificados, e mantêm a identidade de origem, a atribuição, o escopo de busca e a política de calendário de cada eixo. O pacote sintético de relatórios continua offline; a aceitação nativa do Sheets e do Looker segue separada.

Varreduras nativas de site em SQLite aceitam max_urls=0 para coletar até a fila se esgotar, e max_depth=-1 para desativar o limite de profundidade. Orçamentos de tempo e de HTTP continuam configuráveis separadamente, as guardas de armazenamento e a interrupção com retomada continuam ativas, e rotas materializadas legadas recusam uma população de URLs ilimitada.

recusar seu primeiro…

Varreduras somente de sitemap também preservam o limite de URLs desativado, em vez de recusar o primeiro membro declarado quando o limite configurado é zero.

faixa…

Taxas de requisição finitas explícitas acima do padrão de 2 requisições/s agora chegam também à faixa compartilhada de controle de ritmo por origem do projeto, além do limitador por varredura. Varreduras paralelas continuam reservando uma única agenda comum por host, em vez de multiplicar a taxa dele.

retomável, e mantém…

Interromper a análise nativa agora retorna um resultado interrompido explícito e retomável, e preserva as páginas capturadas, em vez de vazar um traceback de KeyboardInterrupt.

vazio como completo. Preserva os dados brutos da resposta, as linhas de origem e as contagens exatas devolvidas nas evidências salvas do provedor. Respostas de contagem de links mantêm o envelope de página documentado e reportam populações de várias páginas como parciais quando apenas uma página solicitada foi coletada.

prontidão do GA4…

Reconhece o fallback compartilhado e já existente de conta de serviço do Google na prontidão do provedor GA4 e na descoberta de credenciais. Mantém as permissões da conta e o acesso aos alvos como não verificados, informa explicitamente credenciais malformadas e preserva o suporte a bearer token OAuth sem exigir as duas fontes.

fronteira pública de roteamento do rastreamento externo, distinguindo implementação interna de disponibilidade em CLI/MCP, sem alterar o comportamento do rastreamento nem as alegações de capacidade.

nas fases opcionais de acompanhamento, na análise e na finalização. Capturas não concluídas mantêm seus dados e o checkpoint retomável, e retornam um resultado JSON interrompido explícito. Uma interrupção após o commit final preserva o artefato concluído e informa a disponibilidade real da auditoria. A retomada explícita conclui o trabalho pós-coleta pendente mesmo com a fronteira esgotada, preservando as flags existentes de omissão de evidências e as entradas de sitemap retidas.

correção somente leitura de jobs antigos já finalizados, sem alterar artefatos retidos nem orçamentos de renderização. Verifica o backup e a restauração reais da fila por meio de status autenticado, downloads e idempotência persistente; mantém o fixture de recuperação de duas páginas com renderização completa dentro de seus orçamentos finitos existentes.

conclusão…

Retorna exit 130 sem traceback quando SIGINT interrompe a saída JSON final depois que um handler já foi concluído. Artefatos retidos permanecem inalterados; um fluxo de saída truncado nunca é reportado como sucesso.

compartilha, dentro do projeto, um gate de despacho local de 2 requisições/s para o mesmo host público; expõe a cada observador o tipo de origem de cada execução, a origem, a impressão digital da configuração e o limite de taxa agregado.

exportá-lo: o load-crawl não injeta mais a configuração atual do spider. Execuções ao vivo de spider e de lista continuam recebendo seus perfis explícitos por execução.

hosts de loopback em todos os sistemas operacionais, sem alterar a política de rede de produção.

captura, política do renderizador e proveniência da URL. Distingue redirecionamentos HTTP observados, navegação por script, histórico ou fragmento no Chromium e causas desconhecidas, sem afirmar cliques humanos.

de…

Preserva a compatibilidade com rollback ao reter as evidências de navegação dentro de configurações de renderizador extensíveis; valida a codificação anterior, de pré-lançamento, sem enfraquecer as verificações de proveniência e sem tratar eventos observados como política do renderizador.

medidos…

Preserva todo coletor ativo em um histórico limitado, publica janelas de contadores medidos com carimbo de data/hora e distingue contadores não medidos de zero. Transmite o progresso verificado do Screaming Frog em tempo real, limitando os dois pipes de diagnóstico.

protegidos, sem recalcular o hash dos bytes retidos a cada atualização. Leituras explícitas de cobertura mantêm a verificação dos bytes; evidências alteradas ou legadas e não verificadas continuam visíveis como desatualizadas ou não verificadas.

dados…

Faz o observador de projeto no terminal navegar por detalhes legíveis de tarefas, métodos, dados estruturados, varreduras, execuções, inbox e evidências retidas, com páginas limitadas e cobertura de escopo honesta. Leituras de armazenamento e envios explícitos de notas ficam fora do loop de entrada.

cursor…

Preserva rascunhos separados de notas e de objetivos durante a sessão, oferece edição com cursor, mantém colagens grandes sem truncar, exibe recibos de salvamento em todos os layouts e imprime rascunhos não salvos após uma saída normal do terminal, para recuperação.

audit.v2 sem materializar o JSON legado. Transmite achados de consistência, mantém a pertinência de páginas nativas e a deduplicação de achados em disco, preserva contagens exatas de anomalias e limita apenas os exemplos. Informa explicitamente a ausência do rastro nativo de decisões de exclusão.

medido, quando nenhuma página inicial foi rastreada. A exceção exige evidência de resumo do sitemap correspondente e não isenta achados de página, hosts não relacionados ou caminhos de destino não suportados.

payloads…

Compara varreduras audit.v2 retidas por meio de uma chave exata e de um índice ordinal, sem duplicar payloads de páginas e achados no armazenamento temporário do SQLite. Linhas completas, exportações determinísticas simples ou gzip, identidades de origem e entradas legadas continuam suportadas. Os leitores de auditoria fixam o snapshot validado por meio de leituras indexadas de linhas.

Reverte os membros de saída de comparação próprios em caso de falha tardia na publicação e recusa destinos criados em concorrência; o manifesto continua sendo o marcador final de confirmação do pacote.

Faz a página de entrada pública descrever a engenharia de SEO configurável com agentes e vincula toda a superfície de funcionalidades aos seus métodos, entradas e limites de evidência. Corrige orientações desatualizadas sobre o modo nativo/SF, a cobertura de projetos e a remediação. Documenta separadamente a planilha de trabalho do desenvolvedor, escrita por agentes e distinta da saída factual de relatórios, incluindo critérios de aceitação revisados e links de origem.

Rotula a proveniência das auditorias em PDF independentemente do esquema compartilhado de auditoria: rastreador nativo, exportações do Screaming Frog ou um coletor SF explicitamente identificado, e coletor desconhecido. Uma auditoria nativa que usa o esquema do SF Analyzer não recebe mais um cabeçalho do Screaming Frog.

Transmite as linhas de escopo de problemas suprimidos para CSV, em vez de acumular suas explicações renderizadas na memória. As exportações completas de exclusão mantêm a ordem e os fatos de origem, enquanto a alocação permanece limitada para grandes coleções de exclusões retidas.

Concilia cada linha de lacuna de cobertura a partir da sua célula Mode real, valida as referências de verificações e ferramentas cobertas contra os registros públicos e gera prioridades a partir das linhas não resolvidas.

Preserva a classificação de timeout remoto ao ocultar erros de transporte, e reproduz com segurança manifestos de proxy direto para verificação direcionada.

Lê as evidências de atribuição a partir do grafo de links SQL retido, preserva a atribuição nula explícita na exportação e mantém as verificações de links externos armazenadas em spool durante a retomada.

o…

Regenera catálogos integrados e contratos de relatório; instala o validador de PDF com o extra all e mantém os testes com navegador falso independentes da seleção do Chrome local.

Exige uma aprovação cost_authorized do BigQuery, separada e controlada pelo host, antes de qualquer token, verificação de dataset ou gravação em staging.

