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 Participação em Reuniões", uma solução de automação projetada para analisar a participação dos pais em reuniões e eventos escolares, gerando insights sobre engajamento e propondo melhorias. 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 participação em insights acionáveis que possam ajudar a escola a melhorar o engajamento dos pais, propondo estratégias baseadas em dados para aumentar essa participação.
2. Contexto e Problema
Cenário Atual
As escolas enfrentam desafios significativos para garantir a participação ativa dos pais em reuniões e eventos. Atualmente, há uma falta de insights claros sobre como os pais participam dessas atividades, o que torna difícil para as escolas entenderem as necessidades e preferências dos pais.
- Falta de insights claros sobre a participação dos pais em reuniões e eventos escolares.
- Necessidade de estratégias para aumentar o engajamento dos pais em atividades escolares.
Sem dados precisos e acionáveis, as escolas não conseguem implementar estratégias efetivas para melhorar o engajamento dos pais, resultando em oportunidades perdidas para fortalecer a comunidade escolar.
3. Impactos Esperados
A implementação deste fluxo de automação visa alcançar os seguintes resultados:
- Fornecer insights claros e acionáveis sobre a participação dos pais em reuniões e eventos.
- Aumentar o engajamento dos pais em atividades escolares através de estratégias baseadas em dados.
- Melhorar a comunicação entre a escola e os pais, criando um ambiente mais colaborativo.
4. Visão Geral da Solução
O agente de IA para análise de participação em reuniões processa dados de participação dos pais em eventos escolares, identifica padrões de engajamento e gera insights acionáveis para melhorar a participação. 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 da participação dos pais em reuniões escolares.
A solução consiste em um fluxo de automação composto por 5 agentes de IA. O processo inicia com a padronização e validação dos dados de participação e termina com a geração de um relatório executivo com insights e recomendações de ações.
A execução dos agentes é sequencial e linear, seguindo a ordem definida na tabela abaixo. O fluxo inclui etapas que são executadas de acordo com a necessidade de cada análise específica.
| Agentes | Função Principal |
|---|---|
Agente de Padronização e Validação de Dados (RF 1)
| Padronizar e validar os dados de participação em reuniões e eventos, preparando um dataset confiável para análise. |
Agente de Cálculo de Métricas de Engajamento (RF 2)
| Calcular indicadores-chave de participação e engajamento em nível geral e por segmentos relevantes. |
Agente de Detecção de Padrões e Insights (RF 3)
| Identificar padrões significativos de engajamento e gerar insights com evidências e hipóteses de causa. |
Agente de Estratégias e Ações Recomendadas (RF 4)
| Transformar insights em um plano de ações priorizado para elevar o engajamento dos pais. |
Agente de Composição do Relatório Executivo (RF 5)
| Gerar relatório executivo em markdown com métricas, padrões detectados e plano de ação recomendado. |
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 a escola receberá. Explore os links abaixo para entender melhor a solução em ação.
6. Requisitos Funcionais
RF 1. Agente de Padronização e Validação de Dados
1.1 Tarefa do Agente
Padronizar e validar os dados de participação em reuniões e eventos, preparando um dataset confiável para análise.
1.2 Prompt ou Instruções do Agente
# 1. Contexto e explicações sobre inputs iniciais
Você está recebendo uma tabela com registros de convites e presenças. Colunas mínimas esperadas: event_id, event_name, event_type, event_start_datetime, timezone (opcional), school_id, grade (série), class_id (turma), parent_id, student_id, invite_channel, rsvp_status, attendance_status, checkin_datetime (se presente), reason_absence (opcional).
# 2. Objetivo
Padronizar e validar os dados de participação em reuniões e eventos, preparando um dataset confiável para análise.
# 3. Regras que você deve seguir para gerar sua resposta
- Normalizar datas: converter event_start_datetime e checkin_datetime para ISO 8601 em UTC; manter campo auxiliar event_local_datetime usando timezone informado ou 'America/Sao_Paulo' por padrão.
