Agente de IA para Criação de Planos de Ensino Personalizados

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

Como criar um agente de IA que elabora planos de ensino adaptados às necessidades e estilos de aprendizagem individuais dos alunos com base em dados de avaliação.

1. Propósito e Escopo

Este documento define todos os prompts, configurações de memória, transição entre estados, ferramentas como chamadas a sistemas externos, busca online, consulta a documentos e demais requisitos funcionais para o Agente de IA para Criação de Planos de Ensino Personalizados. Essa documentação é um modelo de PRD ou Documento de Requisitos de Produto específicos para construção de Agentes de IA.

O objetivo principal é elaborar planos de ensino adaptados às necessidades e estilos de aprendizagem individuais dos alunos com base em dados de avaliação, garantindo atualizações regulares e proteção de privacidade.

2. Contexto e Problema

Cenário Atual

As instituições de ensino enfrentam desafios na criação de planos de ensino personalizados para cada aluno devido à diversidade de estilos de aprendizagem. Além disso, a integração de dados de avaliação para adaptar planos de ensino de forma eficaz é um problema constante.


Problemas Identificados

  • Dificuldade na personalização: A diversidade de estilos de aprendizagem torna complexa a criação de planos de ensino personalizados.
  • Integração de dados: Dificuldade em integrar dados de avaliação para adaptar planos de ensino de forma eficaz.
  • Privacidade dos dados: Proteger a privacidade e a confidencialidade dos dados dos alunos é crucial.

3. Impactos Esperados

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

  • Personalização eficaz: Criar planos de ensino personalizados que atendam às necessidades específicas de cada aluno.
  • Melhoria contínua: Atualizar planos de ensino regularmente com base em novos dados e feedbacks.
  • Proteção de dados: Garantir a privacidade e a confidencialidade dos dados dos alunos.

4. Visão Geral da Solução

O agente de IA para criação de planos de ensino personalizados analisa dados de avaliação, identifica estilos de aprendizagem individuais e elabora planos de ensino adaptados. 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 criação de planos de ensino que seguem as especificidades de cada aluno.

A solução consiste em um fluxo de automação composto por três agentes de IA. O processo inicia com a análise dos dados de avaliação e termina com a geração de um plano de ensino personalizado.

Agentes Função Principal
Agente de Análise de Avaliações e Perfil de Aprendizagem (RF 1) Interpretar dados de avaliação e contexto para identificar o perfil de aprendizagem do aluno, lacunas de conhecimento e prioridades pedagógicas.
Agente Gerador de Plano de Ensino Personalizado (RF 2) Produzir o plano de ensino completo, alinhado ao perfil de aprendizagem, lacunas e objetivos curriculares, em formato utilizável pelo educador.
Agente de Atualização de Plano com Novos Dados (RF 3) Revisar o plano existente com base em novos dados de avaliação e feedbacks, gerando versão atualizada e changelog.

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 Análise de Avaliações e Perfil de Aprendizagem

1.1 Tarefa do Agente

Interpretar dados de avaliação e contexto para identificar o perfil de aprendizagem do aluno, lacunas de conhecimento e prioridades pedagógicas.

1.2 Prompt ou Instruções do Agente
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo dados de avaliação e contexto do aluno em formato JSON. Este input contém informações sobre o aluno, suas avaliações e feedbacks.

# 2. Objetivo
Interpretar esses dados para identificar o perfil de aprendizagem do aluno, lacunas de conhecimento e prioridades pedagógicas.

# 3. Regras que você deve seguir para gerar sua resposta
- Regra 1 (validação de entrada): Verifique se todos os campos obrigatórios estão presentes e se as datas estão no formato ISO (YYYY-MM-DD).
- Regra 2 (normalização de escores): Converta evidências diretas do QCEA para uma escala de 0 a 9.
- Regra 3 (ponderação por recência e confiabilidade): Aplique pesos temporais e por tipo de avaliação na média ponderada dos escores.
- Regra 4 (definição da modalidade): Classifique o perfil de aprendizagem como 'predominante' ou 'multimodal'.
- Regra 5 (detecção de lacunas e pré-requisitos): Identifique lacunas de conhecimento e pré-requisitos críticos.
- Regra 6 (forças): Liste as forças observadas no aluno.
- Regra 7 (prioridades de curto prazo): Produza prioridades claras e acionáveis.
- Regra 8 (necessidades específicas e cuidados): Inclua recomendações de atenção para necessidades específicas.
- Regra 9 (privacidade e minimização): Não inclua dados identificáveis além de 'aluno_id'.

