Arquitetura Cloudflare para o Math Challenge

Mapeamento produto‑para‑primitivo

Funcionalidade	Primitivo	Porquê	Limite real que o restringe
Frontend + BFF, shell PWA	Workers (Astro via @astrojs/cloudflare, recursos estáticos)	Monorepo já executa Astro em Workers; a auto‑configuração do framework para Astro existe desde dez‑2025 [22][23]	Limites de CPU por pedido nos Workers — não é uma restrição a curto prazo
Contas de pai/filho/professor, catálogo de conteúdo, adesões	D1	Relacional, transacional, barato a esta escala	10 GB/base de dados (pago), 500 MB (gratuito); 50.000 bases de dados/conta, 1 TB/conta [2]
Telemetria por tentativa (dezenas de milhares de utilizadores × muitas tentativas/dia)	Analytics Engine	Construído exatamente para isto: eventos de escrita intensiva e alta cardinalidade, sem modelo de cobrança por linha como o D1	20 blobs / 20 doubles / 1 índice (96 B) por ponto, 250 pontos por invocação de Worker, retenção de 3 meses [13]
Liga ao vivo (~30) e classificações de sala de aula	Durable Objects (SQLite storage)	Um DO por liga/sala de aula mantém a taxa de pedidos por objeto baixa (~30 escritores), ordenação completa em memória de 30 linhas é trivial, a hibernação de WebSocket fornece push quase em tempo real a custo quase nulo em idle	Teto de taxa suave ~500–1.000 req/s por DO individual — deve ser fragmentado por liga/sala de aula, nunca um DO global [7]
Classificação global / por série	KV (snapshot pré‑calculado) + Workflow/Cron rollup	Leitura KV é cacheada na edge e barata a escala de fan‑out; uma vista global ordenada não necessita de frescura sub‑segundo	KV: 1 escrita/seg por chave, cacheTtl mínimo 30 s — não pode escrever por tentativa, tem de agrupar [9][11][12]
Modelo de aprendizagem adaptativo por criança	Durable Object (SQLite) ou rollup D1, lido por Worker na hora da seleção da questão	Necessita de leitura/escrita de baixa latência co‑localizada com o compute; DO oferece isolamento por criança	10 GB de armazenamento por objeto DO [8]
Banco de conteúdo (5 idiomas, milhares de itens)	D1 (metadados) + R2 (ativos de media: imagens/áudio)	D1 para linhas estruturadas consultáveis; R2 para ativos binários grandes, sem taxa de saída	R2 não tem linguagem de consulta própria — combinar com índice D1
Tutor IA “Larry” (API Claude, encaminhamento de modelo)	Workers → AI Gateway → Claude API	AI Gateway fornece cache, limites de taxa e limites de gasto por utilizador na frente da chamada ao modelo	AI Gateway: máx. 20 regras de limite de gasto/portal [Spend limits]
Inferência local barata: embeddings, TTS, tradução	Workers AI	Funciona na rede da Cloudflare, sem ida e volta externa, tarifação por modelo	Específico do modelo: p. ex. bge-m3 $0,012/M tokens de entrada [17]
RAG sobre banco de dicas/explicações	Vectorize (embeddings from bge-m3)	Modelo de embedding multilingue corresponde ao requisito de 5 idiomas	10 M vetores/índice, máximo 1.536 dimensões [16]
Pontuação assíncrona, geração de explicação IA	Queues + Workflows	Desacopla o pedido de submissão de tentativa da geração mais lenta de explicação IA; Workflows fornecem tentativas duráveis	Queues: unidade de operação 64 KB, 100 K ops/dia grátis [Queues pricing]; Workflows: 500 K passos incluídos/mês [Workflows pricing]
Notificações push	Web Push (via um Worker a enviar payloads) + service worker PWA	Não é um produto CF distinto — Workers é apenas o remetente; o navegador/SO controla a entrega	Web Push iOS requer Safari 16.4+ instalado na tela inicial; inconsistente em Chromebooks/iPads geridos por escolas
Jogo offline	Service worker PWA + Cache API + sync em background para math-challenge-ingest	Cache API é por Worker, não partilhada globalmente	512 MB máximo de objeto em cache, 1.000 chamadas Cache API/pedido (pago) [20]
Defesa contra bots no registo/login	Turnstile	Gratuito, WCAG 2.2 AA, modos não interativos/invisíveis adequados a crianças	Nenhum limite de taxa rígido encontrado nos documentos obtidos; verificar limites do plano atual antes do lançamento
Analytics de site respeitadores da privacidade	Web Analytics	RUM sem cookies, alternância de exclusão da UE	Retenção não amostrada de 7 dias, depois ~10 % de amostragem [Web Analytics FAQ]
Controlo de custos no gasto com Claude	AI Gateway (Facturação Unificada, limites de gasto, encaminhamento dinâmico/alternativo)	Um único local para ver e limitar toda a despesa do tutor	20 regras de limite de gasto/portal
Hyperdrive	(not used)	Nenhum Postgres/MySQL externo neste design — D1 é o sistema de registo	N/A
Imagens/Fluxo	(not used at launch)	O conteúdo são ilustrações + áudio curto, servidos diretamente a partir de R2; rever se forem adicionadas aulas em vídeo	N/A