- Padronizar domínios: event_type em {reuniao_pedagogica, feira, festa, assembleia, entrega_boletim, formacao, outro}; rsvp_status em {confirmado, nao_confirmado, sem_resposta}; attendance_status em {presente, ausente, desconhecido}.
- Gerar campo participation_flag = 1 se attendance_status == 'presente', senão 0.
- Deduplicação: remover duplicatas por chave composta (event_id, parent_id) mantendo o registro com attendance_status mais informativo (ordem de preferência: presente > ausente > desconhecido) e checkin_datetime mais recente.
- Tratar faltantes críticos: if event_id, parent_id, event_start_datetime ausentes, descartar linha e registrar em relatorio_qualidade_dados.descartes com motivo.
- Outliers de horário: se event_start_datetime fora da janela plausível (ano < 2015 ou > ano_corrente+1), marcar linha como suspeita e manter em dataset com flag_suspeita_tempo=1.
- Criar campos derivados: weekday (0-6), periodo_dia {manha, tarde, noite} baseado em hora local (manha 06:00-11:59; tarde 12:00-17:59; noite 18:00-22:59).
- Canal de convite: normalizar invite_channel em {agenda, email, whatsapp, sms, telefonema, bilhete, app_escola, outro}.
- Mapear ausência por confirmação: gerar campo no_show_flag = 1 se rsvp_status=='confirmado' e attendance_status!='presente', senão 0.
- Emitir relatorio_qualidade_dados com: total_linhas_entrada, total_validas, total_descartadas, pct_campos_criticos_faltantes por coluna, total_duplicatas_removidas, distribuicao_dominios por campos categóricos, e flags de suspeita.
- Não imputar valores faltantes em variáveis categóricas críticas; apenas categorizar como 'desconhecido' quando aplicável. 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 tabela de dados de participação via API. Na fase de testes, o fluxo será iniciado pelo envio manual dos dados, que serão enviados para o agente diretamente por upload da tabela na interface da Prototipe AI, para acelerar o processo de validação.
- Tipo do input: O input inicial para o fluxo é uma tabela de dados estruturados que contém informações de participação em eventos escolares.
-
Formatos Suportados: Esse agente deve ser capaz de receber tabelas nos formatos:
.csv,.xlsx. - Número de caracteres esperado: Este agente deve ter capacidade para processar um input de texto com até 200.000 caracteres.
1.3.2 Especificação do Output
- Formato de output: O output deve ser um objeto JSON com: dataset_padronizado (linhas validadas e normalizadas), relatorio_qualidade_dados (contagens, percentuais de faltantes, duplicidade, campos críticos ausentes) e dicionario_campos (tipos finais e domínios).
-
Exemplo de Estrutura de Output:
{ "dataset_padronizado": [...], "relatorio_qualidade_dados": { "total_linhas_entrada": 1000, "total_validas": 950, "total_descartadas": 50, "pct_campos_criticos_faltantes": {"event_id": 0, "parent_id": 0.5, "event_start_datetime": 0.2}, "total_duplicatas_removidas": 5, "distribuicao_dominios": {...}, "flags_suspeita": {...} }, "dicionario_campos": {...} } - Número de caracteres esperado: O JSON final deve ser conciso e informativo, com um tamanho estimado em 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 Cálculo de Métricas de Engajamento (RF 2).
1.3.6 Regras de Orquestração e Transição
Ao concluir sua execução, esse agente aciona o Agente de Cálculo de Métricas de Engajamento (RF 2).
RF 2. Agente de Cálculo de Métricas de Engajamento
2.1 Tarefa do Agente
Calcular indicadores-chave de participação e engajamento em nível geral e por segmentos relevantes.
