CacheDB: 2026-04-28 08:26:54

3002-recomendacao-fase2

recomendacao-fase2

B Difficulty

README.md Preview

# 3002 - Streamio: Análise de Engajamento | **Version**: 1.0
`recomendacao-fase2` | Difficulty: **B** | **Updated**: 2026-04-16 09:42:19

**Sync Status:** ✅ Local: OK | ✅ Maratona: OK | ✅ API: OK (16/03/26 15:39)

## Overview
Sistema de análise comportamental para a plataforma Streamio utilizando Mapas e Conjuntos para calcular métricas de engajamento e interseção de interesses entre usuários.

## Metadata
- **Author**: alessio
- **Editorial Author**: alessio
- **Editorial**: A solução utiliza Mapas para gerenciar perfis de Usuários (ID -> Mapa de Notas) e Filmes (ID -> Atributos). As operações centrais envolvem Teoria dos Conjuntos: 'Não Avaliados' requer a diferença entre o conjunto total de filmes e os avaliados; 'Diretores Comuns' exige a interseção entre os conjuntos de diretores cujas obras foram apreciadas pelos dois usuários. A eficiência é garantida pelo uso de HashMaps e HashSets (O(N log N)).
- **Success Msg**: Incrível! Você construiu um motor de análise de dados robusto!

| Time Limit | Memory Limit | Time Complexity | Space Complexity |
| :--- | :--- | :--- | :--- |
| 1s | 128MB | O(N logN) | O(N) |

## Stats
| Metric | Count |
| :--- | :--- |
| Test Scenarios | 11 |
| Solutions | 2 |

## Statements
| ID | Status | Level | Natural Languages | Skills |
| :--- | :--- | :--- | :--- | :--- |
| `a-recomendacao-fase2` | ✅ | A | en, pt | movies-series, wok |
| `a-wok-fase2` | ✅ | A | pt | wok |

## Test Scenarios
| Name | Description | Count | Type | Level | Skills | DB Sync |
| :--- | :--- | :--- | :--- | :--- | :--- | :--- |
| **Estresse e Análise Assintótica** | Valida a eficiência da solução com grande volume de dados. | 1 | Performance | A | hashing, recommender-systems | ✅ 1/1 |
| **Ordenação e Unicidade** | Valida a remoção de duplicatas de diretores e ordenação correta. | 2 | TDD | B | sorting, hashing | ✅ 2/2 |
| **Sobrescrita de Avaliações** | Valida se o sistema trata corretamente múltiplas avaliações do mesmo usuário para o mesmo filme. | 1 | TDD | B | hashing | ✅ 1/1 |
| **Lógica de Hater e Arredondamento** | Testa casos específicos de empate no critério Hater e precisão decimal. | 3 | TDD | C | data-analysis | ✅ 3/3 |
| **Desempate de Precisão Decimal** | Testa casos de rounding crítico (ex: .335) para validar a precisão de saída. | 1 | TDD | C | data-analysis | ✅ 1/1 |
| **Exemplo Base do Enunciado** | Caso básico fornecido no documento para validar o fluxo principal de entrada e saída. | 3 | TDD | D | data-analysis, recommender-systems | ✅ 3/3 |

## Solutions
- **Implementação Principal (Java)** (`a-otima-java`)
  - Languages: `java`
- **Implementação Principal (Python)** (`a-otima-python`)
  - Languages: `py`

## Components
- ✅ Statements
- ✅ Solutions
- ✅ Test Cases

Actions

Workflow do Problema

Local Workspace

Pasta criada no disco
Metadados

Informações básicas preenchidas
Validação

Soluções passam nos testes
4

Sincronização

Enviado para DB e GitLab

Components

Statements ✅
Solutions 2 ✅
Test Cases 13 ✅

Database Info

DB ID 3002

Name Streamio: O Motor de Buscas

Time Limit 2.0s

Mem Limit 274 MB

Version 0.8

Difficulty Level O

Test Cases 13

🚀 Quick Prompts

Structure Scaffolding

Generate metadata & folder structure

ID: 1.1

Context & Description

Draft description & editorial

ID: 1.2

Statements List

ID	Level	Natural Languages	Skills	Status	Action
a-recomendacao-fase2	A	a b c d	movies-series, wok	✅
a-wok-fase2	A	a b c d	wok	✅

Statement Details

Select a statement above to view details.

