1. Propósito e Escopo
Este documento define todos os prompts, configurações de memória, transição entre estados e demais requisitos funcionais para o Fluxo de Agentes "Análise de Dados de Uso de Vale-Transporte", uma solução de automação projetada para gerar insights sobre padrões de deslocamento e otimização de rotas a partir de dados de uso de vale-transporte. Essa documentação é um modelo de PRD ou Documento de Requisitos de Produto específicos para construção de Agentes de IA.
O objetivo principal é transformar o input de dados de uso de vale-transporte em informações acionáveis, que detalham padrões de deslocamento, sugerem otimizações de rotas e auxiliam na tomada de decisões estratégicas para melhorar a eficiência do transporte.
2. Contexto e Problema
Cenário Atual
Atualmente, o sistema de transporte enfrenta desafios significativos devido à falta de insights sobre os padrões de deslocamento dos usuários de vale-transporte e ineficiências nas rotas. Esses desafios incluem:
- Falta de dados detalhados sobre como os usuários utilizam o vale-transporte.
- Ineficiências nas rotas de transporte devido à falta de otimização baseada em dados.
- Dificuldade em tomar decisões estratégicas para melhorar a eficiência do transporte.
A ausência de análises robustas e insights acionáveis impede que as operadoras de transporte otimizem suas operações e melhorem a experiência do usuário.
Problemas Identificados
- Falta de insights: Não há uma compreensão clara dos padrões de deslocamento, o que dificulta a otimização das rotas.
- Ineficiências nas rotas: As rotas atuais não são otimizadas com base em dados, resultando em tempos de viagem mais longos e menor satisfação do usuário.
- Decisões estratégicas inadequadas: A falta de dados dificulta a tomada de decisões estratégicas para melhorar a eficiência do transporte.
3. Impactos Esperados
A implementação deste fluxo de automação visa alcançar os seguintes resultados:
- Melhoria dos insights sobre padrões de deslocamento, possibilitando uma melhor compreensão de como os usuários utilizam o transporte.
- Otimização das rotas de transporte com base em dados concretos, reduzindo tempos de viagem e melhorando a satisfação do usuário.
- Decisões estratégicas mais informadas, aumentando a eficiência operacional e a experiência do usuário.
4. Visão Geral da Solução
O agente de IA para análise de dados de uso de vale-transporte processa dados de uso para identificar padrões de deslocamento e sugerir otimizações de rotas. A seguir são detalhadas todas as regras de negócio e especificações funcionais necessárias para que esse agente atue como um assistente útil e autônomo na análise de dados de transporte.
A solução consiste em um fluxo de automação composto por 5 agentes de IA. O processo inicia com a preparação dos dados e termina com a geração de um plano de piloto para implementação das otimizações sugeridas.
A execução dos agentes é sequencial e linear, seguindo a ordem definida na tabela abaixo. O fluxo inclui etapas condicionais que são executadas apenas se critérios específicos forem atendidos, conforme detalhado após a tabela.
| Agentes | Função Principal |
|---|---|
Agente de Preparação e Qualidade dos Dados de VT (RF 1)
| Padronizar e validar o dataset de uso de vale-transporte, garantindo consistência temporal e estrutura única para consumo. |
Agente de Análise de Padrões de Deslocamento (RF 2)
| Identificar padrões de demanda temporal, espacial e por linha, produzindo KPIs operacionais e insumos para otimização. |
Agente de Segmentação e Perfis de Usuários Agente Condicionado (RF 3)
| Derivar perfis de uso e preferências de horário para apoiar decisões tático-operacionais. |
Agente de Otimização de Rotas e Oferta (RF 4)
| Gerar propostas de ajustes de oferta para melhorar eficiência e atendimento. |
Agente de Planejamento de Pilotos e Métricas de Sucesso Agente Condicionado (RF 5)
| Converter propostas de otimização em um plano de piloto mensurável com critérios de sucesso. |
Regras de Execução Condicional ou Edges
- Ativação do Agente de Segmentação e Perfis de Usuários (RF 3): Este agente só será executado se a propriedade
"possui_identificador_usuario"do objeto JSON gerado pelo Agente de Preparação e Qualidade dos Dados de VT (RF 1) fortrue. Caso contrário, o fluxo pulará esta etapa e prosseguirá diretamente para o Agente de Otimização de Rotas e Oferta (RF 4). - Ativação do Agente de Planejamento de Pilotos e Métricas de Sucesso (RF 5): Este agente só será executado se houver pelo menos uma proposta com
"score_priorizacao"igual ou superior a 0.5 no output do Agente de Otimização de Rotas e Oferta (RF 4). Caso contrário, o fluxo será encerrado após o RF 4.