Preserva os nomes de partição, as contagens e os checksums do pacote BI gerado, para que o fixture de planilhas passe na verificação prévia existente do Sheets e nos consumidores de exportação filtrada. Documenta os campos de alias separados da API de Linking e exige verificação de cópia nova pela URL gerada, sem reparo manual das fontes.

Rejeita aliases duplicados da API de Linking após normalização de espaços e retorna os aliases exatos usados nos parâmetros de URL. Define IDs compartilhados de campos de execução, controles de data de provedores agrupados e gráficos de cobertura que excluem populações sobrepostas. A criação do modelo nativo e a verificação de cópia nova continuam como requisitos externos de aceitação.

Calcula as parcelas observadas de inlinks a partir de páginas de origem únicas no escopo, com extração HTML concluída, preservando as ocorrências repetidas separadamente e rotulando populações parciais.

Preserva os problemas de companions audit.v2 limitados, cruza até 1.000.000 de URLs de scan retidas por meio de um artefato de evidências SQLite durável e transmite esse artefato para o BI sem materializar listas de páginas ou de URLs correspondentes. Isso não entrega um modelo copiável do Looker Studio.

Projeta grupos de problemas, candidatos de quadrantes de provedores e fontes de inlink elegíveis por meio de um índice SQLite descartável e limitado. Mantém as dimensões dinâmicas de provedores válidas nas exportações selecionadas e nos planos offline de Sheets e BigQuery, e limita a quantidade de partições e o consumo de disco.

Preserva as URLs-alvo e as mensagens dos problemas de auditoria nativa como colunas BI tipadas, e não apenas dentro do JSON de origem retido, para que seleções exatas de URLs conservem os problemas afetados.

retidas…

Valida links de retorno de hreflang nativos contra declarações completas de alvos retidas, distinguindo um retorno ausente conhecido de um alvo não rastreado ou com corpo indisponível. Informa alternativas observadas com noindex, preserva rótulos brutos e identidades de URL normalizadas com contexto de duplicidade e conflito, e marca relações parciais de população como não medidas. As superfícies existentes de auditoria, CLI, MCP e relatório trazem os mesmos problemas, sem buscar nada adicional.

Classifica o p75 de LCP, INP e CLS de campo da janela atual do CrUX contra limites oficiais versionados, mantendo o escopo de URL ou origem, fator de forma e período de coleta. Evidência de campo ausente, incompleta ou com falha permanece indisponível ou parcial.

Documenta o limite atual da CLI Docker de execução única separadamente da API remota e do serviço de worker opcionais, construídos explicitamente.

Admite configurações explícitas de crawl SQLite nativo de até 1.000.000 de URLs, com orçamento separado de 2.000.000 de requisições HTTP e o perfil sintético somente de armazenamento já existente. CLI, MCP, fila remota e workers preservam os mesmos orçamentos declarados. APIs legadas e de lista materializadas mantêm um limite de segurança explícito de 50.000 URLs. Robots da lista, retentativas, saltos de redirecionamento e de canonical agora compartilham o orçamento de requisições. Auditorias nativas e reanálise offline usam o caminho audit.v2 limitado, sem a antiga recusa de ponte de 10.000 páginas ou 20.000 formulários. Contadores do gravador transacional evitam reescanear a fronteira de rastreamento crescente a cada lote. Um driver manual de aceitação registra as identidades das fontes carregadas, a interrupção e a retomada, e os consumidores downstream; a admissão, por si só, não é evidência de aceitação concluída de um milhão de URLs.

Executa cada etapa manual de aceitação nativa sob um watchdog de recursos de subprocesso, retém artefatos interrompidos, verifica cada linha e a cobertura de tarefas em CSV e XLSX, e testa separadamente o HTTP em loopback próprio e protegido, com o pacing padrão inalterado.

Permite durações de crawl remoto explicitamente autorizadas de até 14 dias, mantendo o padrão de uma hora e os orçamentos independentes de projeto, requisições, disco, lease e renderização. Isso permite que um alvo de um milhão de páginas caiba em sua taxa de requisições polida e inalterada. Valores acima do teto de duração e tipos inválidos falham antes da coleta.

preservando a interrupção e o cancelamento de consultas sem cobrar o parsing em Python nem as gravações derivadas do prazo original de validação na abertura do scan.

O crawl-site --out-dir legado agora mantém evidências de páginas, links e formulários em sidecars JSONL somente de anexação durante a coleta e a retomada, em vez de reter listas duplicadas na memória. Checkpoints verificam as contagens dos sidecars, e checkpoints v4 antigos com formulários inline migram sem perder problemas de formulário. A ponte de auditoria existente nomeia seus limites de materialização de páginas, formulários e links, e preserva as evidências coletadas quando uma auditoria fica indisponível. Um relatório anterior é mantido sob um nome de arquivo obsoleto, em vez de ser apresentado como execução atual. A escalada nativa de JavaScript lê os registros de páginas por meio de uma view SQLite re-iterável, em vez de reconstruir todos os objetos de página. A transmissão completa de auditorias grandes continua rastreada em #816 e #817.

Armazena auditorias nativas grandes em companions audit.v2 ordenados, em vez de descartar a disponibilidade da auditoria.

intermediária de registros.

Limita buscas repetidas de páginas, agrupa em lote a busca de backlinks dos problemas e resolve profundidades de descoberta nativa sem reconstruir todas as rotas nem carregar todos os nós no Python. Rotas longas mantêm sua profundidade exata e endpoints truncados explícitos.

construção…

Deriva relações não vazias de corpus e de hreflang por meio de índices em disco, retém coleções completas de evidências no audit.v2 e rotula amostras limitadas de relações com suas contagens exatas de ocorrências.

Limita o cache de páginas pelos bytes Python decodificados estimados, além da contagem de entradas; páginas grandes sem cache continuam legíveis, e mutações invalidam seu peso antigo no cache. Mantém os rankings de tamanho HTML como pares escalares de URL e tamanho, estáveis, em vez de reter cada modelo completo de página, e evita reter JSON serializado de página em callbacks de mutação.

Retém apenas fatos escalares de URL, status, indexabilidade, canonical e redirecionamento ao verificar pares com e sem barra final, e fecha explicitamente as conexões SQLite do adaptador durável e do job remoto.

Transmite as contagens de cobertura de corpo indisponível e de charset, retém o estado escalar de seleção da página de confiança em vez das populações candidatas de páginas, e processa as correspondências de DOM do HTML armazenado em duas passagens sobre o índice fixo de arquivos. Preserva a ordem do representante das variantes normalizadas, os exemplos de URL existentes, a cobertura completa das fontes correspondentes e cada problema.

Valida o JSONL legado de checkpoints de crawl linha a linha antes de anexar, recusando evidências ausentes, corrompidas ou sem terminador, sem substituí-las. Compara checkpoints de formulários inline mais antigos com o seu sidecar, sem alocar uma segunda lista de formulários.

Retém listas explícitas de URLs com o gravador SQLite nativo, preservando a ordem exata de entrada, vários hosts e a semântica de modo sem descoberta. Transmite a entrada por arquivo de troca, preserva orçamentos de requisições e de tempo durante a retomada da coleta, retém evidências limitadas de resposta e de saltos, e mantém as verificações de grafo e de formulário explicitamente indisponíveis. Listas de diretórios grandes usam o mesmo spool, com uma ponte JSON de auditoria separadamente limitada.

Transmite relatórios audit.v2 em JSON, CSV, XLSX, Markdown e DOCX, compara populações de problemas de alta gravidade e mantém as operações de snapshot e prune pareadas com o companion, preservando o esquema scan.v1.

ledger…

Retém associações grandes de grupos ordenados uma única vez no armazenamento audit.v2 (revisão 3) e no ledger (revisão 5), com leituras de audit compatíveis com versões anteriores, migração atômica do ledger, paginação explícita de membros via CLI e MCP, e companions BI de associações completas vinculados à origem.

Preserva o digest audit.v2 de origem durante a reanálise offline; persiste o escopo incompleto dos grupos do ledger e fecha os recursos de ingestão em caso de falha na validação.

