AR-House/PHASE_35_PLAN.md

PHASE 3.5 — Due Diligence Multi-Fuente

Estado: Phase 3.5.A en curso. Fundación lista, falta documento fetchers y PDF. Objetivo macro: dar al cliente DOS niveles de producto:

• Pre-screening ($15) — 2-3 min, ~1 Firecrawl credit. Decide GO / NO-GO rapido.
• Reporte completo ($150) — 5-15 min, ~2-5 creditos. PDF con TODOS los docs publicos.

Esto monetiza el trabajo que ya se hace gratis (clerks publicos + PA + court records) y agrega valor por la sintesis + la curaduria de documentos.

---

Tier system — que entrega cada producto

Pre-screening ($15) — los 3 BASICOS

Documento	Fuente	Costo	Por que
Final Judgment / Clean Deed	Clerk records (CCIS / Acclaim / realauction docket)	Gratis	Confirma que hay caso real y el monto
Primary Lien (mortgage)	Recorder Official Records	Gratis	El monto que el plaintiff reclama
Photo exterior	PA (bcpa.net) o Zillow CDN fallback	0-1 cred	Validacion visual basica

Plus: Zestimate + comps (1 cred) + tax assessed + plaintiff classification + LienPositionAnalyzer verdict (GO/NO_GO/MAYBE/INSUFFICIENT_DATA).

Entregable: card en la app + "Pre-screening result" inline. NO PDF.

Reporte completo ($150) — TODO lo publico

Pre-screening +:

• IRS NFTL (Notice of Federal Tax Lien) check
• PACER bankruptcy check (chapters 7/11/13)
• Code enforcement violations
• Building permits / open permits
• Property tax delinquencies (tax collector)
• Sunbiz corporate filings (si owner es LLC)
• Sales history del deed (ultimos 10 anios)
• Comps detallados (5-10)
• HOA/condo docs (si aplica)
• Title chain summary
• PDF profesional (~15-25 paginas) con header del cliente + branding

Tiempo: 5-15 min. Costo Firecrawl: 2-5 cred (PA detail + comps + Sunbiz fallback).

---

Phase 3.5.A — Foundation (en curso, 70% done)

Hecho:

• properties_store.py — carpetas properties/{STATE}/{County}/{deal_type}/{id}/ con subcategorias
• dd_orchestrator.py — esqueleto run_pre_dd / run_full_dd / should_auto_trigger_dd
• Pre-screening pipeline wired: court_records + tax_assessed + comps + price_validator + LienPositionAnalyzer
• Schema: external_id separado de case_number (migracion 280 deals movidos)
• PA photos GRATIS (Broward backfill 36/37 hits, $0)
• Cards en app.py con foto + 5 botones + pre-screening inline
• 41 FL counties registrados en realforeclose.com + 7 CO + 3 AZ

Pendiente Phase 3.5.A:

• UI dedicada para "Reporte completo" — boton ya esta, falta el flujo real (hoy ejecuta heuristica)
• Categorias canonicas en properties_store.py definidas pero no todos los fetchers escriben ahi
• dd_orchestrator.run_full_dd() hoy es placeholder — solo llama lo mismo que pre_dd

Done cuando: cliente puede hacer click "Reporte completo" y ver un PDF generado, aunque tenga 5 secciones.

---

Phase 3.5.B — Document fetchers (proximo bloque grande, ~2-3 semanas)

Fetchers free (Playwright) — multi-county adapters

Cada fetcher devuelve {found: bool, documents: [{category, filename, url, content}], data: {}} para que el orchestrator lo guarde en la carpeta correcta.

Fetcher	Output	Counties priority
data_fetchers/court_records.py	Final judgment, lis pendens, case status	Duval (ya hecho), Broward, Miami-Dade, Palm Beach, Orange
data_fetchers/recorder.py	Deeds, mortgages, releases, assignments	Mismo set
data_fetchers/code_enforcement.py	Open violations, liens	County-by-county (cada uno tiene portal distinto)
data_fetchers/building_dept.py	Open permits, last inspection	Idem
data_fetchers/tax_collector.py	Tax delinquencies, tax certificates	Mismo set
data_fetchers/property_appraiser.py	Sales history, sketch, full record	Ya parcialmente (pa_photo_lookup.py)

Arquitectura: cada data_fetchers/<topic>.py exporta fetch(county, state, identifier) -> dict. Internamente switch por county a la implementacion correcta (_fetch_broward, _fetch_miami_dade, etc.).