5. Protótipos
Para proporcionar uma visão clara e tangível da solução proposta, criamos protótipos interativos que demonstram tanto o fluxo de trabalho dos agentes quanto o resultado final que o cliente receberá. Explore os links abaixo para entender melhor a solução em ação.
6. Requisitos Funcionais
RF 1. Agente de Preparação e Qualidade dos Dados de VT
1.1 Tarefa do Agente
Padronizar e validar o dataset de uso de vale-transporte, garantindo consistência temporal, deduplicação e estrutura única para consumo pelos agentes analíticos subsequentes.
1.2 Prompt ou Instruções do Agente
# 1. Contexto e explicações sobre inputs iniciais
Você está recebendo um dataset de eventos de uso de vale-transporte. Este dataset contém registros de transações de uso que precisam ser padronizados e validados.
# 2. Objetivo
Padronizar e validar o dataset de uso de vale-transporte, garantindo consistência temporal, deduplicação e estrutura única para consumo pelos agentes analíticos subsequentes.
# 3. Regras que você deve seguir para gerar sua resposta
- Mapear cabeçalhos para nomes canônicos: user_id, timestamp_iso, route_id, board_stop_id, alight_stop_id, vehicle_id, direction, tipo_transacao.
- Converter timestamp para ISO 8601; se timezone_fonte ausente, inferir por maioria relativa de offsets; registrar timezone_detectado.
- Eliminar duplicatas: registros com mesmo user_id/cartao_id, route_id e timestamp dentro de ± janela_tempo_minutos_para_dedupe; manter o primeiro; contabilizar duplicatas_removidas.
- Descartar registros com timestamp fora do intervalo [min(timestamp) - 1 dia, max(timestamp) + 1 dia] após parsing; registrar linhas_descartadas e motivo.
- Tratar valores ausentes: se route_id ausente, descartar; se user_id/cartao_id ausente, manter e definir possui_identificador_usuario considerando presença em ≥ 5% das linhas.
- Normalizar direction (ida/volta) para {0,1} quando aplicável; se texto, mapear por frequência e proximidade lexical.
- Garantir consistência de tipos: route_id e stops como string; direction como inteiro 0/1; timestamp_iso string ISO.
- Definir granularidade temporal padrão de 15 min e semana operacional {seg..dom}; registrar definicoes_temporais.
- Produzir amostra representativa estratificada por dia da semana e faixa horária (madrugada, pico manhã, entrepico, pico tarde, noite); máximo 1.000 linhas.
- Sinalizar flags: possui_identificador_usuario = true se user_id OU cartao_id presente em ≥ 5% das linhas válidas, caso contrário false. 1.3 Configurações do Agente
1.3.1 Especificação do Input
- Mecanismo de Acionamento: Este agente é o ponto de partida do fluxo e deve ser acionado pelo envio de um dataset de eventos de uso de vale-transporte via API. Na fase de testes, o fluxo será iniciado pelo envio manual dos dados, que serão enviados para o agente diretamente por upload do arquivo na interface da Prototipe AI, para acelerar o processo de validação.
- Tipo do input: O input inicial para o fluxo é um dataset de eventos de uso de vale-transporte em formato CSV ou JSON.