Reutiliza o resumo exato de capacidades do corpus enquanto um scan nativo somente de metadados não tem evidências de resposta, documento, corpo ou recurso. Assim evita leituras repetidas de todo o corpus a cada commit de página esparsa, sem alterar o armazenamento do scan.

contexto remoto isolado e o navegador em caso de cancelamento ou desconexão, sem fallback local.

de ambiente vinculadas ao host, com proveniência retida e redigida, e falha antes da coleta quando uma referência não estiver disponível.

versão, para um projeto em fila, mantendo o endpoint fora dos envios e preservando as requisições de navegador fixadas e sujeitas à política.

extraível e a conservação dos registros…

Valida o número de páginas, o tamanho em bytes, o texto extraível e a conservação dos registros do modelo de origem do PDF da auditoria técnica antes que um relatório renderizado seja publicado.

concorrentes, evidência por etapa e portões de revisão. Execuções interrompidas podem ser retomadas por uma sessão local posterior, mas só depois que as dependências atuais continuarem válidas.

triagem de notas de especialistas para os resultados de tarefa, meta, concorrente, bloqueado ou rejeitado.

retidos vinculados ao projeto contra seus recibos SHA-256. Evidência ausente ou alterada torna a conclusão anterior desatualizada, sem reescrever o histórico; os orçamentos de verificação nunca certificam evidência silenciosamente nem descartam o recibo dela.

políticas antigas.

A observação passiva de workflow verifica os metadados de verificação retidos sem recalcular o hash dos artefatos; recibos alterados ou não verificados continuam explícitos.

razões de cobertura honestas (#794). project-checklist-init / seo_project_checklist_init aceitam um plan opcional: um revisor, uma population de URLs declarada como complete_set, uma sample nomeada ou unknown, com sua source, size ou urls enumeradas, além de templates opcionais com populações por template e um acordo opcional de tasks (all_agreed, ou uma selection de IDs de itens de checklist já existentes). Tudo isso fica vinculado à identidade do site do projeto e carimbado com a revisão de escrita. Registrar um plano atualiza o checklist para seohead.coverage.v3 e acrescenta ao histórico de planos retido; registrar de novo um acordo idêntico é uma operação sem efeito, e um acordo alterado marca as evidências anteriores como desatualizadas, em vez de reavaliá-las com um denominador modificado. Documentos v3 de plano único são migrados na leitura. Ler, reconciliar ou aplicar prioridades nunca atualiza nem inventa uma população, e documentos v1/v2 continuam carregando sem alterações. Itens fora de uma seleção são reportados como not_agreed, visíveis fora de qualquer denominador.

apoiado por medição limitada…

A conclusão do checklist agora segue o escopo medido: um item automático no escopo do site, apoiado por uma medição limitada (scan parcial), continua pendente em vez de contar como concluído, enquanto um item com escopo em URLs de amostra explícitas ainda é concluído quando o artefato cobre exatamente esse escopo. O campo complete de nível superior agora significa que a auditoria no escopo foi concluída: todas as tarefas acordadas aplicáveis feitas, nenhuma exclusão pendente e a população de URLs acordada totalmente coberta por medições verificadas. Assim, um escopo desconhecido ou não medido nunca pode reportar uma auditoria concluída.

checks…

O status do checklist agora retorna coverage, com cinco razões separadas: audit_tasks, checks (com measured_urls), manual_review, deliverable_review e url_population. Cada uma tem seu próprio basis, numerator, denominator e state, para que uma contagem de URLs nunca se misture com uma contagem de verificações ou de tarefas. Um denominador que não pode ser justificado fica null com state: "unknown" e um motivo, em vez de virar 0/0 ou 100%. Medições que não podem ser verificadas contra a população acordada mantêm o eixo de URLs como partial e contam apenas URLs elegíveis verificadas. A pertinência às URLs é verificada contra a enumeração acordada, então uma população declarada apenas por size não conta URLs medidas, e o numerador nunca pode exceder seu denominador. Populações por template são validadas como subpopulações acordadas da população do site quando um plano é registrado ou lido: URLs enumeradas de template devem pertencer ao conjunto de sites enumerado, e a pertinência declarada de template nunca pode exceder o tamanho acordado do site. Um plano incoerente é recusado, em vez de ser cortado ou contado além do denominador. As evidências de verificação salvas agora carregam a enumeração de URLs medidas, de modo que o numerador de URLs é um conjunto auditável, e não uma contagem de linhas. A agregação de vários sites soma os eixos por site e cai para unknown sempre que um site não consegue justificar seu denominador.

Um registro not_applicable agora é uma exclusão revisada: exige um motivo, um revisor e uma base de evidência inspecionável, seja um artifact com hash vinculado ao projeto, seja uma referência explícita de evidence. Exclusões revisadas mantêm seu ID estável e seu histórico, saem dos denominadores de tarefas apenas por meio dessa decisão registrada e são listadas separadamente em exclusions. Um item desativado, um registro de exclusão desatualizado ou um registro not_applicable legado, gravado antes da regra de base de evidência, permanece dentro do denominador como pending_exclusion até ser revisado de novo. Assim, desativar, remover do catálogo ou reclassificar nunca reduz silenciosamente as contagens acordadas. Uma exclusão revisada nova em um item removido do catálogo é resolvida normalmente, em vez de ficar pendente para sempre.

evidência antes e depois, incluindo as linhas de base audit.v2 em streaming.

escopo completo, denominadores por tarefa e páginas de casos limitadas para ledgers grandes.

original que afeta os resultados. Um UUID de varredura reutilizado, sozinho, não consegue mais resolver um caso antigo.

sintética e o…

Documenta jobs pontuais de CLI via SSH, registros de artefatos e incidentes, recuperação sintética e o limite separado do futuro serviço: saúde, proxy, TLS e firewall.

configurações nativas de rastreamento limitadas, permissões com escopo por projeto, envio idempotente, schema OpenAPI e evidência compatível com o status de varredura. Exige workers duráveis separados e política de destino e egress. Instalações locais de CLI/MCP permanecem inalteradas (#784).

evidence-normalize lê uma exportação CSV/XLSX/JSON fornecida, ou um envelope salvo seohead.provider-evidence.v1, totalmente offline, e produz um documento versionado seohead.normalized-evidence.v1 com base em um manifesto opcional seohead.evidence-mapping.v1. Mantém a proveniência por campo (envelope, declarado ou desconhecido) para fonte, identidade do relatório, período, fuso horário, atribuição, mecanismo, cobertura de coleta e vínculo de URL. Um 0 medido continua zero, enquanto linhas ausentes, células nulas ou em branco, células de fórmula, valores suprimidos, períodos não coletados e coletas com falha ou ignoradas continuam explicitamente indisponíveis. evidence-join une a evidência normalizada a uma lista de varredura, auditoria ou páginas, sob a política de chave estrita external_join.v1 e apenas com relaxamentos explícitos. Ele preserva as populações com correspondência, só no rastreamento, só externas e não chaveáveis em sua granularidade declarada, e reporta colisões de chave em vez de multiplicar linhas. --compare com uma política declarada acrescenta uma decisão pura de compatível, incompatível ou desconhecido sobre período, fronteira de fuso horário, identidade, atribuição, mecanismo e granularidade, e informa a elegibilidade de quadrantes com zero medido para o trabalho de coorte posterior. Fontes restritas mantêm linhas e identificadores dentro de um artefato local privado e retornam apenas contagens.

achados retidos, detalhe de evidências, estado de visões salvas e de revisão, e avisos de caixa de entrada MCP explicitamente restritos ao escopo.

malformada de documento…

Preserva reivindicações de entrega incertas após a saída do processo ou uma confirmação malformada de documento, impedindo um segundo envio automático quando o aceite não puder ser estabelecido.

hash da fonte, contagens de população, cobertura e perfil. Reporta renderizadores ausentes e entradas acima do tamanho máximo antes do envio. Alinha o orçamento de JS do assistente completo ao contrato da fila compartilhada.

posse, deduplica atualizações confiáveis e isola status, cancelamento, recuperação e entrega por ator e chat iniciadores. Reexecuções idênticas e intencionais continuam sendo jobs separados.

reconcilia uma resposta perdida…

Registra o staging do Google Sheets antes de qualquer criação remota de stage e reconcilia uma resposta de início perdida pelas identidades determinísticas das planilhas de stage antes de tentar novamente.

alvos de aba duplicados e divergência de contrato de dataset, vincula a recuperação ao alvo exato configurado e retém o staging retomável após esgotamento de cota. Orça o crescimento da grade de destino antes da substituição atômica e reporta contagens de linhas não confirmadas em execuções interrompidas.

