1. Propósito e Escopo
Este documento define todos os prompts, configurações de memória, transição entre estados, ferramentas como chamadas a sistemas externos, consulta a documentos e demais requisitos funcionais para o Fluxo de Agentes "Análise de Feedback de Avaliações de Curso". Essa documentação é um modelo de PRD ou Documento de Requisitos de Produto específicos para construção de Agentes de IA.
O objetivo principal é consolidar e analisar feedbacks de avaliações de curso de forma eficiente, identificando pontos fortes e áreas que necessitam de melhorias.
2. Contexto e Problema
O processo atual de análise de feedbacks de avaliações de curso é manual e demorado, dependendo de múltiplas fontes de dados, como LMS, formulários NPS, aplicativos móveis e documentos exportados. As principais dificuldades incluem:
- Consolidação de feedbacks de múltiplas fontes de forma eficiente.
- Identificação de padrões, pontos fortes e áreas de melhoria nos dados.
Essas dificuldades resultam em análises inconsistentes e atrasos na implementação de melhorias nos cursos.
3. Impactos Esperados
A implementação deste fluxo de automação visa alcançar os seguintes resultados:
- Melhorar a eficiência na consolidação de feedbacks de múltiplas fontes.
- Aumentar a precisão na identificação de padrões e áreas de melhoria.
- Reduzir o tempo necessário para análise de feedbacks e implementação de melhorias.
- Padronizar a qualidade das análises de feedback através de critérios objetivos e consistentes.
4. Visão Geral da Solução
O agente de IA para análise de feedback de avaliações de curso coleta e consolida feedbacks de múltiplas fontes, aplica regras para identificar padrões e áreas de melhoria, e gera um relatório analítico estruturado. 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 feedbacks de avaliações de curso.
A solução consiste em um fluxo de automação composto por 5 agentes de IA. O processo inicia com a coleta de feedbacks de múltiplas fontes e termina com a geração de um relatório analítico estruturado.
| Agentes | Função Principal |
|---|---|
Agente de Preparação de Coleta Multicanal (RF 1)
| Definir o escopo de coleta e preparar os parâmetros para captura de feedbacks. |
Agente de Execução de Chamada à API (RF 2)
| Realizar chamadas às APIs das fontes definidas para obter os feedbacks. |
Agente de Execução de Consulta a Documento (RF 3)
| Realizar consulta a documentos/arquivos para extrair os registros de feedback. |
Agente de Consolidação e Normalização de Feedbacks (RF 4)
| Consolidar dados provenientes de APIs e documentos em um dataset único. |
Agente de Análise de Feedbacks (RF 5)
| Identificar padrões, pontos fortes e áreas de melhoria a partir do dataset normalizado. |
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 de Coleta Multicanal
1.1 Tarefa do Agente
Definir o escopo de coleta, padronizar o schema alvo e preparar os parâmetros/payloads para captura de feedbacks em múltiplas fontes (APIs e documentos).
1.2 Prompt ou Instruções do Agente
# 1. Contexto e explicações sobre inputs iniciais
Você está recebendo uma lista de fontes de dados e parâmetros necessários para a coleta de feedbacks.
# 2. Objetivo
Definir o escopo de coleta e preparar os parâmetros/payloads necessários para captura de feedbacks em múltiplas fontes.
# 3. Regras que você deve seguir para gerar sua resposta
- Defina um schema_target mínimo com os campos necessários para a análise de feedbacks.
- Mapeie, para cada fonte, como cada campo será obtido e transformado até o schema_target.
- Estabeleça filtros de período e critérios de qualidade para os feedbacks coletados.
- Defina chave de deduplicação para garantir a integridade dos dados coletados.