-
Formatos Suportados: Esse agente deve ser capaz de receber datasets nos formatos:
.csv,.json. - Número de caracteres esperado: Este agente deve ter capacidade para processar um input de texto com até 500.000 caracteres.
1.3.2 Especificação do Output
- Formato de output: O output deve ser um JSON estruturado com: schema_normalizado, timezone_detectado, periodo_dados, totais, flags, definicoes_temporais, dataset_normalizado e regras_aplicadas.
-
Exemplo de Estrutura de Output:
{ "schema_normalizado": {...}, "timezone_detectado": "GMT-3", "periodo_dados": { "inicio_iso": "2025-01-01T00:00:00Z", "fim_iso": "2025-01-31T23:59:59Z" }, "totais": { "linhas_entrada": 10000, "linhas_validas": 9500, "linhas_descartadas": 500, "duplicatas_removidas": 100 }, "flags": { "possui_identificador_usuario": true }, "definicoes_temporais": { "granularidade_bucket_min": 15, "calendario_semana": ["seg", "ter", "qua", "qui", "sex", "sab", "dom"] }, "dataset_normalizado": [...], "regras_aplicadas": ["Regra 1", "Regra 2", "Regra 3"] } - Número de caracteres esperado: O JSON final será detalhado, com um tamanho mínimo esperado de 10.000 caracteres.
1.3.3 Parâmetros de Geração
- Modelo: GPT-5
- Temperatura: 0.6
1.3.4 Ferramentas do Agente
- Documentos: Não consulta documentos externos.
- Calculadora: Não utiliza.
- Busca Online: Não utiliza.
- Sistemas Externos: Não se conecta a sistemas externos.
1.3.5 Memória
- Visibilidade das Instruções (Prompt): As instruções deste agente não devem ser visíveis para nenhum agente subsequente.
- Visibilidade da Resposta: A resposta gerada por este agente deve ser visível para o Agente de Análise de Padrões de Deslocamento (RF 2).
1.3.6 Regras de Orquestração e Transição
Ao concluir sua execução, esse agente aciona o Agente de Análise de Padrões de Deslocamento (RF 2).
RF 2. Agente de Análise de Padrões de Deslocamento
2.1 Tarefa do Agente
Identificar padrões de demanda temporal, espacial e por linha, produzindo KPIs operacionais e insumos para otimização.
2.2 Prompt ou Instruções do Agente
# 1. Contexto e explicações sobre inputs iniciais Você está recebendo a saída do Agente de Preparação e Qualidade dos Dados de VT. Este dataset normalizado deve ser analisado para identificar padrões de deslocamento. # 2. Objetivo Identificar padrões de demanda temporal, espacial e por linha, produzindo KPIs operacionais e insumos para otimização. # 3. Regras que você deve seguir para gerar sua resposta - Bucketing temporal: agregar em janelas de 15 min (ou janela_bucket_min); buckets são fechados à direita [HH:MM, HH:MM+15). - KPIs mínimos: validações_totais, validações_dia_util vs fim_de_semana, média e p95 de validações por bucket, distribuição por dia_da_semana, top 10 rotas por share (% e volume), carga_por_direction quando existir. - Horários de pico: definir picos_manha como maior soma entre 06:00–10:00 e picos_tarde 16:00–20:00; retornar bucket_inicio, bucket_fim e volume; se múltiplos empates, escolher o de menor horário de início. - Sazonalidade: se periodo_dados cobrir ≥ min_dias_para_sazonalidade, comparar dia útil vs fim de semana e reportar razões (ex: razao_fds = média_fds / média_uteis) por linha e global; se não atender, sinalizar limitacao_sazonalidade. - Matriz OD: se board_stop_id e alight_stop_id existirem em ≥ 30% das linhas, gerar matriz_OD agregada (top 20 pares por volume; restantes agregados como 'OUTROS'). Caso contrário, gerar matriz por (route_id, direction). - Anomalias: aplicar detecção por z-score em série agregada diária; marcar pontos com |z| ≥ 3 como outlier e reportar data, valor, média_base, desvio_padrao, z; se série < 7 pontos, pular e sinalizar insuficiencia_dados. - Consistência: todas as taxas e shares com 2 casas decimais; volumes como inteiros; horários no fuso timezone_detectado; ordenar listas por volume desc. - Explicitar limitações dos dados (ausência de user_id, stops, direction) e impacto nas inferências.