Valida companions de grupo completos e vinculados à origem antes de qualquer gravação no destino, preserva-os junto com os achados selecionados e divulga referências de pertinência apenas locais nos recibos do destino e da pasta de trabalho, sem afirmar que o companion foi enviado.

determinísticas, com uma aba Partitions de conservação de linhas, em vez de falhar no limite de linhas por aba do Excel.

.xlsx.index.json…

Divide as abas Findings e Pages do report-build no limite de linhas do Excel e emite um .xlsx.index.json com hash, com intervalos exatos de registros, população de origem, referências de seleção e cobertura. Preserva o relatório anterior quando falhas de gravação são capturadas e limpa os spools de streaming em caso de interrupção.

truncá-las, protege os metadados da aba Summary contra injeção de fórmulas e rejeita linhas de auditoria retidas malformadas antes que uma exportação incompleta possa declarar sucesso. CSV e JSON completos e a política limitada de visão geral em PDF continuam disponíveis.

exportações BI de achados selecionados, incluindo os motivos de verificações ignoradas, e oferece suporte à seleção exata de achados por segmento de escopo de rastreamento retido.

evidência de recuperação derivada e entrega opcional de serviço seguras para reinício.

arquivo antes…

Rastreamentos nativos de URL podem filtrar rotas descobertas pela extensão final do nome do arquivo antes das requisições, e pelo Content-Type real da resposta antes do parsing ou da retenção do corpo. As duas etapas de filtro registram suas decisões e preservam as evidências de links, status, cabeçalhos e redirecionamentos; os metadados de HTML filtrados continuam explicitamente não medidos. Recursos de script e folha de estilo mantêm seleção e orçamento de bytes independentes.

explícita como ignorada, em vez de tratar os padrões do parser como limpos ou como metadados ausentes observados.

discovery.external.crawl executa uma fase separada depois que a fronteira interna fecha, buscando cada destino de link de saída distinto uma única vez, com orçamentos próprios de external_checks.max_targets/max_hosts/max_requests/max_depth/max_redirects — nunca um percurso recursivo para fora do host. Os resultados (buscado, falhou, bloqueado, ignorado com a regra que recusou) são anexados a external_checks.jsonl no diretório da execução, mantêm a proveniência da página de origem, persistem ao retomar sem reabrir orçamentos já gastos e informam sua cobertura em discovery.external_checks, separada da completude do rastreamento interno. Exige discovery.external.store; é recusado pelo nome na rota SQLite nativa (--scan-out) até que esse coletor ganhe a fase.

A etapa de renderização do rastreador nativo agora expõe seu navegador pela configuração, em vez de fixar o Chromium: rendering.browser.engine seleciona chromium (ainda o padrão), firefox ou webkit pelo mesmo caminho protegido do Playwright; um nome desconhecido falha na validação das configurações, e não no lançamento; e um motor solicitado cujo binário não está instalado gera um erro de dependência que indica a correção (playwright install <engine>), em vez de cair silenciosamente no Chromium. A limitação documentada do Firefox é aplicada com honestidade: ele rejeita rendering.browser.mobile_emulation (is_mobile não é suportado ali), enquanto rendering.browser.touch_emulation (has_touch), que é independente, ainda chega ao contexto. Sondagens e renderizações completas compartilham uma única configuração efetiva, então um padrão nunca é escalado por um navegador diferente daquele que produziu a evidência.

dimensões arbitrárias de viewport ao lado das predefinições desktop/mobile, que continuam definindo o perfil exatamente como antes. O par é tudo ou nada e limitado a 1..16384 px; um par personalizado substitui apenas as dimensões da predefinição — não implica emulação de mobile ou de toque, que continuam sendo flags explícitas definidas pelo operador.

andamento durante a escalada, separadamente de speed.concurrency, que continua regulando a cortesia do rastreamento HTTP. O padrão 1 preserva o comportamento sequencial e não cria pool algum; acima de 1, sondagens e renderizações rodam em um pool de workers limitado, enquanto todo veredito, commit e escrita no SQLite permanecem na thread orquestradora, na ordem de submissão. O prazo de renderização, o orçamento de URLs e as políticas amostrada/completa valem mesmo com concorrência; um lote interrompido aguarda as páginas que já começou e nunca agenda novas; e workers interrompidos ou com falha não deixam thread, página, contexto ou navegador ativos após a chamada.

de páginas configurada são registrados no manifesto e na impressão digital do rastreamento, e na proveniência do renderizador de cada documento renderizado — inclusive em tentativas que falharam, que registram o que foi solicitado sem inventar uma renderização bem-sucedida. Os dois caminhos de escalada respeitam as configurações: o rastreamento de diretório e o scan nativo em SQLite, em que os candidatos a links renderizados entram na fronteira pela admissão já existente, com deduplicação, quando rendering.rendered_links.crawl está habilitado.

Preserva a proveniência de provedor/motor e métricas anuláveis, enfileira apenas os intervalos de disponibilidade ainda não cobertos e registra esperas por cota e novas tentativas limitadas em falhas transitórias.

exige um conjunto completo e recente de exportações antes da análise. A proveniência do perfil completo registra o manifesto de exportação verificado e a leitura da taxa de rastreamento; um limite de taxa explícito falha antes do rastreamento quando sua configuração base está ausente ou é inválida.

Reporting API com “Query is too complicated” agora é repetida em fatias por mês-calendário, com backoff de 5–15 s; uma fatia que ainda for recusada é reenviada com accuracy=0.1 amostrado. Somente métricas comprovadamente aditivas em períodos disjuntos (ym:s:visits, ym:s:pageviews) são mescladas — uma consulta de visitantes únicos, percentuais, médias ou métricas não verificáveis é recusada antes da primeira requisição de fatia, em vez de devolver um valor somado que estaria errado. As fatias são mescladas à medida que chegam, sob um único limite global de linhas que também limita os downloads: quando o limite se esgota, as partições restantes nunca são solicitadas e seus intervalos de datas são listados em split.unfetched — uma fatia interrompida no meio lista o próprio intervalo ali, com partial —; total_rows/totals do período inteiro permanecem desconhecidos quando os períodos não consultados os tornam impossíveis de saber, e a janela devolvida é marcada como parcial. Respostas mescladas reaplicam o sort do chamador (dimensões e métricas, ou o padrão da API, a primeira métrica em ordem decrescente), e a janela offset/limit é tirada do conjunto global mesclado. Os campos de amostragem refletem o que a API realmente informou (sampled, pior sample_share), e uma fatia que não os informa deixa o valor do período inteiro desconhecido — null na resposta da CLI/MCP, nunca um false inventado. contains_sensitive_data é o OR entre as fatias; min/max são recalculados sobre as linhas mescladas; células de métrica e totais ausentes ou malformados marcam o corpo como incomplete, em vez de lerem como zero. O bloco split mantém os períodos solicitados e resolvidos, o fuso horário usado e, por fatia, accuracy, tentativas, linhas descartadas e metadados de amostragem; uma partição que falha nomeia os intervalos concluídos e as accuracies esgotadas. Datas relativas (today, NdaysAgo) são resolvidas no timezone da requisição ou no fuso do próprio contador (time_zone_name, senão seu deslocamento em minutos) — nunca na data do host. Um período que não pode ser mapeado para datas (um atalho como month) ainda é repetido e amostrado antes de o erro ser relançado. Um accuracy explícito é respeitado em todas as formas documentadas (low/medium/high/full ou uma fração numérica como "1"): qualquer valor acima da amostra de último recurso mantém o fallback accuracy=0.1, enquanto uma configuração já mais baixa do chamador (low ou uma fração igual ou abaixo dela) é preservada, em vez de ser reamostrada para cima. Toda requisição tentada — inclusive a chamada recusada do intervalo inteiro — chega ao diário de gastos.

