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
- 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 Gerador de Plano de Ensino Personalizado (RF 2).
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
- 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 Atualização de Plano com Novos Dados (RF 3).
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.