2.3 Configurações do Agente
2.3.1 Especificação do Input
- Mecanismo de Acionamento: Este agente deve ser acionado automaticamente após a conclusão do agente anterior (RF 1).
- Tipo do input: Este agente deve ser apto a receber a saída do Agente de Preparação e Qualidade dos Dados de VT.
-
Formatos Suportados: Esse agente deve ser capaz de receber inputs no formato:
.json. - Número de caracteres esperado: Este agente deve ter capacidade para processar um input de texto com até 100.000 caracteres.
2.3.2 Especificação do Output
- Formato de output: O output deve ser um JSON contendo relatorio_padroes_markdown e kpis_padroes com os padrões de deslocamento identificados.
-
Exemplo de Estrutura de Output:
{ "relatorio_padroes_markdown": "# Padrões de Deslocamento\n## Horários de Pico\n- Manhã: 07:00 - 09:00\n- Tarde: 17:00 - 19:00\n## Top Rotas\n1. Rota A\n2. Rota B", "kpis_padroes": { "horarios_pico": { "manha": "07:00 - 09:00", "tarde": "17:00 - 19:00" }, "demanda_por_bucket": { "segunda": [100, 200, 150], "terca": [120, 210, 160] }, "top_rotas": ["Rota A", "Rota B"] } } - Número de caracteres esperado: O JSON gerado terá um tamanho aproximado de 8.000 caracteres.
2.3.3 Parâmetros de Geração
- Modelo: GPT-5
- Temperatura: 0.6
2.3.4 Ferramentas do Agente
- Documentos: Não consulta.
- Calculadora: Utiliza lógica interna para calcular KPIs e padrões.
- Busca Online: Não utiliza.
- Sistemas Externos: Não utiliza.
2.3.5 Memória
- Visibilidade das Instruções (Prompt): As instruções deste agente não devem ser visíveis para nenhum agente subsequente.
- Visibilidade da Resposta: A resposta gerada por este agente deve ser visível para o Agente de Segmentação e Perfis de Usuários (RF 3) e o Agente de Otimização de Rotas e Oferta (RF 4).
2.3.6 Regras de Orquestração e Transição
Ao concluir sua execução, esse agente aciona o Agente de Segmentação e Perfis de Usuários (RF 3).
RF 3. Agente de Segmentação e Perfis de Usuários Agente Condicionado
3.1 Tarefa do Agente
Derivar perfis de uso (diário, semanal, ocasional) e preferências de horário para apoiar decisões tático-operacionais.
3.2 Prompt ou Instruções do Agente
# 1. Contexto e explicações sobre inputs iniciais Você está recebendo a saída do Agente de Preparação e Qualidade dos Dados de VT e do Agente de Análise de Padrões de Deslocamento. Estes dados devem ser analisados para derivar perfis de uso. # 2. Objetivo Derivar perfis de uso (diário, semanal, ocasional) e preferências de horário para apoiar decisões tático-operacionais. # 3. Regras que você deve seguir para gerar sua resposta - Construção dos perfis por usuário/cartão em janela total: - Diario: uso em ≥ 4 dias distintos por semana (média) OU ≥ 16 dias/mês. - Semanal: uso em 1–3 dias/semana (média) OU entre 4 e 15 dias/mês. - Ocasional: < 4 dias/mês. - Preferência horária por perfil: calcular share de validações em faixas [pico_manha, entrepico, pico_tarde, noite]; retornar índices normalizados (soma=1 por perfil). - Principais rotas por perfil: top 5 por volume; reportar share e direction quando existente. - Elasticidade horária qualitativa: se um perfil tiver concentração > 65% em picos, classificar como baixa; entre 45–65% média; < 45% alta. - Amostrar e anonimizar: não retornar IDs brutos; apenas métricas agregadas. - Se a condição não for atendida, retornar objeto com motivo: 'sem_identificador_usuario' e não executar segmentação.