# 4. Exemplo de Output que você deve produzir
{
"schema_target": {
"feedback_id_externo": "string",
"source": "string",
"course_id": "string",
"course_name": "string",
"instructor_name": "string",
"turma_id": "string",
"created_at_utc": "string",
"rating_valor": "number",
"rating_escala": "string",
"nps_score": "number",
"comment_text": "string",
"language_detected": "string",
"user_role": "string",
"platform_channel": "string",
"module/topic": "string",
"origem_arquivo": "string",
"source_reference": "string"
},
"criteria": {
"period_filter": {"start_date": "string", "end_date": "string"},
"quality_filters": {"min_length": 5, "exclude_empty": true}
}
} 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 uma lista de fontes de dados e parâmetros via API. Na fase de testes, os dados serão enviados pelo 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 uma lista de fontes de dados e parâmetros necessários para a coleta de feedbacks.
-
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 com até 10.000 caracteres.
1.3.2 Especificação do Output
- Formato de output: O output deve ser um objeto JSON contendo o schema_target padronizado e os critérios de coleta definidos.
-
Exemplo de Estrutura de Output:
{ "schema_target": { "feedback_id_externo": "string", "source": "string", "course_id": "string", "course_name": "string", "instructor_name": "string", "turma_id": "string", "created_at_utc": "string", "rating_valor": "number", "rating_escala": "string", "nps_score": "number", "comment_text": "string", "language_detected": "string", "user_role": "string", "platform_channel": "string", "module/topic": "string", "origem_arquivo": "string", "source_reference": "string" }, "criteria": { "period_filter": {"start_date": "string", "end_date": "string"}, "quality_filters": {"min_length": 5, "exclude_empty": true} } } - Número de caracteres esperado: O JSON gerado deve ter um tamanho estimado em torno de 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
- 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 (RF 2).
1.3.6 Regras de Orquestração e Transição
Ao concluir sua execução, esse agente aciona o Agente de Execução de Chamada à API (RF 2).
RF 2. Agente de Execução de Chamada à API
2.1 Tarefa do Agente
Realizar chamadas às APIs das fontes definidas para obter os feedbacks conforme payloads preparados.
2.2 Prompt ou Instruções do Agente
# 1. Contexto e explicações sobre inputs iniciais
Você está recebendo uma lista de payloads de API preparados para a coleta de feedbacks.
# 2. Objetivo
Realizar chamadas às APIs das fontes definidas e obter os feedbacks conforme os payloads preparados.
# 3. Regras que você deve seguir para gerar sua resposta
- Execute as chamadas às APIs utilizando os endpoints e parâmetros fornecidos.
- Preserve os metadados de chamada, como fonte, endpoint, intervalo e paginação aplicada.
# 4. Exemplo de Output que você deve produzir
{
"responses": [
{
"source": "LMS",
"endpoint": "/api/feedbacks",
"data": [{...}],
"metadata": {
"interval": "2025-01-01/2025-12-31",
"pagination": "page=1"
}
}
]
} 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 uma lista de payloads de API preparados para a coleta de feedbacks.
-
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 com até 10.000 caracteres.
2.3.2 Especificação do Output
- Formato de output: O output deve ser um objeto JSON contendo as respostas das chamadas às APIs, incluindo metadados de chamada.
-
Exemplo de Estrutura de Output:
{ "responses": [ { "source": "LMS", "endpoint": "/api/feedbacks", "data": [{...}], "metadata": { "interval": "2025-01-01/2025-12-31", "pagination": "page=1" } } ] } - Número de caracteres esperado: O JSON gerado deve ter um tamanho estimado em torno de 5.000 caracteres.
2.3.3 Parâmetros de Geração
- Modelo: Não se aplica (uso de ferramenta)
2.3.4 Ferramentas do Agente
- Documentos: Não consulta documentos externos.
- Calculadora: Não utiliza.
- Busca Online: Não utiliza.
- Sistemas Externos: O agente deverá realizar chamadas às APIs externas utilizando os payloads recebidos.
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 Consolidação e Normalização de Feedbacks (RF 4).
2.3.6 Regras de Orquestração e Transição
Ao concluir sua execução, esse agente aciona o Agente de Consolidação e Normalização de Feedbacks (RF 4).