em vez do inexistente /search-urls; o novo broken_links_samples lê /links/internal/broken/samples; e a paginação respeita o limite documentado de cada endpoint por página (500 para consultas, 100 para as listas de amostras), em vez de enviar limit=500 em todos os casos (#713).

o formato da lista — inclusive um count menor que o número de linhas devolvidas —, pede por página no máximo o restante do orçamento de linhas, para que um corte por max_rows nunca leia além e gere um falso complete; expõe returned/truncated para uma única página não paginada, como fatia limitada; informa partial sempre que restarem linhas não lidas; e falha em páginas malformadas, em vez de declarar um resultado vazio como completo (#713).

explicitamente selecionada, reproduz subrequisições POST fixadas e informa falhas de verificação de certificado sem detalhes de transporte.

explícita em CA de fixture, a reprodução de POST, os limites de resposta e a rejeição de alvos privados, por meio de um interceptor CONNECT sintético e próprio, sem alterar a confiança da plataforma.

Alinha a regressão de roteamento de provedores ao contrato corrigido da requisição de frequência do Arsenkin Wordstat (#720, #779).

distintos — base é amplo (WS), quoted é a frase entre aspas (“WS”), overal é a forma exata da palavra (!WS), que é o que !W pede, e exact é a forma de ordem estrita ([!WS]).

Remove a pontuação que o provedor recusa antes do envio: uma única frase contendo / ou aspas fazia o provedor rejeitar o lote inteiro com 422 JSON_VALIDATION_ERROR. As frases reescritas são informadas em cleaned, para que quem chama veja quais foram medidas em outra forma.

provedor. Uma frase cujo resultado cita apenas outras regiões é omitida e listada em warnings, em vez de pegar emprestados os números de outra região.

ready e o novo campo components passam a vir dos mesmos componentes de credencial (bearer OAuth, concessão durável ou conta de serviço), em vez de apenas do arquivo bearer; assim, uma conta de serviço configurada deixa de aparecer como se o GSC não estivesse configurado. O componente de conta de serviço agora valida o próprio documento JSON (arquivo regular privado, tamanho limitado, tipo service_account, a URI exata de token do Google e os campos obrigatórios), e os dois blocos do doctor informam um enum seguro service_account_status (missing, unsafe_file, too_large, unreadable, malformed_json, unsupported_shape ou configured_unverified). Assim, um arquivo grande demais, ilegível ou malformado continua distinguível de um arquivo configurado mas não verificado, sem expor seu conteúdo.

Os artefatos de scan do crawl-site agora registram finished_at e um ciclo de vida finished assim que cada linha aceita da fronteira atinge um estado terminal, inclusive em execuções cuja evidência retida é parcial: crawl_partial já informa observações omitidas, então uma fila esvaziada não aparece mais como captura interrompida em scan-status, scan-list ou no histórico (#712). Uma execução explicitamente interrompida — abortada antes de aceitar trabalho, cancelada ou parada pelo circuito de erros — mantém interrupted e o motivo registrado, mesmo depois que a fila esvazia, inclusive via resume_or_finalize; assim, os caminhos de parada nunca recebem um carimbo de finalização falso.

corpus retido, em vez de falhar em sites de tamanho normal: o prazo de abrir e validar o scan é calculado pelo tamanho do artefato, e cada leitura de documento tem prazo próprio; assim, um corpus de 1.500 páginas não termina mais em interrupted. O orçamento de bytes de entrada do corpus mede o que o analisador realmente retém — Markdown extraído para duplicatas e um digest por página para boilerplate — e não o tamanho bruto do HTML. Ao atingir um limite do corpus, a cobertura é informada como parcial, com as contagens exatas de preparados e elegíveis e o limite que interrompeu a leitura (#710).

ValueError…

report() e by_time() do Metrika agora rejeitam offset < 1 localmente, com um ValueError, em vez de repassá-lo à Reporting API, que responde offset=0 com HTTP 400. Novos testes offline fixam o contrato com base 1 em metrika-report, seo_metrika_report e aggregate_report do provider-collect, e verificam que as condições de parada paginadas (total_rows, ROW_CAP) contam as linhas puladas antes de um offset diferente do padrão (#707).

metrika-traffic-pdf no macOS: o Chrome grava o PDF e continua rodando; o navegador agora é iniciado sem esperar e encerrado assim que o PDF é verificado.

leitura summary, diagnostics, sqi_history, search_history, query_history, in_search_history, events_history, indexing_history, important_urls, broken_links_history, external_links_history; params para datas e indicadores; paginação das listas de consultas e de amostras de rastreamento (#713).

com HTTP 400 a todas as requisições enviadas com offset=0 (#707, #728, #729).

e adiciona um script de consentimento no navegador que armazena uma concessão somente leitura do Search Console.

/sitemap.xml, e informa a expansão de sitemap que falhou por completo como ok: false.

registra a nova sessão sem reter os valores dos cookies; rastreamentos com credenciais ou perfil persistente continuam não retomáveis.

--input com caminho de scan e o --json-input legados continuam funcionando por uma versão, com aviso.

O crawl-site em modo URL agora grava, por padrão, um scan SQLite nativo à prova de colisão na pasta scans/ do chamador. --out-dir continua como rota legada explícita para diretório, enquanto a entrada por lista e as configurações de cache live/replay indicam essa rota, em vez de mudar o modo de coleta silenciosamente.

scans SQLite nativos quando não há um checkout de código-fonte disponível.

no 302…

Substitui, na skill de auditoria empacotada, as afirmações não suportadas de perda fixa de sinal no 301 e de ausência categórica de autoridade de link no 302 por orientações sobre intenção permanente ou temporária e URL canônica de destino, citando o Google Search Central. Redirecionamentos temporários continuam válidos para mudanças temporárias; um código de status isolado não mede perda de ranqueamento.

smartphone nas requisições brutas e nas feitas pelo navegador. Um --user-agent explícito está disponível pela CLI e pelo MCP, e cada comparação, completa ou parcial, registra a identidade efetiva e o tamanho da viewport.

problemas voltados ao leitor e as evidências salvas de reprodução, em vez de identificadores do registro ou nomes de coletores. Registros históricos sem evidência suficiente declaram essa limitação explicitamente, enquanto os artefatos de auditoria em JSON permanecem inalterados.

segunda passagem…

Coloca o controlador do projeto no início do README e apresenta o Screaming Frog como uma segunda passagem de conferência cruzada, e não como padrão de paridade.

versão 1.29 ou posterior.

visuais desatualizados e contadores promocionais, e mantém links para as referências geradas da superfície atual da interface.