Conclusões — notas por serviço

D1. Limites do plano pago: 10 GB por base de dados, 50.000 bases de dados por conta, 1 TB de armazenamento total da conta, duração máxima de consulta de 30 segundos, instrução SQL máxima de 100 KB, linha/BLOB máximo de 2 MB, 6 ligações simultâneas por Worker, 1.000 consultas por invocação do Worker [2]. Preços: 25 mil milhões de linhas lidas incluídas por mês e depois $0,001 por milhão; 50 milhões de linhas escritas incluídas e depois $1,00 por milhão; armazenamento $0,75/GB‑mês além dos 5 GB incluídos [1]. Read replication está em beta público através da Sessions API, usando marcadores para consistência sequencial (“read your own writes”, leituras monotónicas); a Cloudflare cria automaticamente uma réplica por região suportada (ENAM, WNAM, WEUR, EEUR, APAC, OC) sem custo adicional — a faturação permanece inalterada [3][4]. O atraso da réplica é ilimitado no pior caso, pelo que qualquer fluxo “here’s your new score” tem de ser fixado no marcador da sessão de escrita, e não numa leitura sem restrições.

Durable Objects. O armazenamento SQLite está em GA com 10 GB por objeto [8]; um teto suave de taxa de cerca de 500–1.000 pedidos/segundo aplica‑se por objeto, não por namespace — a própria orientação da Cloudflare considera um único DO “global” um anti‑padrão e exige fragmentação por limite natural (por sala, por utilizador, por liga) [7]. Computação (pago): 1 M pedidos/mês incluídos e depois $0,15 por milhão; 400.000 GB‑segundos incluídos e depois $12,50 por milhão de GB‑s [1]. A faturação de armazenamento para DOs com SQLite (as linhas refletem as tarifas do D1; armazenamento $0,20/GB‑mês) começou a 7 de janeiro de 2026 — recente o suficiente para que modelos de custo mais antigos a subestimem [1][9].

Workers KV. Pago: 10 M leituras/mês incluídas e depois $0,50 por milhão; 1 M gravações/eliminações/listagens incluídas e depois $5,00 por milhão; 1 GB de armazenamento incluído e depois $0,50/GB‑mês [Workers pricing]. Consistência eventual: as gravações propagam‑se em até 60 segundos a nível mundial, ou no cacheTtl que definir — o cacheTtl mínimo foi reduzido para 30 segundos em 2026 [12]. Only one write per key per second é permitido; mais disparam 429s [11]. Leituras em lote (100 chaves) e gravações em lote (10.000 pares, ≤100 MB) estão disponíveis através da API REST [10][11]. Isto torna o KV inadequado para atualizações por tentativa e adequado para instantâneos atualizados periodicamente.

Analytics Engine. writeDataPoint() aceita até 20 blobs, 20 doubles, 1 índice (≤96 bytes); uma invocação de Worker pode gravar no máximo 250 pontos de dados; a carga útil do blob está limitada a 16 KB/ponto; a retenção é de três meses [13]. Não foi encontrado um preço separado por gravação nos documentos obtidos — trate‑o como incluído no plano Workers e reconfirme antes de comprometer um orçamento de volume; é a única cifra que este relatório não conseguiu obter com certeza.

Queues. Uma “operação” é cobrada por bloco de 64 KB lido/escrito/eliminado; entregar uma mensagem costuma custar 3 operações. Gratuito: 10.000 ops/dia. Pago: 1 M ops/mês incluídas e depois $0,40 por milhão. A retenção é de 4 dias por defeito, configurável até 14 dias [Queues pricing].