3.3 Configurações do Agente
3.3.1 Condições de Ativação
Este agente é acionado somente se a seguinte condição for atendida:
- O campo
possui_identificador_usuariono output do Agente de Preparação e Qualidade dos Dados de VT (RF 1) é igual atrue.
3.3.2 Especificação do Input
-
Mecanismo de Acionamento: Este agente deve ser acionado condicionalmente após a conclusão do agente anterior (RF 2), apenas se o campo
possui_identificador_usuariofortrue. - Tipo do input: Este agente deve ser apto a receber a saída do Agente de Preparação e Qualidade dos Dados de VT e do Agente de Análise de Padrões de Deslocamento.
-
Formatos Suportados: Esse agente deve ser capaz de receber inputs no formato:
.json. - Número de caracteres esperado: Este agente deve ter capacidade para processar um input de texto com até 100.000 caracteres.
3.3.3 Especificação do Output
- Formato de output: O output deve ser um JSON contendo perfis_usuarios com a distribuição de perfis, critérios aplicados, índices de preferência horária, principais rotas por perfil e elasticidade horária qualitativa.
-
Exemplo de Estrutura de Output:
{ "perfis_usuarios": { "distribuicao_perfis": { "diario": 0.6, "semanal": 0.3, "ocasional": 0.1 }, "criterios_aplicados": ["Diario: ≥ 4 dias/semana", "Semanal: 1–3 dias/semana", "Ocasional: < 4 dias/mês"], "indices_preferencia_horaria": { "diario": [0.4, 0.3, 0.2, 0.1], "semanal": [0.3, 0.3, 0.3, 0.1] }, "principais_rotas_por_perfil": { "diario": ["Rota A", "Rota B"], "semanal": ["Rota C", "Rota D"] }, "elasticidade_horaria_qualitativa": "baixa" } } - Número de caracteres esperado: O JSON gerado terá um tamanho aproximado de 5.000 caracteres.
3.3.4 Parâmetros de Geração
- Modelo: GPT-5
- Temperatura: 0.6
3.3.5 Ferramentas do Agente
- Documentos: Não consulta.
- Calculadora: Não utiliza.
- Busca Online: Não utiliza.
- Sistemas Externos: Não utiliza.
3.3.6 Memória
- Visibilidade das Instruções (Prompt): As instruções deste agente não devem ser visíveis para nenhum agente subsequente.
- Visibilidade da Resposta: A resposta gerada por este agente deve ser visível para o Agente de Otimização de Rotas e Oferta (RF 4).
3.3.7 Regras de Orquestração e Transição
Ao concluir sua execução, esse agente aciona o Agente de Otimização de Rotas e Oferta (RF 4).
RF 4. Agente de Otimização de Rotas e Oferta
4.1 Tarefa do Agente
Gerar propostas de ajustes de oferta (headway, horários e configuração de rotas) para melhorar eficiência e atendimento.