CLI/MCP e limites precisos sobre o corpus retido, o navegador e os provedores.

contratos de…

Alinha a documentação do artefato SQLite ao corpo nativo, ao histórico e aos contratos de reanálise offline que já estão no código (#666). A tabela de campos da página tardia agora é verificada contra o mapeamento do importador, para que uma observação antiga em JSONL continue como NULL no SQL, e não vire um valor “limpo” inventado.

canonical secundária, versão HTTP e amphtml quando os campos de origem não foram coletados.

nomeadas.

rendered_bodies em um resultado de crawl-site informa quantos DOMs renderizados foram retidos e o motivo de cada um que não foi, e a CLI imprime isso junto da linha de conclusão, em vez de deixar tudo a cargo de uma flag de capacidade que diz “partial” tanto para um DOM ausente quanto para todos eles. Uma execução que não descartou nada não imprime nada extra. As contagens são lidas de volta do artefato do scan, então um scan concluído continua respondendo à mesma pergunta depois.

essa tag (#654).

rules.check_og inclui og:url entre as missing_tags de uma página sempre que o campo estiver vazio, mas o caminho nativo nunca lia essa tag: não havia og_url em PageRecord, nenhuma coluna og_url em scan_v1.sql e nenhum OG:URL na projeção Internal:All que crawl/evidence.py monta. A coluna só existia do lado do Screaming Frog, onde normalize sempre resolveu OG:URL; assim, uma exportação do site enxergava o valor real, e um rastreamento nativo do mesmo site acusava um defeito — um campo não medido apresentado como medido, em toda página de todo rastreamento nativo, independentemente do que a marcação dizia. Agora a tag é lida onde já são lidas as outras três (o parser já devolvia og:url), armazenada em pages.og_url anulável — anulável como qualquer outra coluna adicionada depois, para que um registro gravado antes da coleta continue distinguível de uma página que não declara a tag — e projetada como OG:URL. Este é o lado de coleta da costura cujo lado de leitura o #646 corrigiu. tests/test_open_graph_seam.py ganha um terceiro site de teste, cujas páginas têm Open Graph mas não têm og:title, para que o achado realmente dispare e sua lista possa ser lida: uma página declara og:url e não pode ser apontada como sem ela; a outra não declara e precisa ser apontada. O teste que importa audita as duas páginas duas vezes — uma a partir do rastreamento e outra a partir de uma exportação Internal:All que descreve as mesmas duas páginas — e exige o mesmo veredito. O #646 e o #654 foram ambos casos de dois caminhos discordando sem nenhum teste que os abrangesse.

html_bodies em um resultado de crawl-site informa quantos corpos HTML de página buscados foram retidos e o motivo de cada um que não foi, e a CLI imprime isso junto da linha de conclusão, em vez de deixar tudo a cargo de uma flag de capacidade que diz “partial” tanto para um corpo ausente quanto para quatro quintos deles. Uma execução que não descartou nada não imprime nada extra. As listas de cabeçalhos de requisição e resposta redigidas agora mantêm os nomes dos cabeçalhos que a redação removeu, em x-seohead-redacted-headers, nunca os valores: duas respostas cujos corpos foram tratados de forma diferente antes registravam listas de cabeçalhos byte a byte idênticas, então quem lia o artefato não conseguia saber por que um corpo estava ausente.

changelog.d/…

Move as entradas do changelog de CHANGELOG.md para um arquivo por mudança em changelog.d/, para que um pull request deixe de conflitar com todos os outros que foram mesclados antes dele (#638). Cada branch adicionava sua entrada no topo de ## Unreleased, o que fazia dessa única linha o ponto de disputa do arquivo: nove resoluções manuais em oito pull requests, em duas sessões, cada uma um re-push e uma nova execução de CI, e a resolução era sempre “manter nosso bloco, depois o deles”. Um conflito cuja resposta nunca varia não traz informação nenhuma, e é uma chance de perder um parágrafo enquanto se pensa em outra coisa. A correção de .gitattributes proposta na issue — CHANGELOG.md merge=union — foi medida e descartada antes disso: o union mescla linha a linha, então, quando as duas entradas contêm uma linha idêntica (uma linha em branco dentro de uma entrada já basta), ele mantém uma cópia e informa sucesso, apagando a linha da outra entrada sem conflito e sem aviso. Um primeiro teste, com linhas deliberadamente distintas, mesclou sem problemas e escondeu isso. Trocar um conflito ruidoso por perda silenciosa de dados é estritamente pior que o conflito, então foi enviada a correção estrutural.

de cada…

Um fragmento recebe o nome da issue que ele fecha (changelog.d/638.md), a chave que é única para cada branch por construção: um pull request que fecha duas issues gera dois fragmentos, um por issue, e uma mudança que não fecha nenhuma gera no-issue-<slug>.md. Um fragmento contém a entrada exatamente como ela deve aparecer no changelog — um ou mais bullets de primeiro nível com suas linhas de continuação, sem front matter e sem invólucro —, de modo que as entradas em prosa de vários parágrafos que este arquivo traz são preservadas byte a byte, sem serem reformatadas em uma linha. python scripts/build_changelog.py as incorpora em ## Unreleased na hora da release, ordenadas pelo número da issue e não pela ordem que o sistema de arquivos devolver, e --prune remove os fragmentos que foram incorporados. A montagem substitui toda a região entre dois comentários-marcadores, em vez de inserir algo nela, então executá-la duas vezes produz o mesmo arquivo nas duas vezes, tenham ou não os fragmentos sido removidos entre elas. O CHANGELOG.md em si não é regenerado a cada pull request, de propósito: um gate que o mantivesse sempre sincronizado colocaria as duas branches de volta no mesmo arquivo e recriaria o conflito que isto elimina.

verificar…

Os gates de documentação que liam CHANGELOG.md eram o risco, porque um gate que deixa de verificar algo em silêncio é pior que os conflitos. Ambos foram encontrados e agora cobrem os fragmentos: tests/test_docs_drift.py tinha CHANGELOG.md em PUBLIC_MARKDOWN, então o gate somente em inglês, o gate de “referencia apenas comandos existentes” e o gate de contagens desatualizadas agora leem também changelog.d/*.md, e os dois gates de deriva de contagem ignoram um fragmento pelo mesmo motivo que ignoram o changelog — uma entrada registra o que era verdade no momento em que foi escrita. tests/test_doc_counts.py exclui deliberadamente o changelog da sua varredura de contagens ao vivo, e sua lista de arquivos nunca chega a changelog.d/, o que dá a mesma resposta pelo mesmo motivo; tests/test_doc_commands.py, tests/test_docs_commands_execute.py e tests/test_examples_gate.py nunca leem o changelog. Um novo tests/test_changelog_fragments.py fixa cada uma dessas respostas, junto com a nomeação de fragmentos, a ordem determinística, a montagem idempotente e o fato de que duas branches concorrentes simuladas, cada uma adicionando um fragmento, se mesclam sem conflito.

A rota de renderização fixada lia a origem pelo stream não decodificado do httpx e entregava esses bytes ao Playwright junto com o content-encoding da origem. route.fulfill nunca aplica uma codificação de conteúdo ao corpo que recebe, então o Chromium interpretava o gzip como text/html e montava um DOM a partir do fluxo comprimido: sem título, sem h1, sem canonical, sem links, e um tamanho renderizado igual ao tamanho transferido. Todo site que compacta seu HTML — quase todos — voltava com ok: false, reason: incomplete_render, e a mensagem culpava a renderização, sugerindo --wait domcontentloaded ou um --timeout maior, quando a renderização tinha terminado perfeitamente. seohead.tech registrava 22.435 bytes renderizados contra 121.793 brutos; agora registra 123.048, com o título real e 31 links. A rota passa a ler a entidade já decodificada, remove content-encoding do que encaminha (content-length já era removido como hop-by-hop, então o Playwright informa o tamanho do corpo que de fato recebeu) e pede à origem apenas as codificações que este cliente sabe decodificar, em vez de repassar o convite que o próprio Chromium faz para br e zstd. Uma codificação que chegue sem decodificação aborta a requisição e se identifica pelo nome, porque deixá-la passar reproduziria o bug em silêncio. O limite de bytes agora conta bytes decodificados, que é o corpo que o renderizador enxerga — antes, uma bomba de compressão passava pelo limite já comprimida.

parse_html armazena cada tag pelo nome completo da propriedade — {"og:title": ...}, como diz a própria docstring —, e crawl/collect.py pedia ao mesmo dicionário "title", "description" e "image". dict.get respondia None em todos os casos, então og_title, og_description e og_image ficavam vazios em todas as páginas de todo rastreamento nativo já executado: 0 de 40.920 páginas tinham algum desses valores na execução que revelou o problema, em um site cujas páginas publicam Open Graph. Era a regra central do repositório invertida — um campo não medido lido como medido —, e o problema se propagou, porque crawl/evidence.py projeta essas colunas em OG:Title, OG:Description e OG:Image do quadro Internal:All, então uma verificação via rastreamento nativo via vazio, enquanto via exportação do Screaming Frog do mesmo site via o valor real. O contrato de honestidade de check_og escondeu o dano em vez de mostrá-lo: sem nenhuma coluna OG preenchida em lugar nenhum, a verificação era ignorada, e um site com Open Graph era auditado de forma idêntica a um site sem ele. O parser não mudou; só o lado de leitura foi corrigido. Um novo tests/test_open_graph_seam.py faz o rastreamento de dois sites de teste em loopback e acompanha o valor do parser até pages.jsonl, depois até a tabela pages do artefato de scan e por fim até as colunas OG:* do quadro; rastreia um segundo site sem Open Graph para separar “vazio porque ausente” de “vazio porque não foi lido”; e fixa o formato de chave do parser no mesmo arquivo. A falha era dois módulos corretos discordando sobre o nome de uma chave, sem nenhum teste que abrangesse os dois.