Workflows. Os pedidos e o tempo de CPU partilham os pools Workers (10 M pedidos + $0,30 por milhão além; 30 M CPU‑ms + $0,02 por milhão além); armazenamento 1 GB + $0,20/GB‑mês; passos 500.000/mês incluídos + $0,80 por 100.000 adicionais [Workflows pricing]. A faturação de passos/armazenamento ainda não tinha começado na data do changelog citado — confirme a data de início antes de finalizar os modelos de custo.

R2. Armazenamento $0,015/GB‑mês; Classe A (semelhante a escrita) $4,50 por milhão; Classe B (semelhante a leitura) $0,36 por milhão; saída (egress) gratuita. Camada gratuita: 10 GB‑mês de armazenamento, 1 M Classe A, 10 M Classe B/mês [R2 pricing]. A ausência de taxa de saída é relevante para ficheiro frio: exportações em lote/extrações para treino não custam nada para ler.

Vectorize. Os índices agora suportam até 10 M vetores (aumentado de 5 M em 2026-01-23), limitados a 1.536 dimensões/vetor [16]. Preços: 50 M dimensões consultadas incluídas/mês e depois $0,01 por milhão; 10 M dimensões armazenadas incluídas e depois $0,05 por 100 milhões [1].

Workers AI. Preços representativos: @cf/baai/bge-m3 (embeddings multilingues, corresponde ao banco de 5 línguas) $0,012/M tokens de entrada; @cf/myshell-ai/melotts (TTS) $0,0002/minuto de áudio; @cf/meta/m2m100-1.2b (tradução) $0,342/M tokens de entrada/saída [17] — barato o suficiente para ser executado durante a criação de conteúdo, não por pedido.

AI Gateway. O cache aplica‑se apenas a pedidos idênticos de texto/imagem, sem cache semântico [Caching doc]. Os limites de despesa são orçamentos baseados em custos definidos por modelo/fornecedor/metadados personalizados (por exemplo, por criança, por dia), limitados a 20 regras por gateway [Spend limits doc]. O encaminhamento dinâmico pode recuar para um modelo mais barato automaticamente quando um orçamento é atingido, em vez de bloquear rigidamente o pedido.

Turnstile. Gratuito, WCAG 2.2 AA, oferece modos não interativos e totalmente invisíveis adequados a um fluxo de registo de crianças. Nenhum limite rígido de volume de pedidos apareceu nas páginas obtidas; confirme os limites do plano atual antes do lançamento.

Web Analytics. Gratuito, RUM sem cookies. Dados de beacon não amostrados são retidos por 7 dias e depois agregados a uma amostragem de ~10 %; visitantes da UE podem ser excluídos com um clique [Web Analytics FAQ].

Cache API. Cache por centro de dados, por Worker, distinta da cache de zona. Objeto máximo 512 MB; 1.000 chamadas put()/match()/delete() por pedido em plano pago (50 gratuitas), partilhando a quota de sub‑pedidos [20].

Claude API / model routing. Preços atuais (do skill claude-api incluído, em cache a 2026-06-24): Opus 5 $5/$25 por milhão de tokens de entrada/saída; Sonnet 5 $3/$15 (intro $2/$10 até 2026-08-31); Haiku 4.5 $1/$5. Plano de encaminhamento de Larry: Sonnet 5 como explicador predefinido, Haiku 4.5 para micro‑cópia barata e de alto volume, e uma rara escalada ao nível Opus apenas para as explicações multi‑passo mais difíceis — tudo controlado pelos limites de despesa do AI Gateway por criança por dia.

Inventário de recursos proposto

Cada objeto tem o prefixo math-challenge- conforme exigido. Os nomes de ligação utilizam UPPER_SNAKE_CASE.