4.2 Prompt ou Instruções do Agente
# 1. Contexto e explicações sobre inputs iniciais Você está recebendo a saída do Agente de Análise de Padrões de Deslocamento e, se disponível, do Agente de Segmentação e Perfis de Usuários. Estes dados devem ser analisados para gerar propostas de otimização de rotas. # 2. Objetivo Gerar propostas de ajustes de oferta (headway, horários e configuração de rotas) para melhorar eficiência e atendimento. # 3. Regras que você deve seguir para gerar sua resposta - Dimensionamento de headway por período (pico_manha, entrepico, pico_tarde, noite): headway_recomendado = max(headway_minimo_permitido, min(headway_maximo_aceitavel, ceil( (demanda_periodo / (capacidade_por_veiculo * fator_carga_alvo)) * headway_atual ))), quando headway_atual disponível; se não, estimar por relação demanda relativa vs período base. - Ajustes de horários: se pico deslocado ≥ 30 min em relação ao horário atual de maior oferta, recomendar deslocamento de início/fim de pico em blocos de 15 min. - Short-turn: se segmentos da linha apresentarem 70%+ da demanda nos primeiros N pares de paradas, sugerir viagens parciais nesse trecho nos picos; manter cobertura mínima no restante. - Restrições: não exceder frota_disponivel_por_linha; garantir atendimento_minimo_por_periodo; manter fator_carga projetado ≤ 1.0. - Impacto estimado: reportar variação percentual de tempo de espera médio (inversamente proporcional ao headway) e fator de carga estimado; indicar trade-offs. - Priorização: score = 0.5*ganho_tempo_espera + 0.3*redução_sobrecarga + 0.2*viabilidade_operacional (0–1). Ordenar propostas por score desc. - Transparência: para cada proposta, explicitar dados-base usados (período, demanda, capacidade, headway atual/estimado) e restrições que limitaram a recomendação.
4.3 Configurações do Agente
4.3.1 Especificação do Input
- Mecanismo de Acionamento: Este agente deve ser acionado automaticamente após a conclusão do agente anterior (RF 3 ou RF 2).
- Tipo do input: Este agente deve ser apto a receber a saída do Agente de Análise de Padrões de Deslocamento e, se disponível, do Agente de Segmentação e Perfis de Usuários.
-
Formatos Suportados: Esse agente deve ser capaz de receber inputs no formato:
.json. - Número de caracteres esperado: Este agente deve ter capacidade para processar um input de texto com até 100.000 caracteres.
4.3.2 Especificação do Output
- Formato de output: O output deve ser um JSON contendo propostas_otimizacao com ajustes de headway, horários, sugestões de short-turn, impacto estimado e score de priorização.
-
Exemplo de Estrutura de Output:
{ "propostas_otimizacao": { "ajustes_headway": { "linha_1": {"pico_manha": "10 min", "entrepico": "15 min"}, "linha_2": {"pico_tarde": "12 min", "noite": "20 min"} }, "ajustes_horarios": { "linha_1": {"inicio_pico": "06:30", "fim_pico": "09:30"} }, "sugestoes_de_short_turn": ["linha_1: paradas 1-5"], "impacto_estimado": { "tempo_espera_medio": "-10%", "fator_carga": "0.85" }, "score_priorizacao": 0.75 } } - Número de caracteres esperado: O JSON gerado terá um tamanho aproximado de 6.000 caracteres.
4.3.3 Parâmetros de Geração
- Modelo: GPT-5
- Temperatura: 0.6
4.3.4 Ferramentas do Agente
- Documentos: Não consulta.
- Calculadora: Utiliza lógica interna para calcular ajustes de oferta e impacto.
- Busca Online: Não utiliza.
- Sistemas Externos: Não utiliza.
4.3.5 Memória
- Visibilidade das Instruções (Prompt): As instruções deste agente não devem ser visíveis para nenhum agente subsequente.
- Visibilidade da Resposta: A resposta gerada por este agente deve ser visível para o Agente de Planejamento de Pilotos e Métricas de Sucesso (RF 5).
4.3.6 Regras de Orquestração e Transição
Ao concluir sua execução, esse agente aciona o Agente de Planejamento de Pilotos e Métricas de Sucesso (RF 5).
RF 5. Agente de Planejamento de Pilotos e Métricas de Sucesso Agente Condicionado
5.1 Tarefa do Agente
Converter propostas de otimização em um plano de piloto mensurável com critérios de sucesso e salvaguardas operacionais.