Actions

Statistics

2 Total Statements

By Type (ID)

a-recomendacao-fase2 1
a-wok-fase2 1

By Level

Level A 2

🚀 Quick Prompts

Statement Analysis

Analyze ambiguity & clarity

ID: 2.1

WOK Statement Generation

Rewrite in WOK Universe theme

ID: 2.2

Statement Expansion

Expand to 4 difficulty levels

ID: 2.3

Database Test Cases 13 cases

ID	Rank	Status	Scenario	Filename	MD5	Description	Image	Disk Sync
14553	10	Sample	`d-sample` TDD	`sample-01`	I `acd0ed75fbb35d21e6253484a40f91bc`	-	-	✅ Linked
14553	10	Sample	`d-sample` TDD	-	O `2ac2cc3fa28811703d3573d0b733260a`	-	-	✅ Linked
14554	20	Sample	`d-sample` TDD	`sample-02`	I `6f61f05908283593e3fafac94b93f3c5`	-	-	✅ Linked
14554	20	Sample	`d-sample` TDD	-	O `872dc4aa4d9faaa8f6320237964b9e7a`	-	-	✅ Linked
14555	30	Sample	`d-sample` TDD	`sample-03`	I `3cfd44964aa7d8c0af7d855a36d144d9`	-	-	✅ Linked
14555	30	Sample	`d-sample` TDD	-	O `31a4541ed4faeff59bdef92a43095261`	-	-	✅ Linked
14991	35		`c-repeated-ratings` TDD	`repeated-ratings-01`	I `337edb524f9e83c1a5fb53036a9197bc`	-	-	✅ Linked
14991	35		`c-repeated-ratings` TDD	-	O `aec5e9bb35dadba7b2ce498214074898`	-	-	✅ Linked
14559	40		`c-precision-tie-break` TDD	`precision-tie-break-01`	I `96db1fbcd77d4641bf1cecd8fbd6cd26`	-	-	✅ Linked
14559	40		`c-precision-tie-break` TDD	-	O `aec5e9bb35dadba7b2ce498214074898`	-	-	✅ Linked
14990	50		`c-precision-tie-break` TDD	`precision-tie-break-01`	I `662aaa74e9036f0d9840c7e7a33be195`	-	-	✅ Linked
14990	50		`c-precision-tie-break` TDD	-	O `8569aa8d2c065358eac3d2168b848ace`	-	-	✅ Linked
14556	60		`c-logic-edge-cases` TDD	`logic-edge-cases-01`	I `e92add71d7a7a539d4cfc4e0a50e1cbc`	-	-	✅ Linked
14556	60		`c-logic-edge-cases` TDD	-	O `bab47b846bb383d50dbf5584a490d08d`	-	-	✅ Linked
14557	70		`c-logic-edge-cases` TDD	`logic-edge-cases-02`	I `386b7e8ba48dd3f9dac54949730c65df`	-	-	✅ Linked
14557	70		`c-logic-edge-cases` TDD	-	O `1124ba801d6e251b8881509263e68fe7`	-	-	✅ Linked
14558	80		`c-logic-edge-cases` TDD	`logic-edge-cases-03`	I `470ab272a36bbc4245605de9e665c0d2`	-	-	✅ Linked
14558	80		`c-logic-edge-cases` TDD	-	O `1124ba801d6e251b8881509263e68fe7`	-	-	✅ Linked
14561	100		`b-sorting-uniqueness` TDD	`sorting-uniqueness-01`	I `cee6258f1dbb755fde677b8e39fc9d96`	-	-	✅ Linked
14561	100		`b-sorting-uniqueness` TDD	-	O `1b675c6c87258847ef4c6f9094f22ac1`	-	-	✅ Linked
14562	110		`b-sorting-uniqueness` TDD	`sorting-uniqueness-02`	I `4be07c9d8e7eb5a18f34ea49ee8d8400`	-	-	✅ Linked
14562	110		`b-sorting-uniqueness` TDD	-	O `82bc0f86f1a51764590f6d2c16577833`	-	-	✅ Linked
14560	120		`b-duplicate-ratings` TDD	`duplicate-ratings-01`	I `ece0484a9d4745902bb2c9cc0163647b`	-	-	✅ Linked
14560	120		`b-duplicate-ratings` TDD	-	O `9d7277f4aee3dc14f1cac6946980ca1a`	-	-	✅ Linked
14563	130		`a-massive-data-performance` Performance	`massive-data-performance-01`	I `f52531587b1b9bbdcdba32bf8ca31656`	-	-	✅ Linked
14563	130		`a-massive-data-performance` Performance	-	O `40fc76da65e15ea7216683bef6ea159a`	-	-	✅ Linked