Nome	Tipo	Propósito (EN)	Propósito (ES)	Ligação
math-challenge-web	Worker (Astro, Static Assets)	Front‑end PWA público + rotas BFF	Frontend PWA público + rutas BFF	n/a (Worker de entrada)
math-challenge-ingest	Worker	Valida e ingere submissões de tentativas; grava telemetria, enfileira pontuação	Valida e ingiere envíos de intentos; escribe telemetría, encola calificación	n/a
math-challenge-tutor	Worker	Hospeda o tutor de IA “Larry”; invoca Claude via AI Gateway com RAG	Aloja al tutor de IA “Larry”; llama a Claude vía AI Gateway con RAG	n/a
math-challenge-leaderboard-cron	Worker (Cron Trigger)	Aciona o Workflow periódico de agregação do leaderboard	Dispara el Workflow periódico de recálculo de leaderboard	n/a
math-challenge-db	D1 database	Sistema de registo: utilizadores, crianças, salas de aula, ligas, metadados de conteúdo, consentimento	Registo maestro: utilizadores, niños, salones, ligas, metadatos de contenido, consentimiento	DB
math-challenge-league-do	Durable Object class (SQLite)	Estado em tempo real + difusão WebSocket para uma liga de ~30	Estado en vivo + difusión WebSocket de una liga de ~30	LEAGUE_DO
math-challenge-classroom-do	Durable Object class (SQLite)	Estado em tempo real para o registo e classificação de uma sala de aula	Estado en vivo del roster y clasificación de un salón	CLASSROOM_DO
math-challenge-learner-do	Durable Object class (SQLite)	Modelo de aprendizagem adaptativo por criança (estimativas de domínio, estado de seleção de itens)	Modelo de aprendizaje adaptativo por niño	LEARNER_DO
math-challenge-ratelimiter-do	Durable Object class (SQLite)	Limitação de taxa fragmentada (tentativas de login, chamadas ao tutor, registo)	Limitación de tasa fragmentada (inicios de sesión, llamadas al tutor, registo)	RATE_LIMITER_DO
math-challenge-leaderboard-kv	KV namespace	Instantâneos pré‑calculados do leaderboard global/por faixa de série	Instantáneas precalculadas del leaderboard global/por-grado	LEADERBOARD_KV
math-challenge-config-kv	KV namespace	Flags de funcionalidades e cache do catálogo de conteúdo	Feature flags y caché del catálogo de contenido	CONFIG_KV
math-challenge-session-kv	KV namespace	Tokens de sessão/autenticação de curta duração	Tokens de sesión/autenticación de corta duración	SESSION_KV
math-challenge-media	R2 bucket	Imagens, áudio e ilustrações dos itens	Imágenes, audio e ilustraciones de los reactivos	MEDIA_BUCKET
math-challenge-exports	R2 bucket	Ficheiro frio de tentativas expiradas; exportações para pedidos COPPA/GDPR	Archivo frío de intentos vencidos; exportaciones para solicitudes COPPA/GDPR	EXPORTS_BUCKET
math-challenge-scoring-queue	Queue	Pontuação assíncrona + trabalhos de atualização do modelo de aprendizagem	Async scoring + learner‑model update jobs	SCORING_QUEUE
math-challenge-scoring-dlq	Queue (dead-letter)	Trabalhos de pontuação falhados após o número máximo de tentativas	Trabajos de calificación fallidos tras reintentos máximos	SCORING_DLQ
math-challenge-ai-explain-queue	Queue	Pedidos assíncronos de geração de explicações de IA	Solicitudes asíncronas de generación de explicaciones de IA	AI_EXPLAIN_QUEUE
math-challenge-ai-explain-dlq	Queue (dead-letter)	Trabalhos de explicação falhados após o número máximo de tentativas	Trabajos de explicación fallidos tras reintentos máximos	AI_EXPLAIN_DLQ
math-challenge-leaderboard-rollup-workflow	Workflow	Cálculo periódico do leaderboard global/por faixa de série	Cálculo periódico del leaderboard global/por-grado	LEADERBOARD_WORKFLOW
math-challenge-onboarding-workflow	Workflow	Configuração multi‑passo de conta + perfil de criança + consentimento	Configuración multi‑paso de cuenta + perfil de niño + consentimiento	ONBOARDING_WORKFLOW
math-challenge-explanations-index	Vectorize index	Índice RAG multilingue sobre dicas/explicações curadas	Índice RAG multilingüe sobre pistas/explicaciones curadas	EXPLANATIONS_INDEX
math-challenge-tutor-gateway	AI Gateway	Cache, limites de taxa, limites de gasto, roteamento de modelo para chamadas ao Claude	Caché, límites de tasa, límites de gasto y enrutamiento de modelos para Claude	(gateway ID em ANTHROPIC_BASE_URL)
math-challenge-attempts-ae	Analytics Engine dataset	Telemetria por tentativa (alta cardinalidade, alto volume)	Telemetría por intento (alta cardinalidad, alto volumen)	ATTEMPTS_AE
math-challenge-tutor-usage-ae	Analytics Engine dataset	Telemetria de uso/custo do tutor (por criança, por modelo)	Telemetría de uso/costo del tutor (por niño, por modelo)	TUTOR_AE
math-challenge-turnstile-signup	Turnstile widget	Defesa contra bots em formulários de registo/início de sessão	Defensa contra bots en formularios de registo/inicio de sesión	(site key/secret via env)
math-challenge-web-analytics	Web Analytics site	RUM centrado na privacidade para a PWA	RUM respetuoso de la privacidad para la PWA	(JS snippet, no binding)
math-challenge-secrets	Secrets Store	Contém ANTHROPIC_API_KEY e outras credenciais de terceiros	Contiene ANTHROPIC_API_KEY y otras credenciales de terceros	via wrangler secret put

