Agente de IA para Análise de Desempenho de Fundos de Investimento

28 de November de 2025 • Tempo de leitura: 5 min

Como criar um agente de IA que analisa o desempenho histórico de fundos de investimento e gera relatórios comparativos.

Biblioteca de Prompts e Agentes

1. Propósito e Escopo

Este documento define todos os prompts, configurações de memória, transição entre estados e demais requisitos funcionais para um agente de IA dedicado à análise de desempenho de fundos de investimento. Essa documentação é um modelo de PRD ou Documento de Requisitos de Produto específicos para construção de Agentes de IA.

O objetivo principal é automatizar a análise contínua do desempenho histórico dos fundos, fornecendo relatórios comparativos automatizados que destaquem pontos fortes e fracos, além de insights acionáveis para consultores financeiros melhorarem suas recomendações.

2. Contexto e Problema

Cenário Atual

A análise de desempenho de fundos de investimento é atualmente realizada de forma manual, o que torna o processo demorado e sujeito a erros. Consultores financeiros frequentemente enfrentam dificuldades em gerar relatórios comparativos que sejam consistentes e acionáveis.


Problemas Identificados

  • Consumo de tempo: A análise manual é demorada, ocupando recursos que poderiam ser melhor alocados.
  • Falta de padronização: Relatórios gerados manualmente podem ser inconsistentes, dificultando comparações precisas.
  • Escassez de insights acionáveis: A falta de automação limita a capacidade dos consultores de fornecer recomendações baseadas em dados.
  • Risco de erros: A análise manual está sujeita a erros humanos, que podem comprometer a qualidade das recomendações.

3. Impactos Esperados

A implementação deste agente de IA visa alcançar os seguintes resultados:

  • Reduzir o tempo de análise em pelo menos 70%.
  • Padronizar a qualidade e o formato dos relatórios comparativos.
  • Aumentar a precisão dos insights e recomendações fornecidas aos consultores.
  • Aumentar a eficiência do processo de análise, permitindo que os consultores se concentrem em estratégias de investimento mais eficazes.

4. Visão Geral da Solução

O agente de IA para análise de desempenho de fundos de investimento processa dados históricos, aplica regras para gerar relatórios comparativos e fornece insights acionáveis para consultores financeiros. 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 fundos de investimento.

A solução consiste em um fluxo de automação composto por múltiplos agentes de IA. O processo inicia com a coleta de dados históricos e culmina na geração de relatórios detalhados para consultores financeiros.

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 Preparador de Consulta de Histórico de Cotas de Fundos (RF 1) Preparar o payload padronizado para recuperar o histórico de cotas.
Agente de Execução de Chamada à API - Histórico de Cotas (RF 2) Realizar chamada à API para obter o histórico de cotas.
Agente Avaliador de Moeda e Preparador de Consulta de FX (RF 3) Avaliar necessidade de conversão cambial e preparar consulta de FX.
Agente de Execução de Chamada à API - FX (RF 4) Executar chamadas às APIs de câmbio para conversão de moeda.
Agente Preparador de Consulta de Benchmark e Taxa Livre de Risco (RF 5) Preparar payloads para recuperar série de benchmark e taxa livre de risco.
Agente de Execução de Chamada à API - Benchmark e Taxa Livre de Risco (RF 6) Executar chamadas às APIs para recuperar séries de benchmark e taxa livre de risco.
Agente de Consolidação e Padronização das Séries Temporais (RF 7) Consolidar as séries de cotas, FX, benchmark e RF.
Agente de Análise Comparativa e Geração de Relatório para Consultores (RF 8) Calcular métricas de desempenho e risco, e gerar relatório comparativo.

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.

Ver Agente na Prototipe AI

6. Requisitos Funcionais

RF 1. Agente Preparador de Consulta de Histórico de Cotas de Fundos

1.1 Tarefa do Agente

Receber os identificadores dos fundos e preparar o payload padronizado para recuperar o histórico de cotas, janelas de análise e parâmetros complementares.

1.2 Prompt ou Instruções do Agente 
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo identificadores de fundos de investimento e outros parâmetros necessários para realizar uma consulta ao histórico de cotas.