2.2 Prompt ou Instruções do Agente
# 1. Contexto e explicações sobre inputs iniciais Você está recebendo o dataset_padronizado e relatorio_qualidade_dados provenientes do Agente de Padronização e Validação de Dados. # 2. Objetivo Calcular indicadores-chave de participação e engajamento em nível geral e por segmentos relevantes. # 3. Regras que você deve seguir para gerar sua resposta - Definições: convites = contagem de (event_id, parent_id); presencas = soma de participation_flag; confirmacoes = contagem de registros com rsvp_status=='confirmado'. - KPIs gerais: participation_rate = presencas/convites; confirmation_rate = confirmacoes/convites; no_show_rate = soma(no_show_flag)/confirmacoes (se confirmacoes>0, senão null); average_events_per_parent = média de eventos distintos com participation_flag==1 por parent_id. - Segmentações obrigatórias: por event_type, weekday, periodo_dia, grade, class_id, invite_channel e school_id (quando disponível). - Tendências: calcular por mês (YYYY-MM) participation_rate, confirmation_rate e no_show_rate. - Coortes: definir coorte pelo mês do primeiro evento presente de cada parent_id; para cada coorte, calcular participação nos meses 0,1,2,3 após o primeiro comparecimento. - Recency-Frequency por parent_id: recency_dias = dias desde última presença; frequency_12m = presenças nos últimos 12 meses. - Classificação de engajamento por parent_id: Alta se frequency_12m>=3 OU participation_rate_individual>=60%; Média se frequency_12m em [1,2] OU participation_rate_individual em [30%,60%); Baixa se 0 ou <30%. Incluir parametros_de_classificacao com os thresholds aplicados. - Calcular materialidade por segmento: delta_abs_pp = participation_rate_segmento - participation_rate_geral (em pontos percentuais); delta_rel = (participation_rate_segmento/participation_rate_geral)-1 (quando taxa geral > 0). - Retornar kpis_por_segmento com, para cada chave de segmentação, contagem_convites, presencas, participation_rate, no_show_rate, delta_abs_pp, delta_rel. - Arredondar percentuais a 1 casa decimal; manter contagens como inteiros.
2.3 Configurações do Agente
2.3.1 Especificação do Input
- Mecanismo de Acionamento: Este agente deve ser acionado automaticamente após a conclusão bem-sucedida do agente anterior (RF 1).
- Tipo do input: Este agente deve ser apto a receber como input um JSON contendo o dataset padronizado e o relatório de qualidade de dados gerados pelo agente anterior.
-
Formatos Suportados: Esse agente deve ser capaz de receber inputs no formato:
.json(JSON). - Número de caracteres esperado: Este agente deve ter capacidade para processar um input de texto com até 50.000 caracteres.
2.3.2 Especificação do Output
- Formato de output: O output deve ser um JSON com blocos: kpis_gerais, kpis_por_segmento, tendencias_temporais, coortes_participacao, e parametros_de_classificacao.
-
Exemplo de Estrutura de Output:
{ "kpis_gerais": {...}, "kpis_por_segmento": {...}, "tendencias_temporais": {...}, "coortes_participacao": {...}, "parametros_de_classificacao": {...} } - Número de caracteres esperado: O JSON final deve ser claro e direto, com um tamanho estimado em 15.000 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 indicadores-chave de participação.
- 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 Detecção de Padrões e Insights (RF 3).
2.3.6 Regras de Orquestração e Transição
Ao concluir sua execução, esse agente aciona o Agente de Detecção de Padrões e Insights (RF 3).
RF 3. Agente de Detecção de Padrões e Insights
3.1 Tarefa do Agente
Identificar padrões significativos de engajamento e gerar insights com evidências e hipóteses de causa.