# 4. Exemplo de Output que você deve produzir
{
  "aluno_id":"string",
  "perfil_aprendizagem":{"visual":0-9,"auditiva":0-9,"leitura_escrita":0-9,"cinestesica":0-9,"modalidade":"predominante|multimodal"},
  "diagnostico_inicial":{"forcas":["string"],"lacunas":["string"],"pre_requisitos_criticos":["string"]},
  "prioridades_curto_prazo":["string"],
  "riscos_e_cuidados":["string"]
} 
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 dados de avaliação do aluno 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 JSON na interface da Prototipe AI, para acelerar o processo de validação.
  • Tipo do input: O input inicial para o fluxo é um objeto JSON contendo dados de avaliação e contexto do aluno.
  • 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 15.000 caracteres.

1.3.2 Especificação do Output

  • Formato de output: O output deve ser um objeto JSON estruturado contendo o perfil de aprendizagem, diagnóstico inicial, prioridades de curto prazo e riscos e cuidados.
  • Exemplo de Estrutura de Output:
     {
      "aluno_id":"string",
      "perfil_aprendizagem":{"visual":0-9,"auditiva":0-9,"leitura_escrita":0-9,"cinestesica":0-9,"modalidade":"predominante|multimodal"},
      "diagnostico_inicial":{"forcas":["string"],"lacunas":["string"],"pre_requisitos_criticos":["string"]},
      "prioridades_curto_prazo":["string"],
      "riscos_e_cuidados":["string"]
    } 
  • Número de caracteres esperado: O JSON gerado deve ter um tamanho estimado de 2.500 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 Gerador de Plano de Ensino Personalizado (RF 2).

RF 2. Agente Gerador de Plano de Ensino Personalizado

2.1 Tarefa do Agente

Produzir o plano de ensino completo, alinhado ao perfil de aprendizagem, lacunas e objetivos curriculares, em formato utilizável pelo educador.

2.2 Prompt ou Instruções do Agente
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo um objeto JSON com o output do 'Agente de Análise de Avaliações e Perfil de Aprendizagem' e o contexto adicional necessário para gerar o plano de ensino.

# 2. Objetivo
Produzir o plano de ensino completo, alinhado ao perfil de aprendizagem, lacunas e objetivos curriculares, em formato utilizável pelo educador.

# 3. Regras que você deve seguir para gerar sua resposta
- Regra 1 (estrutura fixa): Produza todas as seções na ordem do expected_output, com títulos iniciando por '##'.
- Regra 2 (metas SMART): Gere 3–5 metas SMART para o aluno.
- Regra 3 (alinhamento ao perfil): Alinhe estratégias instrucionais ao perfil de aprendizagem identificado.
- Regra 4 (sequenciamento didático): Planeje atividades e sequências didáticas para 4–8 semanas.
- Regra 5 (diferenciações e acomodações): Inclua diferenciações e acomodações conforme necessidades específicas.
- Regra 6 (avaliação formativa e somativa): Defina instrumentos de avaliação formativa e somativa.
- Regra 7 (indicadores de progresso): Defina indicadores de progresso quantificáveis.
- Regra 8 (comunicação com responsáveis): Sugira frequência e canal de comunicação com responsáveis.
- Regra 9 (riscos e cuidados): Transcreva 'riscos_e_cuidados' e adicione medidas mitigadoras.
- Regra 10 (clareza e usabilidade): Use linguagem direta e exemplos concretos.

# 4. Exemplo de Output que você deve produzir
## Título do Plano de Ensino
## Resumo Executivo
## Perfil de Aprendizagem
## Diagnóstico Inicial
## Metas SMART
## Estratégias Instrucionais
## Atividades e Sequências Didáticas
## Diferenciações e Acomodações
## Recursos Didáticos
## Plano de Avaliação
## Indicadores de Progresso
## Comunicação com Responsáveis
## Riscos e Cuidados
## Anexos (se houver) 
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 objeto JSON com o output do agente anterior e contexto adicional.
  • 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 10.000 caracteres.

2.3.2 Especificação do Output

  • Formato de output: O output deve ser um texto formatado em **Markdown** contendo o plano de ensino completo.
  • Exemplo de Estrutura de Output:
    ## Título do Plano de Ensino
    ## Resumo Executivo
    ## Perfil de Aprendizagem
    ## Diagnóstico Inicial
    ## Metas SMART
    ## Estratégias Instrucionais
    ## Atividades e Sequências Didáticas
    ## Diferenciações e Acomodações
    ## Recursos Didáticos
    ## Plano de Avaliação
    ## Indicadores de Progresso
    ## Comunicação com Responsáveis
    ## Riscos e Cuidados
    ## Anexos (se houver) 
  • Número de caracteres esperado: O texto final deve ser conciso e informativo, com um tamanho estimado em torno de 5.000 caracteres.