# 2. Objetivo
Preparar o payload padronizado para recuperar o histórico de cotas dos fundos, considerando janelas de análise e parâmetros complementares.

# 3. Regras que você deve seguir para gerar sua resposta
- Normalizar identificadores: aceitar CNPJ, ISIN ou ticker; remover máscaras e espaços; converter para maiúsculas; deduplicar preservando ordem.
- Datas: se periodo.inicio ausente, definir inicio = data_hoje - 5 anos; se periodo.fim ausente, definir fim = data_hoje; se fim < inicio, inverter.
- Frequência: se frequencia ausente, definir "diaria".
- Moeda alvo: se moeda ausente, definir "BRL".
- Benchmark e RF: definir precisa_benchmark_rf = true quando necessário; definir rf_sugerida pela moeda.
- Taxas: se incluir_taxas ausente, definir {administracao: true, performance: true}.
- Garantir que o payload contém somente chaves necessárias.
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 identificadores de fundos de investimento via API. Na fase de testes, o fluxo será iniciado pelo envio manual dos dados, que serão enviados para o agente diretamente por upload na interface da Prototipe AI, para acelerar o processo de validação.
  • Tipo do input: O input inicial para o fluxo é um conjunto de identificadores de fundos e parâmetros de análise.
  • Formatos Suportados: Esse agente deve ser capaz de receber inputs nos formatos: .json.
  • Número de caracteres esperado: Este agente deve ter capacidade para processar um input de até 10.000 caracteres.

1.3.2 Especificação do Output

  • Formato de output: O output deve ser um arquivo no formato JSON contendo o payload padronizado para a consulta de histórico de cotas.
  • Exemplo de Estrutura de Output: 
     {"api_name": "historico_cotas_fundos", "payload": {"identificadores": ["CNPJ_ou_ISIN_ou_TICKER"], "data_inicio": "YYYY-MM-DD", "data_fim": "YYYY-MM-DD", "frequencia": "diaria|mensal", "moeda": "BRL|USD|EUR", "incluir_taxas": {"administracao": true, "performance": true}}}
  • Número de caracteres esperado: O JSON gerado deve ser claro e direto, com um tamanho estimado em 1.500 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

1.3.6 Regras de Orquestração e Transição

Ao concluir sua execução, esse agente aciona o Agente de Execução de Chamada à API - Histórico de Cotas (RF 2).

RF 2. Agente de Execução de Chamada à API - Histórico de Cotas

2.1 Tarefa do Agente

Realizar chamada à API do Sistema de Dados de Mercado para obter o histórico de cotas dos fundos.

2.2 Prompt ou Instruções do Agente 
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo um payload padronizado que contém os identificadores dos fundos e parâmetros para consulta ao histórico de cotas.

# 2. Objetivo
Executar a chamada à API com o payload recebido para recuperar o histórico de cotas dos fundos de investimento.

# 3. Regras que você deve seguir para gerar sua resposta
- Este agente não precisa de instruções de LLM. Sua única função é executar a chamada à API com o payload recebido.
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 como input um arquivo JSON, que corresponde ao payload padronizado gerado pelo agente anterior.
  • 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 até 1.500 caracteres.

2.3.2 Especificação do Output

  • Formato de output: O output deve ser um arquivo no formato JSON contendo o histórico de cotas dos fundos conforme retornado pela API.
  • Exemplo de Estrutura de Output: 
     {"series": [{"id": "identificador_fundo", "nome_opcional": "Fundo A", "moeda": "BRL|USD|EUR", "frequencia": "diaria|mensal", "dados": [{"data": "YYYY-MM-DD", "cota": 1.2345}]}], "metadados": {"fonte": "nome_provedor", "atualizado_em": "YYYY-MM-DDTHH:MM:SSZ"}}
  • Número de caracteres esperado: O JSON gerado deve ter um tamanho aproximado de 3.000 caracteres.

2.3.3 Parâmetros de Geração

  • Modelo: Não se aplica (uso de ferramenta)
  • Temperatura: Não se aplica (uso de ferramenta)

2.3.4 Ferramentas do Agente

  • Documentos: Não consulta.
  • Calculadora: Não utiliza.
  • Busca Online: Não utiliza.
  • Sistemas Externos: O agente deverá enviar o JSON recebido para a API externa e retornar o resultado recebido como resposta.