📊 Sync Statistics

Total (Disk) 13

Total (Database) 13

✓ Synchronized 13

⚠ Desynchronized 0

Duplicates (MD5)

Duplicates in (MD5) 0

Desync = (DB missing on Disk) + (Disk missing on DB)

Actions

Testcase Scenarios Sync

YAML Source vs Database

Slug	Level	Name	Type	Skills	Status
`a-massive-data-performance`	A	Estresse e Análise Assintótica Valida a eficiência da solução com grande...	PERFORMANCE	hashing 1pts recommender-systems 2pts	Synced
`b-sorting-uniqueness`	B	Ordenação e Unicidade Valida a remoção de duplicatas de diretores e...	TDD	sorting 2pts hashing 1pts	Synced
`b-duplicate-ratings`	B	Sobrescrita de Avaliações Valida se o sistema trata corretamente...	TDD	hashing 2pts	Synced
`c-precision-tie-break`	C	Desempate de Precisão Decimal Testa casos de rounding crítico (ex: .335)...	TDD	data-analysis 1pts	Synced
`c-logic-edge-cases`	C	Lógica de Hater e Arredondamento Testa casos específicos de empate no critério...	TDD	data-analysis 1pts	Synced
`c-repeated-ratings`	C	Tratamento de Casos Repetidos Valida se o uso correto de HashMaps ignora...	TDD	hashing 1pts	Synced
`d-sample`	D	Exemplo Base do Enunciado Caso básico fornecido no documento para...	TDD	data-analysis 1pts recommender-systems 1pts	Synced

Local Test Cases (Disk)

Scenario: a-massive-data-performance 1 cases

Name	Files (Input / Output)	Status	Actions
massive-data-performance-01 #14563 📄 📷	Input `massive-data-performance-01.in` f52531587b1b9bbdcdba32bf8ca31656 Output `massive-data-performance-01.out` 40fc76da65e15ea7216683bef6ea159a	✅ Synced (ID: 14563)	🔍 Details

Scenario: b-duplicate-ratings 1 cases

Name	Files (Input / Output)	Status	Actions
duplicate-ratings-01 #14560 📄 📷	Input `duplicate-ratings-01.in` ece0484a9d4745902bb2c9cc0163647b Output `duplicate-ratings-01.out` 9d7277f4aee3dc14f1cac6946980ca1a	✅ Synced (ID: 14560)	🔍 Details

Scenario: b-sorting-uniqueness 2 cases

Name	Files (Input / Output)	Status	Actions
sorting-uniqueness-01 #14561 📄 📷	Input `sorting-uniqueness-01.in` cee6258f1dbb755fde677b8e39fc9d96 Output `sorting-uniqueness-01.out` 1b675c6c87258847ef4c6f9094f22ac1	✅ Synced (ID: 14561)	🔍 Details
sorting-uniqueness-02 #14562 📄 📷	Input `sorting-uniqueness-02.in` 4be07c9d8e7eb5a18f34ea49ee8d8400 Output `sorting-uniqueness-02.out` 82bc0f86f1a51764590f6d2c16577833	✅ Synced (ID: 14562)	🔍 Details

Scenario: c-logic-edge-cases 3 cases

Name	Files (Input / Output)	Status	Actions
logic-edge-cases-01 #14556 📄 📷	Input `logic-edge-cases-01.in` e92add71d7a7a539d4cfc4e0a50e1cbc Output `logic-edge-cases-01.out` bab47b846bb383d50dbf5584a490d08d	✅ Synced (ID: 14556)	🔍 Details
logic-edge-cases-02 #14557 📄 📷	Input `logic-edge-cases-02.in` 386b7e8ba48dd3f9dac54949730c65df Output `logic-edge-cases-02.out` 1124ba801d6e251b8881509263e68fe7	✅ Synced (ID: 14557)	🔍 Details
logic-edge-cases-03 #14558 📄 📷	Input `logic-edge-cases-03.in` 470ab272a36bbc4245605de9e665c0d2 Output `logic-edge-cases-03.out` 1124ba801d6e251b8881509263e68fe7	✅ Synced (ID: 14558)	🔍 Details