Design do leaderboard

Caminho de escrita. Um cliente submete uma tentativa a math-challenge-ingest. O Worker: (1) grava um ponto de dados no Analytics Engine (telemetria bruta — não uma escrita de linha D1), (2) faz RPC ao math-challenge-learner-do da criança para atualizar o estado de domínio, (3) faz RPC ao math-challenge-league-do e/ou math-challenge-classroom-do relevantes com o delta da pontuação. Cada DO de liga/sala de aula mantém as pontuações dos seus ≤30 membros numa tabela SQLite própria; a cada atualização reordena essas ≤30 linhas em memória (trivial) e envia as novas classificações aos clientes conectados através de um WebSocket hibernável. É isto que permite que as classificações de liga/sala de aula sejam “quase em tempo real” sem um primitivo global de conjunto ordenado, que a Cloudflare não disponibiliza nativamente.

Os leaderboards global e por faixa de série seguem um caminho diferente. Um Worker acionado por Cron (math‑challenge‑leaderboard‑cron) dispara o math‑challenge‑leaderboard‑rollup‑workflow a cada 30–60 segundos. O Workflow agrega os totais (uma tabela de roll‑up D1 actualizada a partir de SQL do Analytics Engine, ou escritas D1 em lote), calcula o top‑N por faixa de série e globalmente, e grava blobs JSON em math‑challenge‑leaderboard‑kv. As leituras passam então a ser chamadas simples get() ao KV — baratas, distribuídas na edge e explicitamente não em tempo real (30–60 s desatualizado por design), o que evita totalmente o limite de 1 escrita/segundo/chave do KV.

Custo por 1000000 de tentativas (ordem de grandeza aproximada, plano pago): pedidos de ingestão dos Workers, ~1 M, dentro/apenas ultrapassando o escalão incluído de 10 M/mês (≤ $0,30). Escritas no Analytics Engine, 1 M de chamadas writeDataPoint() — preço não tarifado encontrado na documentação atual; reconfirmar antes de escalar. Pedidos a Durable Objects (liga/sala de aula + learner DOs, ~2 chamadas/tentativa), ~2 M, ≈ $0,15–$0,30. Linhas SQLite em Durable Objects escritas, 1–2 M, dentro do escalão incluído de 50 M/mês a custo marginal $0. Escritas de roll‑up D1 são em lote a cada 30–60 s, pelo que o custo não escala com o número de tentativas. Escritas KV ocorrem uma vez por chave por ciclo de roll‑up, não por tentativa.

Resultado: aproximadamente $0,50–$1,00 por milhão de tentativas em custos diretos de primitivos, dominados pelo preço de pedidos a Workers/DOs em vez de armazenamento específico do leaderboard — porque as escritas por tentativa são deliberadamente mantidas fora do D1 e do KV.

Esboço do modelo de dados (D1)

-- Accounts
CREATE TABLE users (
  id TEXT PRIMARY KEY,
  role TEXT NOT NULL CHECK (role IN ('parent','teacher','admin')),
  email TEXT UNIQUE,
  locale TEXT NOT NULL DEFAULT 'en',
  created_at INTEGER NOT NULL
);

-- Children never get a direct login credential of their own kind that
-- collects full DOB; only a birth-year bucket, per COPPA minimization.
CREATE TABLE children (
  id TEXT PRIMARY KEY,
  parent_user_id TEXT NOT NULL REFERENCES users(id),
  display_name TEXT NOT NULL,
  grade_band TEXT NOT NULL,
  birth_year_bucket INTEGER,
  locale TEXT NOT NULL DEFAULT 'en',
  created_at INTEGER NOT NULL
);
CREATE INDEX idx_children_parent ON children(parent_user_id);