2.3.5 Memória

2.3.6 Regras de Orquestração e Transição

Ao concluir sua execução, esse agente aciona o Agente Avaliador de Moeda e Preparador de Consulta de FX (RF 3).

RF 3. Agente Avaliador de Moeda e Preparador de Consulta de FX

3.1 Tarefa do Agente

Avaliar necessidade de conversão cambial com base nas séries retornadas e preparar payload para recuperar séries de FX alinhadas à moeda alvo, período e frequência.

3.2 Prompt ou Instruções do Agente 
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo séries de cotas dos fundos de investimento e deve avaliar a necessidade de conversão cambial para a moeda alvo.

# 2. Objetivo
Preparar payload para recuperar séries de FX necessárias para conversão para a moeda alvo.

# 3. Regras que você deve seguir para gerar sua resposta
- Detecção: definir precisa_fx = true se existir ao menos um fundo com moeda diferente de moeda_alvo.
- Período/Frequência: definir periodo.inicio e fim pela interseção máxima possível das séries de fundos; definir frequência igual à informada nas séries.
- Pares FX: criar lista única de pares distintos (moeda_fundo -> moeda_alvo).
- Chamada: para cada par FX, gerar exatamente uma chamada de série com período e frequência definidos.
3.3 Configurações do Agente

3.3.1 Especificação do Input

  • Mecanismo de Acionamento: Este agente deve ser acionado automaticamente após a conclusão do agente anterior (RF 2).
  • Tipo do input: Este agente deve ser apto a receber como input um arquivo JSON contendo as séries de cotas dos fundos de investimento.
  • 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 até 3.000 caracteres.

3.3.2 Especificação do Output

  • Formato de output: O output deve ser um arquivo no formato JSON contendo o payload para consulta de séries de FX, caso necessário.
  • Exemplo de Estrutura de Output: 
     {"precisa_fx": true, "pares_fx": [{"from": "USD", "to": "BRL"}], "chamadas": [{"api_name": "serie_fx", "payload": {"from": "USD", "to": "BRL", "data_inicio": "YYYY-MM-DD", "data_fim": "YYYY-MM-DD", "frequencia": "diaria|mensal"}}]}
  • Número de caracteres esperado: O JSON gerado deve ter um tamanho aproximado de 1.500 caracteres.

3.3.3 Parâmetros de Geração

  • Modelo: GPT-5
  • Temperatura: 0.6

3.3.4 Ferramentas do Agente

  • Documentos: Não consulta.
  • Calculadora: Não utiliza.
  • Busca Online: Não utiliza.
  • Sistemas Externos: Não utiliza.

3.3.5 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 Execução de Chamada à API - FX (RF 4).

3.3.6 Regras de Orquestração e Transição

Ao concluir sua execução, esse agente aciona o Agente de Execução de Chamada à API - FX (RF 4) se o campo precisa_fx for true.

RF 4. Agente de Execução de Chamada à API - FX

4.1 Tarefa do Agente

Realizar chamadas às APIs de câmbio para recuperar séries de FX necessárias para conversão para a moeda alvo.

4.2 Prompt ou Instruções do Agente 
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo um payload que contém parâmetros para consulta de séries de FX.

# 2. Objetivo
Executar chamadas às APIs de câmbio com o payload recebido para recuperar as séries de FX necessárias.

# 3. Regras que você deve seguir para gerar sua resposta
- Este agente não precisa de instruções de LLM. Sua única função é executar as chamadas às APIs com os payloads recebidos.
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), desde que o campo precisa_fx seja true.
  • Tipo do input: Este agente deve ser apto a receber como input um arquivo JSON contendo o payload para consulta de séries de FX.
  • 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 até 1.500 caracteres.

4.3.2 Especificação do Output

  • Formato de output: O output deve ser um arquivo no formato JSON contendo as séries de FX conforme retornado pela API.
  • Exemplo de Estrutura de Output: 
     {"fx_series": [{"from": "USD", "to": "BRL", "frequencia": "diaria|mensal", "dados": [{"data": "YYYY-MM-DD", "valor": 5.1234}]}]}
  • Número de caracteres esperado: O JSON gerado deve ter um tamanho aproximado de 1.500 caracteres.