Scenario: c-precision-tie-break 2 cases

Name	Files (Input / Output)	Status	Actions
precision-tie-break-01 #14990 📄 📷	Input `precision-tie-break-01.in` 662aaa74e9036f0d9840c7e7a33be195 Output `precision-tie-break-01.out` 8569aa8d2c065358eac3d2168b848ace	✅ Synced (ID: 14990)	🔍 Details
precision-tie-break-02 #14559 📄 📷	Input `precision-tie-break-02.in` 96db1fbcd77d4641bf1cecd8fbd6cd26 Output `precision-tie-break-02.out` aec5e9bb35dadba7b2ce498214074898	✅ Synced (ID: 14559)	🔍 Details

Scenario: c-repeated-ratings 1 cases

Name	Files (Input / Output)	Status	Actions
repeated-ratings-01 #14991 📄 📷	Input `repeated-ratings-01.in` 337edb524f9e83c1a5fb53036a9197bc Output `repeated-ratings-01.out` aec5e9bb35dadba7b2ce498214074898	✅ Synced (ID: 14991)	🔍 Details

Scenario: d-sample 3 cases

Name	Files (Input / Output)	Status	Actions
sample-01 #14553 📄 📷	Input `sample-01.in` acd0ed75fbb35d21e6253484a40f91bc Output `sample-01.out` 2ac2cc3fa28811703d3573d0b733260a	✅ Synced (ID: 14553)	🔍 Details
sample-02 #14554 📄 📷	Input `sample-02.in` 6f61f05908283593e3fafac94b93f3c5 Output `sample-02.out` 872dc4aa4d9faaa8f6320237964b9e7a	✅ Synced (ID: 14554)	🔍 Details
sample-03 #14555 📄 📷	Input `sample-03.in` 3cfd44964aa7d8c0af7d855a36d144d9 Output `sample-03.out` 31a4541ed4faeff59bdef92a43095261	✅ Synced (ID: 14555)	🔍 Details

📊 Sync Statistics

Total (Disk) 13

Total (Database) 13

✓ Synchronized 13

⚠ Desynchronized 0

Duplicates (MD5)

Duplicates in (MD5) 0

Desync = (DB missing on Disk) + (Disk missing on DB)

Actions

Implementação Principal (Java)

ID: a-otima-java

Solução utilizando HashMap e HashSet com Java Streams.

Implementations

java Imperative

✅ Solution.java

Implementação Principal (Python)

ID: a-otima-python

Solução utilizando Dicionários e Conjuntos (Sets).

Implementations

py Imperative

✅ solution.py

Solutions Check Report

## Solutions Check Report (Detalhado / Debug)
**Generated**: 2026-04-16T10:29:01.329388
**Solution**: `solutions/a-otima-java/Solution.java`

