Auri - Core Product Skill

Overview

Auri: assistente de voz inteligente (Alexa + Claude claude-opus-4-20250805). Visao do produto, persona Vitoria Neural, stack AWS, modelo Free/Pro/Business/Enterprise, roadmap 4 fases, GTM, north star WAC e analise competitiva.

When to Use This Skill

• When you need specialized assistance with this domain

Do Not Use This Skill When

• The task is unrelated to auri core
• A simpler, more specific tool can handle the request
• The user needs general-purpose assistance without domain expertise

How It Works

Auri - Core Product Skill

A voz que pensa com voce.

Auri e um assistente de voz de nova geracao construido sobre Amazon Alexa + Claude claude-opus-4-20250805. Enquanto a Alexa tradicional executa comandos, a Auri conduz conversas reais e raciocina sobre contexto.

O Que E A Auri

A Auri e uma Alexa Skill avancada que substitui o motor de respostas padrao pelo modelo Claude claude-opus-4-20250805 da Anthropic. O resultado: um assistente de voz capaz de:

• Conduzir conversas multi-turno com memoria contextual
• Raciocinar sobre problemas complexos em linguagem natural
• Adaptar tom e profundidade ao perfil do usuario
• Operar 100% em portugues brasileiro com nuances culturais
• Integrar com o ecossistema Amazon (calendario, compras, smart home, musica)

Proposta De Valor Unica

ANTES: Alexa, qual a previsao do tempo? -> Amanha, 28 graus e nublado.

DEPOIS: Auri, devo levar guarda-chuva amanha? -> Amanha 70% de chuva a tarde mas a manha estara limpa. Reuniao as 14h? Leve guarda-chuva.

Diferencial Estrategico

1. Continuidade conversacional - Lembra contexto entre sessoes via DynamoDB
2. Personalidade consistente - Voz Vitoria Neural + persona calibrada
3. Raciocinio profundo - Claude claude-opus-4-20250805 como motor principal
4. Ecossistema integrado - Native no hardware Alexa (Echo, Echo Dot, Echo Show)
5. Privacidade by design - Dados na AWS, sem compartilhamento com terceiros

Valores Da Marca

• Clareza - Respostas objetivas, sem rodeios
• Empatia - Entende contexto emocional, adapta o tom
• Inteligencia - Nunca simula saber o que nao sabe
• Respeito - Mantem privacidade, nunca julga
• Continuidade - Lembra conversas, evolui com o usuario

Guia De Linguagem

Fazer:

• Falar na primeira pessoa
• Confirmar entendimento antes de responder
• Reconhecer incerteza e oferecer alternativa

Evitar:

• Respostas roboticas
• Formalidade excessiva
• Evasao sem alternativa

Exemplo De Interacao

Usuario: Auri, me explica criptomoeda de um jeito simples.

Auri: Pensa assim: imagina que voce e seus amigos criam uma moeda propria para pagar entre voces sem banco no meio. Criptomoeda e exatamente isso, mas para milhoes de pessoas. O Bitcoin foi o primeiro, criado em 2009. Quer entender melhor?

Ssml - Voz Otimizada

Exemplo de marcacao SSML para Amazon Polly Vitoria Neural: <voice name=Vitoria><prosody rate=medium pitch=+2%>Ola! Eu sou a Auri.</prosody> <break time=300ms/><prosody>Como posso te ajudar hoje?</prosody></voice>

Visao Geral Da Arquitetura

Fluxo de dados: Echo -> ASK SDK (Python v2) -> Lambda Python 3.12 -> Claude claude-opus-4-20250805 Componentes AWS: DynamoDB (memoria), Polly Vitoria Neural (voz), CloudWatch (logs), Secrets Manager (keys)

3.1 Dependencias

ask-sdk-core==1.19.0 | ask-sdk-model==1.85.0 | boto3==1.34.0 | anthropic==0.25.0 | python-dotenv==1.0.0

3.2 Lambda Handler Principal

Codigo Python - lambda_function.py: sb = CustomSkillBuilder() sb.add_request_handler(ConversationIntentHandler()) sb.add_global_request_interceptor(MemoryLoadInterceptor()) sb.add_global_response_interceptor(MemorySaveInterceptor()) lambda_handler = sb.lambda_handler()

3.3 Handler De Conversa Com Claude

Codigo Python - handlers/conversation.py: class ConversationIntentHandler(AbstractRequestHandler): Recebe user_speech via slot query Carrega historico de conversas da sessao DynamoDB Chama anthropic.Anthropic().messages.create( model=claude-opus-4-20250805, max_tokens=300, system=system_prompt, messages=history+[user_speech]) Salva resposta no historico, retorna SSML com voz Vitoria

3.4 Dynamodb Schema

Tabela: auri-user-memory | PK: user_id | SK: session_date | TTL: 90 dias Campos: profile (name, plan, preferences), long_term_memory[], usage_stats{} BillingMode: PAY_PER_REQUEST | TimeToLive: habilitado (auto-expira)

3.5 Interaction Model

invocationName: auri ConversationIntent: slot query (AMAZON.SearchQuery) Samples: {query}, me fala sobre {query}, o que e {query}, explica {query} StopIntent: tchau, ate mais, encerrar

3.6 Configuracao Lambda

FunctionName: auri-core-handler | Runtime: python3.12 | Timeout: 15s | Memory: 512MB Env vars: ANTHROPIC_API_KEY_SECRET, DYNAMODB_TABLE=auri-user-memory, POLLY_VOICE=Vitoria CLAUDE_MODEL=claude-opus-4-20250805, MAX_TOKENS_VOICE=300

3.7 Exemplos De Codigo Completos

Handler de Conversa (handlers/conversation.py):

DynamoDB Schema:

Planos E Precos

Detalhamento

Free: 10 perguntas/dia, sem memoria entre sessoes, voz Vitoria Neural. Pro: Conversas ilimitadas, memoria 90 dias, perfil personalizado, suporte email. Business: Tudo do Pro + ate 5 usuarios, memoria compartilhada, dashboard, relatorio. Enterprise: Ilimitado, persona customizavel, integracao CRM/ERP, SLA 99.9%.

Projecao De Receita (Ano 1)

Meta conservadora: Pro 250 x R\9 = R$ 7.250/mes | Business 25 x R\9 = R$ 2.475/mes MRR Ano 1: R$ 9.725/mes (~R$ 117k ARR)

Meta otimista: Pro 800 = R$ 23.200/mes | Business 80 = R$ 7.920/mes MRR Ano 1: R$ 31.120/mes (~R$ 373k ARR)

Unit Economics

Fase 1 - Lancamento Mvp (Meses 1-3)

Objetivo: Validar product-market fit com early adopters brasileiros.

KPIs Fase 1: 500 habilitacoes, 40% retornam semana 2, NPS > 50, latencia < 2s.

Fase 2 - Personalizacao (Meses 4-6)

KPIs Fase 2: 200 conversoes Free->Pro, WAC > 150, sessao > 4min, churn < 7%.

Fase 3 - Multi-Modal (Meses 7-12)

KPIs Fase 3: WAC > 1.000, MRR > R$ 15.000, Business: 50 clientes, rating > 4.5.

Fase 4 - Ecossistema (Ano 2+)