4.3.3 Parâmetros de Geração

  • Modelo: Não se aplica (uso de ferramenta)
  • Temperatura: Não se aplica (uso de ferramenta)

4.3.4 Ferramentas do Agente

  • Documentos: Não consulta.
  • Calculadora: Não utiliza.
  • Busca Online: Não utiliza.
  • Sistemas Externos: O agente deverá enviar o JSON recebido para a API externa e retornar o resultado recebido como resposta.

4.3.5 Memória

4.3.6 Regras de Orquestração e Transição

Ao concluir sua execução, esse agente aciona o Agente Preparador de Consulta de Benchmark e Taxa Livre de Risco (RF 5).

RF 5. Agente Preparador de Consulta de Benchmark e Taxa Livre de Risco

5.1 Tarefa do Agente

A partir do contexto da análise, preparar payloads para recuperar a(s) série(s) do benchmark e da taxa livre de risco compatíveis com período, frequência e moeda.

5.2 Prompt ou Instruções do Agente 
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo parâmetros que indicam a necessidade de recuperar séries de benchmark e taxa livre de risco.

# 2. Objetivo
Preparar payloads para recuperar a(s) série(s) do benchmark e da taxa livre de risco necessárias para a análise.

# 3. Regras que você deve seguir para gerar sua resposta
- Seleção de benchmark: priorizar exatamente 1 benchmark principal.
- Seleção de RF: escolher taxa compatível com a moeda alvo.
- Alinhamento temporal: usar exatamente o mesmo periodo e frequencia fornecidos.
- Quantidade de chamadas: produzir até duas chamadas (benchmark e RF).
5.3 Configurações do Agente

5.3.1 Especificação do Input

  • Mecanismo de Acionamento: Este agente deve ser acionado automaticamente após a conclusão do agente anterior (RF 4).
  • Tipo do input: Este agente deve ser apto a receber como input um arquivo JSON contendo parâmetros para consulta de séries de benchmark e taxa livre de risco.
  • 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 até 1.500 caracteres.

5.3.2 Especificação do Output

  • Formato de output: O output deve ser um arquivo no formato JSON contendo os payloads para consulta de séries de benchmark e taxa livre de risco.
  • Exemplo de Estrutura de Output: 
     {"chamadas": [{"api_name": "serie_benchmark", "payload": {"indice": "CDI", "data_inicio": "YYYY-MM-DD", "data_fim": "YYYY-MM-DD", "frequencia": "diaria|mensal", "moeda": "BRL"}}, {"api_name": "serie_rf", "payload": {"indice": "SELIC", "data_inicio": "YYYY-MM-DD", "data_fim": "YYYY-MM-DD", "frequencia": "diaria|mensal", "moeda": "BRL"}}]}
  • Número de caracteres esperado: O JSON gerado deve ter um tamanho aproximado de 1.500 caracteres.

5.3.3 Parâmetros de Geração

  • Modelo: GPT-5
  • Temperatura: 0.6

5.3.4 Ferramentas do Agente

  • Documentos: Não consulta.
  • Calculadora: Não utiliza.
  • Busca Online: Não utiliza.
  • Sistemas Externos: Não utiliza.

5.3.5 Memória

5.3.6 Regras de Orquestração e Transição

Ao concluir sua execução, esse agente aciona o Agente de Execução de Chamada à API - Benchmark e Taxa Livre de Risco (RF 6).

RF 6. Agente de Execução de Chamada à API - Benchmark e Taxa Livre de Risco

6.1 Tarefa do Agente

Realizar chamadas às APIs dos índices selecionados para recuperar séries de benchmark e taxa livre de risco.

6.2 Prompt ou Instruções do Agente 
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo payloads que contêm parâmetros para consulta de séries de benchmark e taxa livre de risco.

# 2. Objetivo
Executar as chamadas às APIs com os payloads recebidos para recuperar as séries de benchmark e taxa livre de risco.