157 para 161…

Responde à pergunta “este site está bem linkado, e onde está mal linkado”, ampliando o registro de 157 para 161 verificações e adicionando a skill internal-linking (#634). As peças já existiam — cada aresta com sua posição, âncora e flag nofollow na tabela links, ORPHAN_PAGE, INLINK_BOILERPLATE_ONLY, LOW_LINK_SCORE —, mas nada as transformava em uma resposta sobre o grafo. Uma auditoria de 40.920 páginas trouxe o título errado por horas por causa disso: 66% do sitemap foi reportado como inalcançável por links internos, um número produzido pela subtração da contagem de URLs do rastreamento da contagem do sitemap, o que mede “o rastreador não chegou lá”. Percorrendo as 5.252.235 arestas do próprio artefato a partir da home, a alcançabilidade ficou em 91,9%. O defeito real era a profundidade: 23.742 páginas — 58% do site — estavam a mais de dez cliques da home, e a mais profunda ficava a 3.005, porque o arquivo é uma lista encadeada de links “próximo post” em vez de uma árvore. A profundidade de cliques agora é o título que a auditoria imprime. summary.internal_linking traz o histograma, o máximo, a divisão entre alcançáveis e inalcançáveis, as arestas internas por posição na página e quantas arestas repetem outra aresta, e audit.md apresenta isso ao lado do resumo de saúde. O percurso começa na URL com que o rastreamento de fato começou, nunca em pages.crawl_depth: essa coluna registra onde o rastreador por acaso alcançou uma URL, e um rastreamento semeado pelo sitemap registra 0 para a maior parte do site, então um percurso semeado a partir dela descreveria outro lugar. Quando nenhuma URL inicial foi registrada e mais de uma página declara profundidade 0, a medição se recusa a rodar e informa quais são.

DEEP_CLICK_DEPTH dispara em uma página indexável cujo caminho mais curto a partir da URL inicial excede thresholds.click_depth_max (padrão 10, e cada problema informa o número que usou). DUPLICATE_INTERNAL_LINK dispara em uma página que escreve o mesmo destino e a mesma âncora mais de uma vez: no site acima, 509.744 de 1.134.307 arestas — 44,9% — eram repetições, e se tratava de um mesmo cabeçalho emitido duas vezes, com a segunda cópia removida por JavaScript, um defeito de template que exigiu um script escrito à mão para ser encontrado. LINK_INSIDE_HEADING e IMAGE_LINK_WITHOUT_TEXT precisam do que a região da página de um link não consegue informar — a cadeia de ancestrais da própria âncora e o seu conteúdo —, então um rastreamento nativo agora registra um link_placement_json pequeno e limitado por página, ao lado do esquema de títulos, e ambas as verificações são ignoradas pelo nome em uma exportação do Screaming Frog, em vez de rodar sem ter o que analisar.

Uma aresta sem posição registrada é contada como unclassified e nunca é somada a content: link_position.classify vem desligado por padrão, o que deixa isso em todas as arestas, e uma execução nesse estado deve ser lida como “ninguém olhou”, e não como um site cujos links são todos texto do corpo. Uma posição ausente da distribuição é informada como “nenhuma aresta classificada aqui”, e não como uma região que o site não tem — as regras são testadas em ordem, e um menu dentro de <header> casa primeiro com nav. Um rastreamento parcial retira o veredito de profundidade de cliques esteja ou não disparado, porque uma fronteira nunca buscada pode conter o caminho mais curto; uma verificação que não encontra nada em silêncio seria lida como “todas as páginas estão dentro do limite”.

para 157 verificações (#632). As oito verificações de título existentes julgam os títulos como um conjunto: podem afirmar que uma página tem um H1 e quatro H2, e nada além disso. Assim, uma página cuja ordem no DOM é H2, H2, ..., H1, H2 passava em todas elas, e também passava uma página cujos H2 eram todos rótulos de menu no cabeçalho — encontrado em um site no ar como um template de artigo com dezoito títulos antes do próprio H1, e reportado como limpo em títulos. O que faltava era a evidência, não a regra: pages guardava h1, h1_2 e h2 — três strings sem ordem nem lugar. Um rastreamento nativo agora registra o esquema completo h1-h6 em ordem de DOM, cada título com seu nível, texto e região da página, em uma nova coluna anulável heading_outline_json, e HEADING_BEFORE_H1 e HEADING_IN_PAGE_CHROME o leem. A região reutiliza a taxonomia que a classificação de links já usa (nav, header, sidebar, footer, content, other), de modo que “no cabeçalho” signifique a mesma coisa sobre um título que já significa sobre um link. Um título que nenhuma regra de posição casou só é posicionado em relação à área de conteúdo quando o documento nomeou uma — um <main>, um [role=main], um <article> ou um seletor configurado; quando a raiz de conteúdo recai no <body> inteiro, chamar um título de “conteúdo” não significaria mais do que “algum lugar da página”, então a região é registrada como não medida e a página entra nas verificações ignoradas da execução com esse motivo, sem ser aprovada como limpa nem marcada como defeito. A ordem não precisa de região, então HEADING_BEFORE_H1 continua respondendo para essas páginas. Uma exportação do Screaming Frog não traz esquema nenhum, e as duas verificações são ignoradas pelo nome ali.

EMPTY_ROBOTS — o substituto que _fetch_robots devolvia em todos os caminhos em que o robots.txt não podia ser lido — ainda tinha o formato de robots já analisado, anterior ao parser ganhar grupos e sitemaps. O caminho de sucesso devolve o formato de parse_robots, e esse é o único formato que o contexto robots_summary do artefato de scan aceita; assim, no modo --scan-out, um rastreamento era abortado com native parsed robots summary is invalid sempre que o robots.txt estava inacessível, respondia 429 ou 5xx, redirecionava para fora do host, entrava em loop, passava do limite de saltos ou devolvia um corpo que não era text/plain — ou quando era um 404 simples, que não é erro nenhum, mas o caso “sem restrições” da RFC 9309 e o mais comum dos sete. As duas saídas documentadas se perdiam atrás daquela única linha: um robots.txt ausente agora permite o rastreamento sem restrições novamente, e um robots.txt indisponível interrompe a execução com a nota dizendo qual das seis formas de falha ocorreu. O modo de diretório legado nunca notou o problema, porque nada lê as chaves antigas. Encontrado em um site no ar cujo robots.txt redireciona com 302 para um endpoint de sincronização de cookies, para qualquer user agent que não reconhece.

Um rastreamento nativo imprimia sua taxa efetiva de requisições e depois nada até terminar; em um site de 34.000 páginas, a única forma de saber que ainda estava trabalhando era ver o arquivo de scan crescer no ls -la. Agora a linha se atualiza no lugar em um TTY, com páginas buscadas, URLs conhecidas até o momento, o percentual desse conjunto, a taxa atual de requisições numa janela móvel, o tempo decorrido e o tamanho do artefato de scan quando --scan-out está gravando um. O que ela deliberadamente não faz é sugerir um total que não pode conhecer: um rastreador descobre a própria carga de trabalho, então o denominador é fetched + queued, limitado ao orçamento de URLs, é rotulado como known e não como total, e uma linha de cabeçalho impressa uma vez informa que a fronteira ainda está crescendo e que o percentual não é uma estimativa de quando a execução vai terminar. Uma taxa não mensurável aparece como rate n/a, nunca como 0.0 req/s. Os dois números vêm das estruturas do próprio rastreamento — para um scan SQLite, da mesma consulta resume_snapshot que o laço de coleta usa como guia —, de modo que o que aparece na tela é o que o artefato contém naquele instante, e não um contador paralelo que possa se desencontrar dele. Uma saída não interativa (um pipe, um arquivo de log, CI) recebe uma linha simples a cada 30 segundos, em vez de redesenhos com retorno de carro, e um novo -q/--quiet silencia tanto a linha de progresso quanto a linha de taxa de inicialização, deixando intacto o resultado JSON na saída padrão.