Fetchers federales / state-wide (gratis o Firecrawl bajo)

Fetcher	Estado	Notas
data_fetchers/irs_nftl.py	Pendiente	Search por owner_name en IRS NFTL DB — gratis pero rate-limited
data_fetchers/pacer.py	Pendiente	Bankruptcy lookup — requiere cuenta PACER paga $0.10/page
data_fetchers/sunbiz.py	Pendiente	Si owner es LLC, traer corporate filing FL state — gratis
data_fetchers/fl_dor.py	Pendiente	FL Dept of Revenue — sales tax liens — gratis

Fallback universal — Firecrawl /extract

Para counties FUERA de FL que aun no tienen scraper dedicado, usar data_fetchers/firecrawl_anywhere.py con schema generico (ver IDEAS_BACKLOG item #3). 4 cred per deal complete.

Done Phase 3.5.B cuando: pre-screening + full report consume datos REALES de los 5 counties FL priority (Broward, Miami-Dade, Palm Beach, Orange, Duval).

---

Phase 3.5.C — PDF report generator (~1 semana)

Stack tecnico

Opcion A (recomendado): WeasyPrint — HTML + CSS → PDF. Permite templates con Jinja2, CSS print rules, branding facil. Opcion B: ReportLab — codigo Python directo. Mas control, menos legible.

Decision: WeasyPrint.

Templates a crear

templates/reports/
  pre_screening_summary.html   # 2-3 paginas
  full_report.html             # 15-25 paginas
  _header.html                 # branding cliente
  _footer.html                 # disclaimer legal
  _components/
    plaintiff_box.html
    comps_table.html
    photo_grid.html
    documents_index.html

Secciones del Full Report

1. Executive Summary — verdict, top 3 risks, plaintiff, monto, address
2. Property details — fotos, sketch, PA data, year built, sqft, lot size
3. Owner — name, mailing address, LLC details (si Sunbiz aplica)
4. Court status — case docket, final judgment date, judgment amount
5. Liens — primary mortgage, secondary, IRS NFTL, HOA, code enforcement
6. Title chain — last 3 deeds con fechas + amounts
7. Tax position — assessed, market, taxes paid/owed, exemptions
8. Comps — 5-10 sales recientes en .5 mile, $/sqft, days on market
9. Investment math — bid suggestion, ARV estimate, repair budget ballpark
10. Documents anexos — lista de PDFs descargados en properties/.../ con paths

Generador

# pdf_generator.py
def render_pre_screening_pdf(deal_id: int) -> Path: ...
def render_full_report_pdf(deal_id: int) -> Path: ...

Salida: properties/{state}/{county}/{type}/{id}/reports/report_{timestamp}.pdf

Done cuando: deal 349 (Broward) genera PDF de 10+ paginas con secciones 1-5 reales.

---

Phase 3.5.D — DueDiligenceAgent (synthesis layer, ~1 semana)

Hoy el LienPositionAnalyzer solo mira plaintiff. Para el reporte completo necesitamos un AGENTE que sintetice TODOS los outputs de los fetchers en un narrative.

Diseno

# dd_agent.py
def run_dd_agent(deal_id: int) -> dict:
    """
    Llama a Ollama (modelo Coordinator: qwen2.5:32b) con un prompt que recibe:
    - Court records output
    - All liens (mortgage, IRS, HOA, code)
    - PA data
    - Comps
    - Title chain
    Y devuelve:
    - executive_summary (3-4 oraciones)
    - top_risks (lista de 3-5)
    - investment_thesis (1 paragrafo)
    - bid_suggestion (rango $)
    - confidence_score (1-10)
    """

Modelfile

modelfiles/DueDiligenceCoordinator.modelfile — base qwen2.5:32b (19GB, mas reasoning power). System prompt: "Eres un senior underwriter. Recibes data publica + extraida. Tu trabajo es escribir el executive summary y los risks que un investor experimentado escribiria."