3.2 Prompt ou Instruções do Agente
# 1. Contexto e explicações sobre inputs iniciais Você está recebendo kpis_gerais, kpis_por_segmento, tendencias_temporais, coortes_participacao e dataset_padronizado. # 2. Objetivo Identificar padrões significativos de engajamento e gerar insights com evidências e hipóteses de causa. # 3. Regras que você deve seguir para gerar sua resposta - Critérios de materialidade: marcar um padrão como material se delta_abs_pp >= 5.0 pp OU delta_rel <= -20% ou >= +20%, com n_convites_segmento >= 30. - Sazonalidade: identificar meses com pico/queda >= 5 pp vs média anual; reportar top 2 positivos e top 2 negativos. - Horário e dia: comparar participation_rate por weekday e periodo_dia; destacar combinações com diferença material. - Tipo de evento: evidenciar event_type com performance acima/abaixo do geral de forma material. - No-show: identificar segmentos com no_show_rate elevado (>= 20%) e confirmar se sample >= 30 confirmacoes. - Canal de convite: comparar invite_channel por participation_rate e confirmation_rate; indicar canal líder e canal crítico. - Equidade: comparar taxas por grade e class_id; sinalizar gaps materiais entre séries/turmas da mesma escola. - Confianca: classificar como alta se n>=200 e padrão consistente em ao menos 2 meses consecutivos; média se n 100-199; baixa abaixo de 100. - Hipóteses de causa: basear-se apenas em campos disponíveis (horário, tipo, canal, sazonalidade, sobreposição de eventos); evitar causas externas não observáveis. - Gerar recomendacao_preliminar curta (1 linha) alinhada ao padrão detectado (ex.: testar horário alternativo, reforçar lembretes, trocar canal).
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 múltiplos artefatos como input, incluindo kpis gerais, kpis por segmento, tendências temporais, coortes de participação e o dataset padronizado.
-
Formatos Suportados: Esse agente deve ser capaz de receber inputs nos formatos:
.json(JSON). - Número de caracteres esperado: Este agente deve ter capacidade para processar um input combinado de até 60.000 caracteres.
3.3.2 Especificação do Output
- Formato de output: O output deve ser uma lista priorizada de insights em JSON com campos: insight_id, tipo, descricao, evidencia_quantitativa, segmento_afetado, materialidade, confianca, hipotese_causa, recomendacao_preliminar.
-
Exemplo de Estrutura de Output:
[ { "insight_id": "1", "tipo": "Sazonalidade", "descricao": "Participação aumenta significativamente nos meses de março e setembro.", "evidencia_quantitativa": "Aumento de 15 pp em março e 10 pp em setembro comparado à média anual.", "segmento_afetado": "Todos", "materialidade": "Alta", "confianca": "Alta", "hipotese_causa": "Eventos importantes no início e meio do ano letivo.", "recomendacao_preliminar": "Focar comunicações nesses períodos para maximizar engajamento." } ] - Número de caracteres esperado: O JSON de output deve ser claro e direto, com um tamanho estimado em 10.000 caracteres.
3.3.3 Parâmetros de Geração
- Modelo: GPT-5
- Temperatura: 0.6
3.3.4 Ferramentas do Agente
- Documentos: Não consulta.
- Calculadora: Utiliza lógica interna para identificar padrões e gerar insights.
- 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 Estratégias e Ações Recomendadas (RF 4).
3.3.6 Regras de Orquestração e Transição
Ao concluir sua execução, esse agente aciona o Agente de Estratégias e Ações Recomendadas (RF 4).
RF 4. Agente de Estratégias e Ações Recomendadas
4.1 Tarefa do Agente
Transformar insights em um plano de ações priorizado para elevar o engajamento dos pais.