### Compilation
✅ Compilation successful

### Resultados

<table class="results-table"><thead><tr><th>Test Case</th><th>Result</th><th>Time (s)</th></tr></thead><tbody>
<tr class="scenario-row"><td colspan="3"><strong>a-massive-data-performance - Performance</strong></td></tr>
<tr id="row-a-massive-data-performance-massive-data-performance-01-in"><td>massive-data-performance-01.in</td><td>✅ PASS</td><td>0.468</td></tr>
<tr class="scenario-row"><td colspan="3"><strong>b-duplicate-ratings - TDD</strong></td></tr>
<tr id="row-b-duplicate-ratings-duplicate-ratings-01-in"><td>duplicate-ratings-01.in</td><td>✅ PASS</td><td>0.066</td></tr>
<tr class="scenario-row"><td colspan="3"><strong>b-sorting-uniqueness - TDD</strong></td></tr>
<tr id="row-b-sorting-uniqueness-sorting-uniqueness-01-in"><td>sorting-uniqueness-01.in</td><td>✅ PASS</td><td>0.072</td></tr>
<tr id="row-b-sorting-uniqueness-sorting-uniqueness-02-in"><td>sorting-uniqueness-02.in</td><td>✅ PASS</td><td>0.077</td></tr>
<tr class="scenario-row"><td colspan="3"><strong>c-logic-edge-cases - TDD</strong></td></tr>
<tr id="row-c-logic-edge-cases-logic-edge-cases-01-in"><td>logic-edge-cases-01.in</td><td>✅ PASS</td><td>0.078</td></tr>
<tr id="row-c-logic-edge-cases-logic-edge-cases-02-in"><td>logic-edge-cases-02.in</td><td>✅ PASS</td><td>0.065</td></tr>
<tr id="row-c-logic-edge-cases-logic-edge-cases-03-in"><td>logic-edge-cases-03.in</td><td>✅ PASS</td><td>0.051</td></tr>
<tr class="scenario-row"><td colspan="3"><strong>c-precision-tie-break - TDD</strong></td></tr>
<tr id="row-c-precision-tie-break-precision-tie-break-01-in"><td>precision-tie-break-01.in</td><td>✅ PASS</td><td>0.053</td></tr>
<tr id="row-c-precision-tie-break-precision-tie-break-02-in"><td>precision-tie-break-02.in</td><td>✅ PASS</td><td>0.057</td></tr>
<tr class="scenario-row"><td colspan="3"><strong>c-repeated-ratings - TDD</strong></td></tr>
<tr id="row-c-repeated-ratings-repeated-ratings-01-in"><td>repeated-ratings-01.in</td><td>✅ PASS</td><td>0.057</td></tr>
<tr class="scenario-row"><td colspan="3"><strong>d-sample - TDD</strong></td></tr>
<tr id="row-d-sample-sample-01-in"><td>sample-01.in</td><td>✅ PASS</td><td>0.062</td></tr>
<tr id="row-d-sample-sample-02-in"><td>sample-02.in</td><td>✅ PASS</td><td>0.061</td></tr>
<tr id="row-d-sample-sample-03-in"><td>sample-03.in</td><td>✅ PASS</td><td>0.064</td></tr>
</tbody></table>

✅ Verification

Validate your solutions against test cases using the metadata rules.

🚀 Quick Prompts

Solution Generation

Create Optimal/Sub-optimal code

ID: 3.1

📄 Enunciados

A 2

Idiomas: en, pt

💡 Soluções

java: 1 py: 1

✅ 0 ❌ 0

🧪 Casos de Teste

7 Scen.

Total no Disco 13

Total no Banco 13

Sincronização 100.0%

Metadata (form)

Version

Name

Slug

ID Beecrowd

Difficulty

Time Complexity

Space Complexity

Time Limit (s)

Memory Limit (MB)

Origin

Author (Problem)

Author (Editorial)