RF 3. Agente de Execução de Consulta a Documento
3.1 Tarefa do Agente
Realizar consulta a documentos/arquivos fornecidos para extrair os registros de feedback.
3.2 Prompt ou Instruções do Agente
# 1. Contexto e explicações sobre inputs iniciais
Você está recebendo parâmetros para consulta a documentos/arquivos contendo registros de feedbacks.
# 2. Objetivo
Realizar consulta a documentos/arquivos fornecidos para extrair os registros de feedback.
# 3. Regras que você deve seguir para gerar sua resposta
- Utilize os parâmetros fornecidos para localizar e extrair os registros dos documentos.
- Mapeie os registros extraídos para os campos do schema_target definido.
# 4. Exemplo de Output que você deve produzir
{
"document_responses": [
{
"file_name": "feedbacks_2025.csv",
"data": [{...}],
"metadata": {
"extracted_on": "2025-12-02",
"source_reference": "uri"
}
}
]
} 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 1).
- Tipo do input: Este agente deve ser apto a receber parâmetros para consulta a documentos/arquivos contendo registros de feedbacks.
-
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 com até 10.000 caracteres.
3.3.2 Especificação do Output
- Formato de output: O output deve ser um objeto JSON contendo os registros de feedback extraídos dos documentos, incluindo metadados de extração.
-
Exemplo de Estrutura de Output:
{ "document_responses": [ { "file_name": "feedbacks_2025.csv", "data": [{...}], "metadata": { "extracted_on": "2025-12-02", "source_reference": "uri" } } ] } - Número de caracteres esperado: O JSON gerado deve ter um tamanho estimado em torno de 5.000 caracteres.
3.3.3 Parâmetros de Geração
- Modelo: Não se aplica (uso de ferramenta)
3.3.4 Ferramentas do Agente
- Documentos: O agente deverá realizar consultas a documentos/arquivos fornecidos utilizando os parâmetros recebidos.
- Calculadora: Não utiliza.
- Busca Online: Não utiliza.
- Sistemas Externos: Não se conecta a sistemas externos.
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 Consolidação e Normalização de Feedbacks (RF 4).
3.3.6 Regras de Orquestração e Transição
Ao concluir sua execução, esse agente aciona o Agente de Consolidação e Normalização de Feedbacks (RF 4).
RF 4. Agente de Consolidação e Normalização de Feedbacks
4.1 Tarefa do Agente
Consolidar dados provenientes de APIs e documentos em um dataset único, padronizado e deduplicado, pronto para análise.
4.2 Prompt ou Instruções do Agente
# 1. Contexto e explicações sobre inputs iniciais
Você está recebendo dados de feedbacks provenientes de APIs e documentos, além do schema_target para consolidação.
# 2. Objetivo
Consolidar os dados em um dataset único, padronizado e deduplicado, pronto para análise.
# 3. Regras que você deve seguir para gerar sua resposta
- Unifique os registros no schema_target definido, mantendo rastreabilidade via source_reference.
- Aplique a chave de deduplicação e remova duplicatas, preservando o registro com maior completude de campos.
- Normalize rating para rating_normalizado_0_1 e registre rating_escala e nps_score (se houver).
- Detecte idioma e preencha language_detected; crie comment_text_pt_br traduzido para pt-BR quando necessário.
- Masque PII visível no comentário, preservando o restante do texto.
- Rejeite registros sem comentário útil ou contendo somente caracteres repetidos/emojis.
# 4. Exemplo de Output que você deve produzir
{
"dataset_normalizado": [
{
"feedback_id_externo": "12345",
"course_id": "ABC123",
"comment_text": "Ótimo curso!",
"rating_normalizado_0_1": 0.8,
"language_detected": "pt",
"comment_text_pt_br": "Ótimo curso!"
}
]
} 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 2 ou RF 3).
- Tipo do input: Este agente deve ser apto a receber dados de feedbacks provenientes de APIs e documentos, além do schema_target para consolidação.
-
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 com até 20.000 caracteres.