4.2 Prompt ou Instruções do Agente
# 1. Contexto e explicações sobre inputs iniciais Você está recebendo uma lista de insights priorizados, kpis_gerais e kpis_por_segmento. # 2. Objetivo Transformar insights em um plano de ações priorizado para elevar o engajamento dos pais. # 3. Regras que você deve seguir para gerar sua resposta - Mapeamento insight->alavanca: horário/dia (ajuste de periodo_dia/weekday), canal (troca ou mix), formato (híbrido/presencial), mensagem (copy e antecedência), logística (creche, duração), incentivo (certificados, sorteios conformes às regras da escola). - Estimativa de impacto: usar materialidade do insight como base de impacto_estimado_pp entre 2 e 10 pp, proporcional ao delta observado e à confianca. - Esforço: classificar baixo quando envolve apenas ajuste de horário/mensagem; médio para mudança de canal/formato; alto para logística/incentivos. - Priorização: calcular ICE = (Impacto x Confiança) / Esforço, padronizando Impacto 1-10, Confiança 1-10 (alta=8-10, média=5-7, baixa=2-4), Esforço 1-10 (alto esforço=10). - Definir KPIs por ação: principal em participation_rate do segmento-alvo; secundário em confirmation_rate ou no_show_rate conforme a alavanca. - Pilotos: amostra mínima 30 convites por célula; duração mínima 1 ciclo de evento comparável; critério de sucesso: melhora >= 3 pp com picos sustentados em pelo menos 2 ocorrências consecutivas (quando aplicável). - Alinhar cada ação a um insight_id existente e descrever riscos (ex.: conflito de calendário, capacidade) com mitigação proposta.
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).
- Tipo do input: Este agente deve ser apto a receber múltiplos artefatos como input, incluindo a lista de insights priorizados, kpis gerais e kpis por segmento.
-
Formatos Suportados: Esse agente deve ser capaz de receber inputs nos formatos:
.json(JSON). - Número de caracteres esperado: Este agente deve ter capacidade para processar um input combinado de até 50.000 caracteres.
4.3.2 Especificação do Output
- Formato de output: O output deve ser um backlog de ações em JSON com campos: acao_id, insight_id, descricao_acao, alavanca, impacto_estimado_pp, esforço_estimado, prioridade, indicadores, desenho_piloto, riscos_e_mitigacoes.
-
Exemplo de Estrutura de Output:
[ { "acao_id": "1", "insight_id": "1", "descricao_acao": "Ajustar horário de reuniões para períodos de maior engajamento.", "alavanca": "horário", "impacto_estimado_pp": 5, "esforço_estimado": "baixo", "prioridade": 8, "indicadores": {"KPI": "participation_rate", "fórmula": "presencas/convites", "baseline": 50, "meta": 55, "janela_mensuracao": "3 meses"}, "desenho_piloto": {"público-alvo": "Pais de alunos do ensino fundamental", "amostra mínima": 30, "duração": "1 ciclo", "critério_sucesso": "Melhora >= 3 pp"}, "riscos_e_mitigacoes": "Conflito com horários de trabalho; oferecer opções de horários alternativos." } ] - Número de caracteres esperado: O JSON de output deve ser claro e direto, com um tamanho estimado em 10.000 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 priorizar ações e calcular impacto estimado.
- 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 Composição do Relatório Executivo (RF 5).
4.3.6 Regras de Orquestração e Transição
Ao concluir sua execução, esse agente aciona o Agente de Composição do Relatório Executivo (RF 5).
RF 5. Agente de Composição do Relatório Executivo
5.1 Tarefa do Agente
Gerar relatório executivo em markdown com métricas, padrões detectados e plano de ação recomendado.
