1. Propósito e Escopo
Este documento define todos os prompts, configurações de memória, transição entre estados e demais requisitos funcionais para o agente de IA "Análise de Desempenho de Cursos". 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 dados de desempenho dos cursos em insights valiosos sobre eficácia, taxas de conclusão e áreas de melhoria, fornecendo relatórios detalhados para auxiliar na tomada de decisões.
2. Contexto e Problema
Cenário Atual
Instituições educacionais oferecem cursos técnicos e profissionalizantes, mas enfrentam dificuldades para avaliar efetivamente o desempenho desses cursos. Problemas comuns incluem:
- Falta de clareza sobre a eficácia dos cursos oferecidos.
- Dificuldade em identificar taxas de conclusão e evasão.
- Ausência de relatórios detalhados que auxiliem na melhoria contínua dos cursos.
Atualmente, a análise de desempenho é feita manualmente, o que consome tempo e recursos significativos, além de estar sujeita a erros humanos e falta de padronização.
3. Impactos Esperados
A implementação deste agente de IA visa alcançar os seguintes resultados:
- Melhorar a eficácia dos cursos através de insights precisos e acionáveis.
- Aumentar as taxas de conclusão ao identificar e abordar áreas de melhoria.
- Reduzir o tempo e o esforço necessários para gerar relatórios de desempenho.
- Fornecer dados padronizados e confiáveis para apoiar decisões estratégicas.
4. Visão Geral da Solução
O agente de IA para análise de desempenho de cursos processa dados estruturados dos cursos, aplica regras analíticas e gera relatórios detalhados sobre eficácia, taxas de conclusão e áreas de melhoria. A seguir são detalhadas todas as regras de negócio e especificações funcionais necessárias para que esse agente atue como uma ferramenta útil e autônoma na análise de desempenho dos cursos.
A solução consiste em um agente de IA que recebe dados de cursos, turmas, inscrições e feedbacks, e produz um relatório em Markdown contendo análises e recomendações.
O fluxo de execução do agente é linear, começando com a validação dos dados de entrada e terminando com a geração de um relatório detalhado.
5. Protótipos
Para proporcionar uma visão clara e tangível da solução proposta, criamos protótipos interativos que demonstram tanto o fluxo de trabalho do agente quanto o resultado final que o usuário receberá. Explore os links abaixo para entender melhor a solução em ação.
6. Requisitos Funcionais
RF 1. Agente de Análise de Desempenho de Cursos
1.1 Tarefa do Agente
Analisar o desempenho geral dos cursos técnicos e profissionalizantes e produzir um relatório consistente que mensure eficácia, taxas de conclusão e áreas de melhoria acionáveis.
1.2 Prompt ou Instruções do Agente
# 1. Contexto e explicações sobre inputs iniciais
Você está recebendo um conjunto de dados estruturados dos cursos técnicos e profissionalizantes. Estes dados incluem informações sobre cursos, inscrições, avaliações e atividade opcional dos estudantes.
# 2. Objetivo
Analisar os dados recebidos para gerar insights sobre taxas de conclusão, eficácia dos cursos e identificar áreas de melhoria.
# 3. Regras que você deve seguir para gerar sua resposta
- Valide a presença mínima dos campos listados em expected_input; se faltar campo crítico, marque input_status: 'incomplete' e prossiga apenas com métricas possíveis.
- Use definições e fórmulas de KPIs para calcular métricas como taxa de conclusão, evasão, satisfação e eficácia do curso.
- Gere um relatório em Markdown com seções claras e tabelas para KPIs e rankings.
- Inclua um bloco JSON machine-readable com KPIs globais, métricas por curso, segmentações e recomendações.
# 4. Exemplo de Output que você deve produzir
**Resumo Executivo:**
- A eficácia média dos cursos é de 75%.
- A taxa de conclusão média é de 80%.
**KPIs Globais:**
- Inscrições válidas: 1000
- Taxa de conclusão: 80%
- Taxa de evasão: 20%
**Ranking de Cursos:**
- Top 5: Curso A, Curso B
- Bottom 5: Curso X, Curso Y
**Áreas de Melhoria:**
- Aumentar a satisfação no Curso Y
**Recomendações Acionáveis:**
- Revisar currículo do Curso X em 30 dias
```json
{
"generated_at": "2025-12-14T12:22:00Z",
"scope": "cursos_tecnicos_prof",
"global_kpis": {"inscricoes_validas": 1000, "taxa_conclusao": 80, "taxa_evasao": 20},
"course_metrics": [{"course_id": "A", "eficacia": 85}],
"segments": {},
"issues": [],
"actions": []
}
``` 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 conjunto de dados estruturados via API. Na fase de testes, o fluxo será iniciado pelo envio manual dos dados, que serão enviados para o agente diretamente por upload de um arquivo csv na interface da Prototipe AI, para acelerar o processo de validação.
- Tipo do input: O input inicial para o fluxo é um conjunto de dados estruturados em formato JSON.
-
Formatos Suportados: Esse agente deve ser capaz de receber dados em formato:
.json. - Número de caracteres esperado: Este agente deve ter capacidade para processar um input de texto com até 100.000 caracteres.
1.3.2 Especificação do Output
- Formato de output: O output deve ser um relatório em texto formatado em **Markdown**, contendo seções claras para resumo executivo, KPIs, rankings, áreas de melhoria e recomendações, além de um bloco JSON com dados estruturados.
-
Exemplo de Estrutura de Output:
**Resumo Executivo:** - A eficácia média dos cursos é de 75%. - A taxa de conclusão média é de 80%. **KPIs Globais:** - Inscrições válidas: 1000 - Taxa de conclusão: 80% - Taxa de evasão: 20% **Ranking de Cursos:** - Top 5: Curso A, Curso B - Bottom 5: Curso X, Curso Y **Áreas de Melhoria:** - Aumentar a satisfação no Curso Y **Recomendações Acionáveis:** - Revisar currículo do Curso X em 30 dias ```json { "generated_at": "2025-12-14T12:22:00Z", "scope": "cursos_tecnicos_prof", "global_kpis": {"inscricoes_validas": 1000, "taxa_conclusao": 80, "taxa_evasao": 20}, "course_metrics": [{"course_id": "A", "eficacia": 85}], "segments": {}, "issues": [], "actions": [] } ``` - Número de caracteres esperado: O texto final deve ser conciso e informativo, com um tamanho estimado em torno de 5.000 caracteres, podendo variar conforme a complexidade dos dados analisados.
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 é o resultado final e não precisa ser visível para outros agentes.
1.3.6 Regras de Orquestração e Transição
A execução deste agente finaliza o fluxo. O relatório gerado é o resultado que deve ser disponibilizado ao usuário.