4.3.2 Especificação do Output
- Formato de output: O output deve ser um objeto JSON contendo o dataset consolidado e normalizado, pronto para análise.
-
Exemplo de Estrutura de Output:
{ "dataset_normalizado": [ { "feedback_id_externo": "12345", "course_id": "ABC123", "comment_text": "Ótimo curso!", "rating_normalizado_0_1": 0.8, "language_detected": "pt", "comment_text_pt_br": "Ótimo curso!" } ] } - Número de caracteres esperado: O JSON gerado deve ter um tamanho estimado em torno de 10.000 caracteres.
4.3.3 Parâmetros de Geração
- Modelo: GPT-5
- Temperatura: 0.6
4.3.4 Ferramentas do Agente
- Documentos: Não consulta documentos externos.
- Calculadora: Não utiliza.
- Busca Online: Não utiliza.
- Sistemas Externos: Não se conecta a sistemas externos.
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 Análise de Feedbacks (RF 5).
4.3.6 Regras de Orquestração e Transição
Ao concluir sua execução, esse agente aciona o Agente de Análise de Feedbacks (RF 5).
RF 5. Agente de Análise de Feedbacks
5.1 Tarefa do Agente
Identificar padrões, pontos fortes e áreas de melhoria a partir do dataset normalizado de feedbacks de curso.
5.2 Prompt ou Instruções do Agente
# 1. Contexto e explicações sobre inputs iniciais
Você está recebendo um dataset normalizado de feedbacks de curso, pronto para análise.
# 2. Objetivo
Identificar padrões, pontos fortes e áreas de melhoria a partir do dataset normalizado.
# 3. Regras que você deve seguir para gerar sua resposta
- Classifique cada comentário em categorias pré-definidas, como Conteúdo, Didática do Instrutor, Materiais, Plataforma, etc.
- Atribua polaridade (positivo/negativo/neutro) e intensidade (baixa/média/alta) para cada comentário-tema.
- Reporte temas com pelo menos 5 menções ou >= 5% do total; calcule saldo de sentimento por tema.
- Liste top 3-5 pontos fortes e áreas de melhoria com estatísticas e citações representativas.
# 4. Exemplo de Output que você deve produzir
{
"analise_feedbacks": {
"pontos_fortes": [
{"tema": "Didática do Instrutor", "menções": 10, "saldo": 30, "citações": ["Ótima didática!", "Instrutor claro e objetivo."]}
],
"areas_melhoria": [
{"tema": "Plataforma", "menções": 8, "saldo": -20, "citações": ["Dificuldade de navegação.", "Interface confusa."]}
]
}
} 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 um dataset normalizado de feedbacks de curso, pronto para análise.
-
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 com até 10.000 caracteres.
5.3.2 Especificação do Output
- Formato de output: O output deve ser um objeto JSON contendo a análise dos feedbacks, incluindo padrões, pontos fortes e áreas de melhoria.
-
Exemplo de Estrutura de Output:
{ "analise_feedbacks": { "pontos_fortes": [ {"tema": "Didática do Instrutor", "menções": 10, "saldo": 30, "citações": ["Ótima didática!", "Instrutor claro e objetivo."]} ], "areas_melhoria": [ {"tema": "Plataforma", "menções": 8, "saldo": -20, "citações": ["Dificuldade de navegação.", "Interface confusa."]} ] } } - Número de caracteres esperado: O JSON gerado deve ter um tamanho estimado em torno de 5.000 caracteres.
5.3.3 Parâmetros de Geração
- Modelo: GPT-5
- Temperatura: 0.6
5.3.4 Ferramentas do Agente
- Documentos: Não consulta documentos externos.
- Calculadora: Não utiliza.
- Busca Online: Não utiliza.
- Sistemas Externos: Não se conecta a sistemas externos.
5.3.5 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 entregável final e não é passada para outros agentes internos.
5.3.6 Regras de Orquestração e Transição
A execução deste agente finaliza o fluxo. O relatório gerado é o resultado que deve ser disponibilizado ao usuário.