5.2 Prompt ou Instruções do Agente
# 1. Contexto e explicações sobre inputs iniciais Você está recebendo kpis_gerais, kpis_por_segmento, tendencias_temporais, coortes_participacao, lista de insights e backlog de ações. # 2. Objetivo Gerar relatório executivo em markdown com métricas, padrões detectados e plano de ação recomendado. # 3. Regras que você deve seguir para gerar sua resposta - Sumário Executivo: destacar 3 principais achados e 3 ações prioritárias em bullets curtos. - Indicadores-Chave: apresentar participation_rate, confirmation_rate, no_show_rate e average_events_per_parent com contagens; arredondar percentuais a 1 casa decimal. - Tendências: incluir tabela mensal YYYY-MM com taxas; sinalizar setas de alta/queda vs mês anterior. - Segmentação: fornecer tabela com top 5 segmentos positivos e top 5 críticos por delta_abs_pp, com n e taxa. - Insights: listar cada insight com tipo, materialidade, confianca e evidência quantitativa; vincular recomendacao_preliminar. - Plano de Ação: exibir tabela com acao_id, insight_id, alavanca, impacto_estimado_pp, esforço, prioridade (ICE), KPI, meta e desenho_piloto. - Qualidade dos Dados: incluir resumo do relatorio_qualidade_dados (descartes, duplicatas, campos ausentes) e possíveis vieses. - Metodologia e Glossário: definir claramente fórmulas usadas (participation_rate, no_show_rate, etc.) e critérios de classificação.
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 múltiplos artefatos como input, incluindo kpis gerais, kpis por segmento, tendências temporais, coortes de participação, lista de insights e backlog de ações.
-
Formatos Suportados: Esse agente deve ser capaz de receber inputs nos formatos:
.json(JSON). - Número de caracteres esperado: Este agente deve ter capacidade para processar um input combinado de até 70.000 caracteres.
5.3.2 Especificação do Output
- Formato de output: O output deve ser um relatório em markdown com: Sumário Executivo, Indicadores-Chave, Tendências e Sazonalidade, Desempenho por Segmento, Insights Prioritários, Plano de Ação (90 dias), Qualidade e Limitações dos Dados, Metodologia e Glossário.
-
Exemplo de Estrutura de Output:
# Relatório Executivo ## Sumário Executivo - Principais achados: Aumento de participação em março e setembro, Canal de convite SMS mais eficaz. - Ações prioritárias: Ajuste de horário, Reforço de lembretes por SMS, Introdução de incentivos. ## Indicadores-Chave - Participation Rate: 65.4% - Confirmation Rate: 70.2% - No Show Rate: 15.3% - Average Events per Parent: 3.5 ## Tendências e Sazonalidade | Mês | Participation Rate | Confirmation Rate | No Show Rate | |-----|--------------------|-------------------|--------------| | Jan | 60.0% | 65.0% | 12.0% | | Feb | 62.5% ↑ | 66.0% ↑ | 14.0% ↓ | ## Desempenho por Segmento - Top 5 Segmentos Positivos: Ensino Médio (70%), Ensino Fundamental (68%) - Top 5 Segmentos Críticos: Pré-Escola (50%), Educação Infantil (55%) ## Insights Prioritários - Sazonalidade: Participação aumenta em março e setembro, foco em comunicações nesses períodos. - Canal de Convite: SMS lidera em eficácia, explorar mais esse canal. ## Plano de Ação (90 dias) | Ação ID | Insight ID | Alavanca | Impacto Estimado (pp) | Esforço | Prioridade | KPI | Meta | Desenho Piloto | |---------|------------|----------|----------------------|---------|------------|-----|------|---------------| | 1 | 1 | Horário | 5 | Baixo | Alta | 55 | 60 | 30 convites | ## Qualidade e Limitações dos Dados - Descartes: 50 linhas - Duplicatas: 5 removidas - Campos Ausentes: event_id (0.5%), parent_id (0.2%) ## Metodologia e Glossário - Formulas: Participation Rate = presencas/convites - Classificação: Alta (>=60%), Média (30%-60%), Baixa (<30%)
- Número de caracteres esperado: O relatório em markdown deve ser conciso e informativo, com um tamanho estimado em 20.000 caracteres.
5.3.3 Parâmetros de Geração
- Modelo: GPT-5
- Temperatura: 0.6
5.3.4 Ferramentas do Agente
- Documentos: Não consulta.
- Calculadora: Utiliza lógica interna para compor o relatório executivo.
- Busca Online: Não utiliza.
- Sistemas Externos: Não utiliza.
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 (relatório em markdown) 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 à escola.