CREATE TABLE classrooms (
  id TEXT PRIMARY KEY,
  teacher_user_id TEXT NOT NULL REFERENCES users(id),
  name TEXT NOT NULL,
  grade_band TEXT NOT NULL,
  join_code TEXT UNIQUE NOT NULL,
  created_at INTEGER NOT NULL
);

CREATE TABLE classroom_members (
  classroom_id TEXT NOT NULL REFERENCES classrooms(id),
  child_id TEXT NOT NULL REFERENCES children(id),
  joined_at INTEGER NOT NULL,
  PRIMARY KEY (classroom_id, child_id)
);
CREATE INDEX idx_classroom_members_child ON classroom_members(child_id);

CREATE TABLE leagues (
  id TEXT PRIMARY KEY,
  grade_band TEXT NOT NULL,
  season_id TEXT NOT NULL,
  size_cap INTEGER NOT NULL DEFAULT 30,
  created_at INTEGER NOT NULL
);

CREATE TABLE league_members (
  league_id TEXT NOT NULL REFERENCES leagues(id),
  child_id TEXT NOT NULL REFERENCES children(id),
  joined_at INTEGER NOT NULL,
  PRIMARY KEY (league_id, child_id)
);
CREATE INDEX idx_league_members_child ON league_members(child_id);

-- Content bank
CREATE TABLE content_items (
  id TEXT PRIMARY KEY,
  subject TEXT NOT NULL,
  skill_tag TEXT NOT NULL,
  difficulty INTEGER NOT NULL,
  item_type TEXT NOT NULL,
  media_key TEXT,          -- R2 key in math-challenge-media
  version INTEGER NOT NULL DEFAULT 1,
  created_at INTEGER NOT NULL
);
CREATE INDEX idx_content_items_skill ON content_items(subject, skill_tag, difficulty);

CREATE TABLE item_translations (
  item_id TEXT NOT NULL REFERENCES content_items(id),
  language TEXT NOT NULL,   -- one of the 5 supported languages
  prompt_text TEXT NOT NULL,
  choices_json TEXT,
  PRIMARY KEY (item_id, language)
);

-- Rollups (NOT raw attempts — those live in Analytics Engine)
CREATE TABLE score_totals (
  child_id TEXT NOT NULL REFERENCES children(id),
  period TEXT NOT NULL,     -- 'all_time' | 'season:<season_id>'
  total_score INTEGER NOT NULL DEFAULT 0,
  grade_band TEXT NOT NULL,
  updated_at INTEGER NOT NULL,
  PRIMARY KEY (child_id, period)
);
CREATE INDEX idx_score_totals_rank ON score_totals(period, grade_band, total_score DESC);

CREATE TABLE push_subscriptions (
  id TEXT PRIMARY KEY,
  child_id TEXT REFERENCES children(id),
  endpoint TEXT NOT NULL,
  keys_json TEXT NOT NULL,
  created_at INTEGER NOT NULL
);

CREATE TABLE consent_records (
  id TEXT PRIMARY KEY,
  parent_user_id TEXT NOT NULL REFERENCES users(id),
  child_id TEXT REFERENCES children(id),
  consent_type TEXT NOT NULL,
  granted_at INTEGER NOT NULL,
  ip_hash TEXT
);

Registos brutos por tentativa estão deliberadamente ausentes deste esquema — vivem em math-challenge-attempts-ae (Analytics Engine) e, para tudo o que for necessário além da retenção de 3 meses, em math-challenge-exports (R2, via um Pipeline ou tarefa Worker periódico).

