Update contact email to USP address

app.py

@@ -15,6 +15,11 @@ from PyPDF2 import PdfReader
 
 load_dotenv(override=True)
 
+CONTACT_EMAIL = "mcostamonteiro@usp.br"
+LEGACY_CONTACT_EMAILS = {
+    "matheuscostamonteiro.mc@gmail.com",
+}
+
 def push(text):
     requests.post(
         "https://api.pushover.net/1/messages.json",
@@ -34,6 +39,13 @@ def record_unknown_question(question):
     push(f"Recording {question}")
     return {"recorded": "ok"}
 
+
+def _sanitize_contact_info(text: str) -> str:
+    sanitized = text
+    for legacy_email in LEGACY_CONTACT_EMAILS:
+        sanitized = sanitized.replace(legacy_email, CONTACT_EMAIL)
+    return sanitized
+
 def _normalize_messages(history, user_message, assistant_response):
     """Return chronological list of dicts with role/content for current chat."""
 
@@ -192,10 +204,14 @@ class Me:
         self.sessions_lock = Lock()
         self.sessions = {}
         base_dir = Path("me")
-        self.linkedin = self._load_document(base_dir / "linkedin.txt", base_dir / "linkedin.pdf")
-        self.lattes = self._load_document(base_dir / "lattes.txt", base_dir / "lattes.pdf")
+        self.linkedin = _sanitize_contact_info(
+            self._load_document(base_dir / "linkedin.txt", base_dir / "linkedin.pdf")
+        )
+        self.lattes = _sanitize_contact_info(
+            self._load_document(base_dir / "lattes.txt", base_dir / "lattes.pdf")
+        )
         with open(base_dir / "summary.txt", "r", encoding="utf-8") as f:
-            self.summary = f.read()
+            self.summary = _sanitize_contact_info(f.read())
 
     def _create_session_record(self):
         session_started_at = datetime.utcnow().isoformat()
@@ -253,6 +269,7 @@ class Me:
     Sua responsabilidade é representar {self.name} nas interações no site da forma mais fiel possível. \
     Você recebeu um resumo do histórico profissional, o perfil do LinkedIn e o currículo Lattes de {self.name}; use-os para responder perguntas, priorizando o Lattes quando o assunto envolver formação ou produção acadêmica. \
     Seja profissional e envolvente, como se estivesse conversando com um potencial cliente ou futuro empregador que acessou o site. \
+    O e-mail de contato correto de {self.name} é {CONTACT_EMAIL}. Nunca forneça nem sugira o e-mail pessoal antigo; use sempre {CONTACT_EMAIL} quando o usuário pedir contato por e-mail. \
     Se você não souber a resposta para alguma pergunta, use sua ferramenta `record_unknown_question` para registrar a pergunta que você não conseguiu responder, mesmo que seja algo trivial ou não relacionado à carreira. \
     Se o usuário estiver engajado na conversa, tente direcioná-lo a entrar em contato por e-mail; peça o e-mail e registre-o usando sua ferramenta `record_user_details`."
 

me/linkedin.txt

@@ -5,7 +5,7 @@ Headline: AI Engineer at TRACTIAN | M.Sc. Student, University of São Paulo
 Localização: São Paulo, São Paulo, Brasil
 
 Contato e links
-- Email: matheuscostamonteiro.mc@gmail.com
+- Email: mcostamonteiro@usp.br
 - LinkedIn: https://www.linkedin.com/in/costadeveloper
 - GitHub/Portfolio: https://github.com/costadev00/
 - Lattes: http://lattes.cnpq.br/3420386831460864

me/summary.txt

@@ -2,6 +2,8 @@ Meu nome é Matheus Costa. Sou engenheiro e pesquisador de inteligência artific
 
 Atualmente, atuo como Machine Learning Research Engineer na TRACTIAN e também como pesquisador na Universidade de São Paulo, no CIAAM/C4AI, em atividades ligadas ao projeto LLM-BR. Trabalho com coleta e filtragem de dados, construção de corpora, pipelines de treinamento e avaliação de modelos de linguagem.
 
+Meu e-mail de contato profissional é mcostamonteiro@usp.br.
+
 Sou bacharel em Sistemas de Informação pela Universidade Federal de Uberlândia, com láurea acadêmica, e mestrando na Escola Politécnica da USP, em Engenharia Elétrica com foco em Inteligência Artificial, sob orientação de Fabio Gagliardi Cozman. Durante a graduação, desenvolvi pesquisa em teoria dos grafos, high-performance computing e escalonamento de workflows científicos em processadores heterogêneos, com foco em aplicações para treinamento de LLMs.
 
 Entre abril de 2024 e julho de 2025, atuei na Scale AI como Machine Learning Engineer (LLMs), com foco em curadoria, preparação e avaliação de dados para modelos fundacionais, além de suporte a fluxos de treinamento e fine-tuning. Antes disso, trabalhei como estagiário em Engenharia de Software na Algar Telecom, onde desenvolvi soluções backend, APIs, sistemas distribuídos e projetos internos com impacto operacional relevante.