Default Statement

Topics

Skills

Description

Editorial

Success message

metadata.yaml

# yaml-language-server: $schema=https://api.mundodocodigo.com.br/api/public/json/wok-problem.json --- version: '1.0' id: 3002 name: 'Streamio: Análise de Engajamento' origin: wok slug: recomendacao-fase2 authorSlugEditorial: alessio authorSlugProblem: alessio description: Sistema de análise comportamental para a plataforma Streamio utilizando Mapas e Conjuntos para calcular métricas de engajamento e interseção de interesses entre usuários. editorial: 'A solução utiliza Mapas para gerenciar perfis de Usuários (ID -> Mapa de Notas) e Filmes (ID -> Atributos). As operações centrais envolvem Teoria dos Conjuntos: ''Não Avaliados'' requer a diferença entre o conjunto total de filmes e os avaliados; ''Diretores Comuns'' exige a interseção entre os conjuntos de diretores cujas obras foram apreciadas pelos dois usuários. A eficiência é garantida pelo uso de HashMaps e HashSets (O(N log N)).' successmsg: Incrível! Você construiu um motor de análise de dados robusto! difficultyLevelId: B timeComplexity: O(N logN) spaceComplexity: O(N) timeLimitSegs: 1 memoryLimitMb: 128 defaultStatement: b_pt_wok-fase2 skills: - data-analysis - hashing - recommender-systems - sorting statements: - id: a-recomendacao-fase2 default: true testScenarioLevel: A thematicSkills: - points: 1 skill: movies-series - points: 1 skill: wok - id: a-wok-fase2 testScenarioLevel: A thematicSkills: - points: 1 skill: wok testScenarios: - id: a-massive-data-performance name: Estresse e Análise Assintótica description: Valida a eficiência da solução com grande volume de dados. helpTip: Considere a complexidade de tempo (Time Complexity) das suas buscas para evitar limites de tempo em grandes datasets. level: A testType: PERFORMANCE skills: - points: 1 skill: hashing - points: 2 skill: recommender-systems - id: b-sorting-uniqueness name: Ordenação e Unicidade description: Valida a remoção de duplicatas de diretores e ordenação correta. helpTip: Certifique-se de que a lista resultante está em ordem alfabética crescente e não contém nomes repetidos. level: B testType: TDD skills: - points: 2 skill: sorting - points: 1 skill: hashing - id: c-logic-edge-cases name: Lógica de Hater e Arredondamento description: Testa casos específicos de empate no critério Hater e precisão decimal. helpTip: Lembre-se que o empate no critério Hater resulta em "Nao", e a média deve ser arredondada para duas casas. level: C testType: TDD skills: - points: 1 skill: data-analysis - id: d-sample name: Exemplo Base do Enunciado description: Caso básico fornecido no documento para validar o fluxo principal de entrada e saída. helpTip: Siga o protocolo de transmissão exatamente, incluindo os hífens nos cabeçalhos e listas. level: D testType: TDD skills: - points: 1 skill: data-analysis - points: 1 skill: recommender-systems - id: b-duplicate-ratings name: Sobrescrita de Avaliações description: Valida se o sistema trata corretamente múltiplas avaliações do mesmo usuário para o mesmo filme. helpTip: Verifique se o seu mapa de avaliações lida corretamente com chaves duplicadas (id_usuario, id_filme). level: B testType: TDD skills: - points: 2 skill: hashing - id: c-repeated-ratings name: Tratamento de Casos Repetidos description: Valida se o uso correto de HashMaps ignora chaves repetidas e preserva apenas a sobreposição final. helpTip: Ao injetar avaliações sequenciais para um mesmo filme e usuário, as notas antigas devem ser esmagadas pela última instância. level: C testType: TDD skills: - points: 1 skill: hashing - id: c-precision-tie-break name: Desempate de Precisão Decimal description: 'Testa casos de rounding crítico (ex: .335) para validar a precisão de saída.' helpTip: Use formatação de string adequada para garantir que o arredondamento de duas casas decimais siga o padrão esperado. level: C testType: TDD skills: - points: 1 skill: data-analysis solutions: - id: a-otima-java name: Implementação Principal (Java) description: Solução utilizando HashMap e HashSet com Java Streams. level: A implementations: - filenames: - Solution.java language: java paradigm: Imperative - id: a-otima-python name: Implementação Principal (Python) description: Solução utilizando Dicionários e Conjuntos (Sets). level: A implementations: - filenames: - solution.py language: py paradigm: Imperative

3002-recomendacao-fase2

README.md Preview

Actions

Workflow do Problema

Local Workspace

Metadados

Validação

Sincronização

Components

Database Info

🚀 Quick Prompts

Statements List

Statement Details

Actions

Statistics

By Type (ID)

By Level

🚀 Quick Prompts

Database Test Cases 13 cases

📊 Sync Statistics

Actions

Test Case Details

Testcase Scenarios Sync

Local Test Cases (Disk)

Scenario: a-massive-data-performance 1 cases

Scenario: b-duplicate-ratings 1 cases

Scenario: b-sorting-uniqueness 2 cases

Scenario: c-logic-edge-cases 3 cases

Scenario: c-precision-tie-break 2 cases

Scenario: c-repeated-ratings 1 cases

Scenario: d-sample 3 cases

📊 Sync Statistics

Actions

Implementação Principal (Java)

Implementations

Implementação Principal (Python)

Implementations

Solutions Check Report

✅ Verification

🚀 Quick Prompts

📄 Enunciados

💡 Soluções

🧪 Casos de Teste

Metadata (form)

Git Status

Git Workflow

Problem Analysis Report

🛠️ Validation Tools

✅ Synced with API

✅ Synced with Database

Actions

📋 Processo de Criação

Select a Prompt

📤 API Synchronization

📄 Recreating README.md...

💻 Git Action Output

Running Verification...

Ajuda

📄 Sync Statements to DB

🚀 Batch Auto-Link Process

⬇️ Repo Sync Output

📝 Update Manifest Output

Ajuda