Implicações de design / riscos

1. O limite de 10 GB por base de dados do D1 é a primeira barreira rígida, atingida por um erro de design (armazenar tentativas brutas no D1), não pelo crescimento de tráfego — a mitigação do Analytics Engine tem de estar presente desde o primeiro commit, não ser retro‑adaptada [2].
2. Um único “Durable Object” “global” é um anti‑padrão — um DO que gere todos os gargalos de tráfego a ~500–1.000 req/s; ligas e salas de aula devem ser fragmentadas com um DO por entidade desde o primeiro dia [7].
3. A propagação no pior caso de 60 segundos do KV e o cacheTtl mínimo de 30 segundos significam que o leaderboard global/por faixa de série nunca está realmente em tempo real — mostre isto na UI (“actualizado há um minuto”) para que as crianças não pensem que os pontos ganhos desapareceram [11][12].
4. O limite de 1 escrita por segundo por chave do KV faz com que qualquer design de “incremento a cada tentativa” falhe sob carga de pico — o design de rollup via Workflow escreve a uma cadência fixa.
5. O cache do AI Gateway não deve ser aplicado uniformemente — ao colocar em cache um gateway de embeddings devolve silenciosamente vetores desatualizados, por isso as chamadas ao tutor e aos embeddings RAG precisam de configurações de cache de gateway separadas se partilharem o mesmo gateway.
6. A replicação de leitura do D1 é apenas sequencialmente consistente, com atraso no pior caso ilimitado — um fluxo de “ver a tua pontuação imediatamente após submeter” tem de usar o marcador da Sessions API, não uma leitura sem restrições [3].
7. A eliminação ao abrigo do COPPA/GDPR‑K é um problema de eliminação em quatro sistemas: linhas D1, armazenamento SQLite de DO, Analytics Engine (o TTL de 3 meses ajuda mas não elimina sob demanda) e Vectorize (evitado aqui mantendo o Vectorize limitado ao conteúdo curado). Os manuais de eliminação têm de enumerar os quatro.
8. O Vectorize tem de permanecer limitado ao banco de conteúdo/indícios curado, não a embeddings por criança — o teto de 10 milhões de vetores é real em escala, e vetores por criança são uma vulnerabilidade de privacidade sem um processo de eliminação limpo [16].
9. A faturação do armazenamento SQLite de DO começou a 7 de janeiro de 2026 — recente o suficiente para que modelos de custos antigos a subestimem; verifique novamente a página de preços atual antes de um plano de capacidade [9].
10. O Turnstile com utilizadores jovens, possivelmente não leitores, não foi testado aqui — a faixa de série mais jovem provavelmente precisará de um início de sessão mediado pelos pais, contornando a experiência de defesa contra bots para crianças.
11. O Web Push é inconsistente em dispositivos geridos por escolas — iOS requer uma PWA instalada na tela inicial no Safari 16.4+, e Chromebooks/iPads geridos por MDM frequentemente bloqueiam os prompts de instalação; é necessário um recurso alternativo sem push (digest por e‑mail para os pais) para alcançar os utilizadores.
12. Qualquer consulta a score_totals sem o índice composto acabará por atingir o modo de falha por tempo de CPU do D1 à medida que a tabela cresce — verifique com EXPLAIN QUERY PLAN antes de lançar, não após um incidente [5].
13. O preço de escrita do Analytics Engine não pôde ser confirmado nos documentos atuais — a estimativa de custo por milhão de tentativas assume que está incluído no plano Workers; verifique na página de preços ao vivo antes de o incluir num orçamento.

Questões abertas para o proprietário do projeto

1. Quais são exatamente as faixas de série / intervalos de idade incluídos (K–2, 3–5, 6–8, 9–12, adulto)? Determina a partição do leaderboard por faixa e a limitação de idade do COPPA (menos de 13 anos vs. 13+).
2. A retenção de 3 meses do Analytics Engine para histórico de tentativas brutas é aceitável, ou um relatório de progresso anual requer o caminho de ficheiro frio R2+Pipelines desde o primeiro dia?
3. Qual o pior caso de pico concorrente que devemos dimensionar (por exemplo, um distrito inteiro na mesma aula)? Define a granularidade de fragmentação dos DO.
4. O “tempo real” para classificação das ligas é um requisito de WebSocket sub‑segundo ou um refresco de alguns segundos é aceitável?
5. Deve existir alguma camada de tutor de IA sem limites, ou um teto diário estrito por criança para gastos com Claude está sempre em vigor?
6. Quais são exatamente as 5 línguas? Determina se o m2m100 do Workers AI cobre todos os pares ou se alguns precisarão de tradução humana/Claude para o lançamento.
7. As ligas são atribuídas automaticamente (coorte aleatória) ou curadas por professor/pais? Afeta o workflow de ciclo de vida da liga e se math-challenge-league-do precisa de um passo de matchmaking.
8. Qual a regra de resolução de conflitos para sincronização de progresso PWA offline entre dois dispositivos?
9. Que abordagem de identidade é preferida para contas de pais — link mágico, passkeys ou federada? Influencia onde o Turnstile se insere e a forma da tabela users.
10. Qual é o teto mensal de gastos do AI Gateway? Necessário para dimensionar as 20 regras de limite de gasto e a política de modelo de recurso de reserva.