5.2 Prompt ou Instruções do Agente
# 1. Contexto e explicações sobre inputs iniciais Você está recebendo as propostas de otimização do Agente de Otimização de Rotas e Oferta. Estas propostas devem ser convertidas em um plano de piloto mensurável. # 2. Objetivo Converter propostas de otimização em um plano de piloto mensurável com critérios de sucesso e salvaguardas operacionais. # 3. Regras que você deve seguir para gerar sua resposta - Condição de execução: somente se existir pelo menos 1 proposta com score_priorizacao ≥ 0.5; caso contrário, retornar motivo: 'sem_propostas_viaveis'. - Definir duração mínima recomendada: 2 semanas para capturar ciclos semanais; se sazonalidade forte identificada, recomendar 4 semanas. - KPIs e metas: estabelecer baseline a partir dos kpis_padroes; definir metas de melhoria mínimas: -10% tempo_espera_medio em picos OU -15% fator_carga em buckets críticos; registrar intervalos de confiança qualitativos. - Salvaguardas: gatilhos de reversão se fator_carga projetado > 1.0 por 3 ou mais buckets consecutivos ou reclamações/indicadores qualitativos crescerem > 30% (se medidos). - Plano de medição: comparar janelas equivalentes (mesmo dia da semana e faixa horária); explicitar necessidade de calendário de feriados. - Entregáveis claros: cronograma com marcos T0 (pré), T1 (meio), T2 (pós) e responsáveis; checklists de comunicação ao usuário quando houver alteração de horário/rota.
5.3 Configurações do Agente
5.3.1 Condições de Ativação
Este agente é acionado somente se a seguinte condição for atendida:
- O campo
score_priorizacaono output do Agente de Otimização de Rotas e Oferta (RF 4) é igual ou superior a0.5.
5.3.2 Especificação do Input
-
Mecanismo de Acionamento: Este agente deve ser acionado condicionalmente após a conclusão do agente anterior (RF 4), apenas se houver pelo menos uma proposta com
score_priorizacaoigual ou superior a 0.5. - Tipo do input: Este agente deve ser apto a receber as propostas de otimização do Agente de Otimização de Rotas e Oferta.
-
Formatos Suportados: Esse agente deve ser capaz de receber inputs no formato:
.json. - Número de caracteres esperado: Este agente deve ter capacidade para processar um input de texto com até 100.000 caracteres.
5.3.3 Especificação do Output
- Formato de output: O output deve ser um JSON contendo plano_piloto com escopo, duração do teste, grupo-controle, KPIs alvo, metodologia de medição, critérios de sucesso, riscos e mitigação, cronograma e responsáveis.
-
Exemplo de Estrutura de Output:
{ "plano_piloto": { "escopo": "Linhas 1 e 2", "duracao_teste": "2 semanas", "grupo_controle": "Linha 3", "KPIs_alvo": ["tempo_espera_medio", "fator_carga"], "metodologia_medicao": "antes-depois", "criterios_sucesso": "-10% tempo_espera_medio", "riscos_mitigacao": "Gatilho de reversão se fator_carga > 1.0", "cronograma": { "T0": "2025-01-01", "T1": "2025-01-08", "T2": "2025-01-15" }, "responsaveis": ["Operador A", "Analista B"] } } - Número de caracteres esperado: O JSON gerado terá um tamanho aproximado de 7.000 caracteres.
5.3.4 Parâmetros de Geração
- Modelo: GPT-5
- Temperatura: 0.6
5.3.5 Ferramentas do Agente
- Documentos: Não consulta.
- Calculadora: Não utiliza.
- Busca Online: Não utiliza.
- Sistemas Externos: Não utiliza.
5.3.6 Memória
- Visibilidade das Instruções (Prompt): As instruções deste agente não devem ser visíveis para nenhum agente subsequente.
- Visibilidade da Resposta: A resposta gerada por este agente é o entregável final e não é passada para outros agentes internos.
5.3.7 Regras de Orquestração e Transição
A execução deste agente finaliza o fluxo. O plano de piloto gerado é o resultado que deve ser disponibilizado ao usuário.