Done cuando: deal con foreclosure + IRS NFTL detectado produce summary que MENCIONA el IRS lien como top risk.

---

Phase 3.5.E — Wave 1.5A v1.1 (Duval Acclaim Land Records)

Contexto: Duval Clerk tiene 2 sistemas:

• CCIS (court cases) — ya scrapeamos
• Acclaim Land Records (deeds + mortgages + lis pendens) — NO scrapeamos aun

Por que importa: lis pendens son LEADING INDICATOR — case que aun no llego a final judgment pero pre-foreclosure. Vale oro para outreach temprano.

Tareas

• scrapers/duval_acclaim.py — Playwright scraper de Acclaim
• Filtros: por document_type=lis_pendens, party_name, date_range
• Output: deals con deal_type=pre_foreclosure (nuevo tipo) + 90 dias de runway
• Registro en scrapers/registry.py como duval_acclaim
• UI: filtro nuevo en Search por deal_type=pre_foreclosure

Done cuando: Duval Acclaim devuelve >50 lis pendens del mes, todos con owner + property identificable.

---

Orden de ejecucion sugerido

Hoy:                Phase 3.5.A close (UI Reporte completo functional aunque sea minimal)
Semana 1-2:         Phase 3.5.B fetchers (los 5 county FL priority)
Semana 3:           Phase 3.5.C PDF generator
Semana 4:           Phase 3.5.D DD agent + integracion con PDF
Semana 5:           Phase 3.5.E Duval Acclaim
Backlog (parallel): IDEAS_BACKLOG items P1/P2 segun bandwidth

---

Decisiones tecnicas que ya fueron tomadas (NO revisitar)

• case_number != external_id (Zillow zpid va a external_id). Migracion completada.
• realauction.com es multi-state multi-domain (realforeclose / realtaxdeed / treasurersdeedsale). Engine soporta domain field.
• PA primero, Zillow fallback para fotos (PA es gratis Playwright, Zillow es 1 cred).
• 1 foto por deal (no 5) — cost-conscious.
• Pre-screening MANDATORY court_records para distressed deals (foreclosure/auction/tax_deed/reo).
• OWNER_VERIFIED cuenta como success en court_records (no es INSUFFICIENT_DATA).
• LienPositionAnalyzer soporta verdict INSUFFICIENT_DATA + PLAYERS section.
• CSS: 0 emojis user-facing, paleta corporate, Stop button NO se oculta.
• Folder structure properties/{STATE}/{County}/{deal_type}/{identifier}/{category}/ definida en properties_store.py.

---

Como usar este plan

1. Empezar sesion → leer este archivo + IDEAS_BACKLOG.md
2. Si hay tarea en curso de Phase 3.5 → continuar en ese checkbox
3. Si Phase 3.5 actual completada → mover al siguiente bloque
4. Marcar [x] cuando done + agregar commit hash al lado
5. Si discoveris algo nuevo que NO bloquea → va a IDEAS_BACKLOG.md

---

Riesgos identificados

• Firecrawl budget (1000 cred/mes): con full report a 2-5 cred y 250 deals/mes = 500-1250 cred. Hay que monitorear y posiblemente bumpear plan.
• Multi-county fetchers son trabajo lineal — cada county tiene su portal con su captcha / su SPA. Estimado 2-4h por county-fetcher pair.
• PACER cuesta plata — si lo integramos, pasa de margen variable. Considerar omitirlo del basic full report y ofrecerlo como add-on $50.
• PDF generation puede ser lento (WeasyPrint con 20+ paginas y muchas imagenes) — preparar para 30-60s render time.
• Agent (qwen2.5:32b) requiere 19GB RAM/VRAM — confirmar que la maquina del cliente lo corre.