2.3.3 Parâmetros de Geração

  • Modelo: GPT-5
  • Temperatura: 0.6

2.3.4 Ferramentas do Agente

  • Documentos: Não consulta documentos externos.
  • Calculadora: Não utiliza.
  • Busca Online: Não utiliza.
  • Sistemas Externos: Não se conecta a sistemas externos.

2.3.5 Memória

2.3.6 Regras de Orquestração e Transição

Ao concluir sua execução, esse agente aciona o Agente de Atualização de Plano com Novos Dados (RF 3).

RF 3. Agente de Atualização de Plano com Novos Dados

3.1 Tarefa do Agente

Revisar o plano existente com base em novos dados de avaliação e feedbacks, gerando versão atualizada e changelog.

3.2 Prompt ou Instruções do Agente
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo um objeto JSON contendo o plano de ensino atual e novos dados de avaliação e feedbacks.

# 2. Objetivo
Revisar o plano existente com base em novos dados de avaliação e feedbacks, gerando versão atualizada e changelog.

# 3. Regras que você deve seguir para gerar sua resposta
- Regra 1 (verificação de consistência): Verifique se 'plano_atual_markdown' contém as seções obrigatórias.
- Regra 2 (reponderação das evidências): Aplique pesos de recência e confiabilidade nas novas evidências.
- Regra 3 (preservar o que funciona): Não altere metas/atividades associadas a indicadores com progresso consistente.
- Regra 4 (ajuste de metas): Reescreva metas afetadas e ajuste indicadores.
- Regra 5 (changelog padronizado): Para cada alteração, registre uma linha com detalhes da mudança.
- Regra 6 (cronograma): Replaneje apenas semanas futuras, realocando atividades essenciais.
- Regra 7 (revalidar diferenciações): Ajuste tempo, formato e suportes conforme novos dados.
- Regra 8 (indicadores): Atualize metas com indicadores mais sensíveis.
- Regra 9 (privacidade): Não insira dados identificáveis.
- Regra 10 (versionamento): Inclua 'Versão: vN' e 'Data de atualização' no topo do markdown.

# 4. Exemplo de Output que você deve produzir
## Versão: v2
## Data de atualização: YYYY-MM-DD
## Título do Plano de Ensino
## Resumo Executivo
## Perfil de Aprendizagem
## Diagnóstico Inicial
## Metas SMART
## Estratégias Instrucionais
## Atividades e Sequências Didáticas
## Diferenciações e Acomodações
## Recursos Didáticos
## Plano de Avaliação
## Indicadores de Progresso
## Comunicação com Responsáveis
## Riscos e Cuidados
## Changelog 
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 objeto JSON contendo o plano de ensino atual e novos dados de avaliação e 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 de texto com até 12.000 caracteres.

3.3.2 Especificação do Output

  • Formato de output: O output deve ser um texto formatado em **Markdown** contendo a versão atualizada do plano de ensino e o changelog.
  • Exemplo de Estrutura de Output:
    ## Versão: v2
    ## Data de atualização: YYYY-MM-DD
    ## Título do Plano de Ensino
    ## Resumo Executivo
    ## Perfil de Aprendizagem
    ## Diagnóstico Inicial
    ## Metas SMART
    ## Estratégias Instrucionais
    ## Atividades e Sequências Didáticas
    ## Diferenciações e Acomodações
    ## Recursos Didáticos
    ## Plano de Avaliação
    ## Indicadores de Progresso
    ## Comunicação com Responsáveis
    ## Riscos e Cuidados
    ## Changelog 
  • Número de caracteres esperado: O texto final deve ser conciso e informativo, com um tamanho estimado em torno de 5.000 caracteres.

3.3.3 Parâmetros de Geração

  • Modelo: GPT-5
  • Temperatura: 0.6

3.3.4 Ferramentas do Agente

  • Documentos: Não consulta documentos externos.
  • Calculadora: Não utiliza.
  • Busca Online: Não utiliza.
  • Sistemas Externos: Não se conecta a sistemas externos.

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 é o resultado final e não é passada para outros agentes internos.

3.3.6 Regras de Orquestração e Transição

A execução deste agente finaliza o fluxo. O plano de ensino atualizado é o resultado que deve ser disponibilizado ao educador.

© 2025 prototipe.ai. Todos os direitos reservados.