# 3. Regras que você deve seguir para gerar sua resposta
- Este agente não precisa de instruções de LLM. Sua única função é executar as chamadas às APIs com os payloads recebidos.
6.3 Configurações do Agente

6.3.1 Especificação do Input

  • Mecanismo de Acionamento: Este agente deve ser acionado automaticamente após a conclusão do agente anterior (RF 5).
  • Tipo do input: Este agente deve ser apto a receber como input um arquivo JSON contendo os payloads para consulta de séries de benchmark e taxa livre de risco.
  • 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 até 1.500 caracteres.

6.3.2 Especificação do Output

  • Formato de output: O output deve ser um arquivo no formato JSON contendo as séries de benchmark e taxa livre de risco conforme retornado pelas APIs.
  • Exemplo de Estrutura de Output: 
     {"benchmark": {"indice": "CDI", "frequencia": "diaria", "dados": [{"data": "YYYY-MM-DD", "valor": 0.000123}]}, "rf": {"indice": "SELIC", "frequencia": "diaria", "dados": [{"data": "YYYY-MM-DD", "valor": 0.000098}]}}
  • Número de caracteres esperado: O JSON gerado deve ter um tamanho aproximado de 1.500 caracteres.

6.3.3 Parâmetros de Geração

  • Modelo: Não se aplica (uso de ferramenta)
  • Temperatura: Não se aplica (uso de ferramenta)

6.3.4 Ferramentas do Agente

  • Documentos: Não consulta.
  • Calculadora: Não utiliza.
  • Busca Online: Não utiliza.
  • Sistemas Externos: O agente deverá enviar o JSON recebido para a API externa e retornar o resultado recebido como resposta.

6.3.5 Memória

6.3.6 Regras de Orquestração e Transição

Ao concluir sua execução, esse agente aciona o Agente de Consolidação e Padronização das Séries Temporais (RF 7).

RF 7. Agente de Consolidação e Padronização das Séries Temporais

7.1 Tarefa do Agente

Consolidar as séries de cotas, FX (quando houver), benchmark e RF; alinhar calendário, frequência, moeda e calcular retornos necessários para a análise comparativa.

7.2 Prompt ou Instruções do Agente 
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo séries de cotas, FX, benchmark e RF, e deve consolidar essas informações para análise comparativa.

# 2. Objetivo
Consolidar as séries temporais, alinhar calendário, frequência e moeda, e calcular retornos necessários para a análise comparativa.

# 3. Regras que você deve seguir para gerar sua resposta
- Conversão de moeda: converter séries de cotas pela taxa de fechamento compatível.
- Reamostragem de frequência: alinhar séries de cotas, benchmark e RF pela frequência alvo.
- Calendário: alinhar por interseção estrita de datas entre todos os insumos.
- Lacunas: aplicar forward fill em cotas para buracos de até 3 observações.
- Retornos: calcular retornos simples periódicos dos fundos e benchmark.
7.3 Configurações do Agente

7.3.1 Especificação do Input

  • Mecanismo de Acionamento: Este agente deve ser acionado automaticamente após a conclusão do agente anterior (RF 6).
  • Tipo do input: Este agente deve ser apto a receber como input um arquivo JSON contendo séries de cotas, FX, benchmark e RF.
  • 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 até 5.000 caracteres.

7.3.2 Especificação do Output

  • Formato de output: O output deve ser um arquivo no formato JSON contendo as séries temporais consolidadas e os retornos calculados.
  • Exemplo de Estrutura de Output: 
     {"base_consolidada": {"datas": ["YYYY-MM-DD"], "fundos": {"": {"retornos": [number], "cotas": [number], "moeda": "BRL|USD|EUR"}}, "benchmark": {"retornos": [number]}, "rf": {"retornos": [number]}}, "notas_data": ["conversao_moeda_aplicada", "datas_alinhadas_por_intersecao", "lacunas_forward_fill_aplicadas:N"], "fatores": {"anualizacao": 252|12}}
  • Número de caracteres esperado: O JSON gerado deve ter um tamanho aproximado de 3.000 caracteres.

7.3.3 Parâmetros de Geração

  • Modelo: GPT-5
  • Temperatura: 0.6

7.3.4 Ferramentas do Agente

  • Documentos: Não consulta.
  • Calculadora: Não utiliza.
  • Busca Online: Não utiliza.
  • Sistemas Externos: Não utiliza.