155 verificações. PAGINATION_MULTIPLE e PAGINATION_URL_NOT_IN_ANCHOR reportam uma página que declara dois sucessores diferentes, ou uma cuja URL declarada não é também uma âncora na mesma página. Os sucessores são comparados depois da normalização de URL — a mesma identidade que a metade de âncoras usa —, então /blog/page/2 e /blog/page/2/ vindos de dois plugins são um só sucessor escrito de duas formas, e não uma série ambígua. PAGINATION_URL_NOT_IN_ANCHOR precisa do inventário completo de links da página e lê a exportação All Inlinks para isso; PAGINATION_MULTIPLE não precisa, e agora lê primeiro as colunas mais leves de ocorrência rel="next" 2 / rel="prev" 2 do Internal:All, do mesmo jeito que CANONICAL_MULTIPLE já responde a partir de Canonical Link Element 2 — All Inlinks é só um fallback para um perfil cujo Internal:All foi gravado sem essas colunas. PAGINATION_SEQUENCE_ERROR reporta uma quebra em uma sequência de números de página que a série de outra forma segue, conforme a ressalva da própria issue: uma série pode começar em um número diferente de um, um passo não é uma quebra, e uma série cujas URLs não declaram número de página é marcada como não avaliada, em vez de julgada contra uma numeração que teria de ser inventada. Toda série que ficou sem julgamento é listada entre as verificações ignoradas da execução, com o motivo verdadeiro *para aquela série* — um passo, um ciclo, uma série curta demais para conter uma sequência e um número de página ilegível são quatro afirmações diferentes, e três delas descrevem séries cujas URLs declaram todas o seu número. A contagem é por série, não por execução, então o formato usual do WordPress (a página um em /blog/ sem número, e as demais em /blog/page/N/) não pode desaparecer atrás de uma série julgável em outro ponto do mesmo rastreamento.

O geo_guard verificava apenas a string consultiva country, então search_volume/keyword_ideas/keyword_difficulty/serp ainda podiam chegar ao endpoint ao vivo do DataForSEO com location_code=2643 (Rússia) ou 2112 (Bielorrússia) sempre que quem chamava informasse o código numérico do alvo geográfico sem preencher também country; a guarda agora verifica location_code primeiro, pois é esse o campo que de fato é cobrado. Além disso, uma exceção de rede (URLError/TimeoutError/SSLError) durante uma chamada cobrada — o post do DataForSEO, o /set do Arsenkin e wordstat.topRequests/wordstat.dynamics/web.searchAsync do Yandex Cloud — costumava repetir o mesmo payload sem chave de idempotência, registrando apenas a tentativa que finalmente devolveu uma resposta. Nenhum dos três provedores oferece mecanismo de idempotência para esses endpoints, então uma resposta perdida não é mais repetida: a tentativa é registrada no livro de gastos (custo desconhecido, marcada como attempt_failed: network_error) e a chamada falha de vez, em vez de arriscar uma segunda cobrança. Leituras idempotentes (/check e /get do Arsenkin, polling de operações do Yandex Cloud) não foram afetadas e continuam repetindo. yandex_cloud.WebSearch.search_batch isola a submissão perdida à própria consulta, em vez de abortar o lote inteiro. metrika.py repete erros de rede da mesma forma, mas não é cobrado em dinheiro e não foi alterado; fica sinalizado para um acompanhamento caso a criação de exportação do Logs API deva receber o mesmo tratamento por motivo de cota.

correção da…

Fecha uma brecha de DNS rebinding em http_client() (#142): pinned_target(), a correção para a janela de TOCTOU descrita em #14, protegia apenas o fetch em modo lista de collect.py — os outros quatorze pontos de chamada, incluindo o motor de crawl-site do spider.py, deixavam o httpx resolver o DNS uma segunda vez, de forma independente, para abrir o socket. Assim, um resolvedor hostil que respondesse a essa segunda consulta de modo diferente da consulta da própria guarda podia alcançar 169.254.169.254 ou qualquer endereço RFC 1918, independentemente do veredito da guarda. http_client() agora monta todos os clientes sobre um transporte que fixa a conexão ao endereço que ele mesmo resolve — na primeira requisição e em cada salto de redirecionamento —, mantendo o hostname apenas para o cabeçalho Host e para o SNI do TLS. A correção é, portanto, estrutural, e não uma disciplina que cada chamador precisasse lembrar. SEOHEAD_ALLOW_PRIVATE_NETWORKS/SEOHEAD_ALLOW_PRIVATE_HOSTS continuam inalterados.

do leitor…

Expande docs/scenarios/ de dez cadeias para cinquenta e seis, agrupadas pela pergunta com que o leitor chega (#120). Quais cenários existem é decidido pelo mapa de cobertura, e não pelo gosto: cada um declara as issues catalogadas que resolve, e tests/test_scenario_coverage.py afirma que toda issue que este toolkit diz encontrar aparece em pelo menos um cenário, que nenhum cenário cita uma issue que o mapa não lista e que nenhum deixa de fora suas limitações. Todas as 143 issues encontráveis estão cobertas. Cada comando de cada arquivo continua sendo executado contra o site de teste no CI — a suíte roda 2.008 testes, dos quais o gate de comandos de documentação é agora o maior grupo isolado.

de 50.000…

Afirma os próprios limites do protocolo de sitemap (#124): SITEMAP_TOO_MANY_URLS para mais de 50.000 entradas em um único arquivo, SITEMAP_TOO_LARGE para mais de 50 MB sem compactação, e SITEMAP_URL_DUPLICATED para uma URL declarada em mais de um sitemap, nomeando os dois documentos. Um arquivo que ultrapassa qualquer um dos limites é inválido, não apenas grande — um mecanismo de busca pode ler parte dele e descartar o resto sem que o dono do site veja nada —, e os limiares vêm do protocolo, não da configuração. Os dois parsers agora registram o tamanho em bytes e a contagem declarada de cada documento, e os problemas nomeiam o sitemap filho, não o índice. O registro passa de 118 para 121 verificações.

normalizada.

O seeder de sitemap solicita o endereço como o sitemap o publicou, e não sua forma normalizada (#115). sitemap.crawl() devolvia apenas o loc normalizado, então um sitemap que declarava /a/ provocava a busca de /a — na maioria dos CMSs, um 301 que o crawler inventava e depois reportava como fato sobre o site, e um 404 onde a forma sem barra final nem é roteada. Cada entrada agora traz o loc como publicado, junto com loc_normalized para os consumidores que comparam por ele. Estatísticas de redirecionamento de rastreamentos anteriores semeados pelo sitemap são suspeitas por esse motivo.

.claude/skills/ agora tem dois níveis: 21 skills de método, cada uma cobrindo uma coisa bem, e control/, que decide quais delas rodar em um site que ninguém ainda analisou. O controlador roteia em vez de repetir o conteúdo, e traz cinco sub-skills carregáveis (escopo, taxa e carga, leitura de uma auditoria, verificação e entregáveis) e um arquivo de referência com três partes (defeitos encontrados em sites no ar e o que revelou cada um, qual população cada verificação descreve e o que o toolkit não consegue responder de jeito nenhum). Os gates somente em inglês e de comandos de documentação agora cobrem todo arquivo Markdown sob um diretório de skill, e não apenas SKILL.md.