7.3.5 Memória

7.3.6 Regras de Orquestração e Transição

Ao concluir sua execução, esse agente aciona o Agente de Análise Comparativa e Geração de Relatório para Consultores (RF 8).

RF 8. Agente de Análise Comparativa e Geração de Relatório para Consultores

8.1 Tarefa do Agente

Calcular métricas de desempenho e risco, comparar os fundos entre si e contra o benchmark, e gerar relatório comparativo com insights acionáveis.

8.2 Prompt ou Instruções do Agente 
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo séries temporais consolidadas de fundos de investimento, benchmark e RF.

# 2. Objetivo
Calcular métricas de desempenho e risco, comparar os fundos entre si e contra o benchmark, e gerar relatório comparativo com insights acionáveis.

# 3. Regras que você deve seguir para gerar sua resposta
- Cálculos base: Retorno acumulado, CAGR, volatilidade anualizada, Sharpe, Sortino, máx drawdown, tracking error, information ratio, beta, alfa.
- Janela rolling: calcular rolling 12/24/36 meses; taxa de sucesso; calcular rolling Sharpe.
- Ranking composto: padronizar métricas em z-score; score = 0.40*retorno_excedente_anualizado + 0.30*Sharpe + 0.20*(-MDD) + 0.10*consistência.
- Comparabilidade: usar apenas datas da interseção; calcular métricas usando janela própria.
- Qualidade de dados: sinalizar outliers; incluir nota de menor confiança quando necessário.
- Custos: preferir cotas líquidas; ajustar retorno periódico.
- Moeda: incluir nota sobre risco cambial se necessário.
- Apresentação e clareza: gerar markdown com seções, tabelas e bullets; limitar a 4 casas decimais para métricas de risco e 2 para percentuais.
8.3 Configurações do Agente

8.3.1 Especificação do Input

  • Mecanismo de Acionamento: Este agente deve ser acionado automaticamente após a conclusão do agente anterior (RF 7).
  • Tipo do input: Este agente deve ser apto a receber como input um arquivo JSON contendo as séries temporais consolidadas e os retornos calculados.
  • 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 até 3.000 caracteres.

8.3.2 Especificação do Output

  • Formato de output: O output deve ser um relatório em formato Markdown contendo as métricas calculadas, comparações e insights acionáveis.
  • Exemplo de Estrutura de Output: 
     # Relatório de Análise de Desempenho de Fundos

**Período Analisado:** 01/01/2020 - 31/12/2024

**Sumário Executivo:**
- Fundo A apresentou melhor desempenho em termos de retorno anualizado.
- Fundo B destacou-se em volatilidade controlada.

**Tabela Comparativa de Métricas:**
| Fundo | CAGR | Vol Anual | Sharpe | Sortino | MDD | TE | IR | Beta | Alfa |
|-------|------|----------|--------|---------|-----|----|----|------|-----|
| A     | 5.23%| 12.34%   | 0.87   | 0.65    | 10% | 1.2| 0.5| 1.1  | 0.3 |

**Ranking Composto:**
1. Fundo A
2. Fundo B

**Insights Acionáveis:**
- Sugerir alocação tática para Fundo A devido ao Beta elevado.
- Recomendar due diligence para Fundo B por alterações abruptas de volatilidade.
  • Número de caracteres esperado: O relatório gerado deve ter um tamanho aproximado de 5.000 caracteres.

8.3.3 Parâmetros de Geração

  • Modelo: GPT-5
  • Temperatura: 0.6

8.3.4 Ferramentas do Agente

  • Documentos: Não consulta.
  • Calculadora: Não utiliza.
  • Busca Online: Não utiliza.
  • Sistemas Externos: Não utiliza.

8.3.5 Memória

  • Visibilidade das Instruções (Prompt): As instruções não são visíveis para agentes subsequentes.
  • Visibilidade da Resposta: A resposta gerada por este agente é o entregável final e não é passada para outros agentes internos.

8.3.6 Regras de Orquestração e Transição

A execução deste agente finaliza o fluxo. O relatório gerado é o resultado que deve ser disponibilizado ao usuário.

Posts Relacionados

© 2025 prototipe.ai. Todos os direitos reservados.