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 "Feedback Automatizado em Avaliações", uma solução de automação projetada para fornecer feedback imediato e personalizado aos alunos após a realização de avaliações. Essa documentação é um modelo de PRD ou Documento de Requisitos de Produto específicos para construção de Agentes de IA.
O objetivo principal é analisar os resultados das avaliações e oferecer um feedback personalizado e motivador, com base nos resultados específicos de cada aluno.
2. Contexto e Problema
Cenário Atual
Em instituições educacionais, há uma crescente demanda por feedback imediato e personalizado após avaliações. Atualmente, o feedback é muitas vezes genérico e demorado, o que não atende às necessidades dos alunos de receber orientações específicas e motivacionais para melhorar seu desempenho.
Problemas Identificados
- Necessidade de feedback imediato: Os alunos precisam de feedback logo após as avaliações para ajustar rapidamente suas estratégias de estudo.
- Personalização: O feedback atual não leva em consideração os resultados individuais de cada aluno, resultando em aconselhamentos genéricos.
3. Impactos Esperados
A implementação deste fluxo de automação visa alcançar os seguintes resultados:
- Fornecer feedback imediato após a conclusão das avaliações.
- Aumentar a personalização das orientações de estudo, baseando-se nos resultados individuais dos alunos.
- Motivar os alunos através de feedbacks claros e acionáveis, alinhados às suas necessidades específicas.
4. Visão Geral da Solução
O agente de IA para feedback automatizado em avaliações analisa os resultados das avaliações e fornece feedback imediato e personalizado aos alunos, com base nos resultados obtidos. 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 personalização do feedback educacional.
A solução consiste em um fluxo de automação composto por 2 agentes de IA. O processo inicia com a análise dos resultados da avaliação e termina com a geração de um feedback textual para o aluno.
| Agentes | Função Principal |
|---|---|
Agente de Síntese de Desempenho por Competência (RF 1)
| Analisar o resultado da avaliação e produzir uma visão estruturada e calculada de desempenho por tópico e por competência. |
Agente Gerador de Feedback Personalizado ao Aluno (RF 2)
| Converter a síntese analítica em uma devolutiva textual personalizada e motivadora. |
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 aluno receberá. Explore os links abaixo para entender melhor a solução em ação.
6. Requisitos Funcionais
RF 1. Agente de Síntese de Desempenho por Competência
1.1 Tarefa do Agente
Analisar o resultado da avaliação de um aluno e produzir uma visão estruturada e calculada de desempenho por tópico e por competência, identificando métricas, padrões de erro e lacunas priorizadas para orientar feedback imediato e personalizado.
1.2 Prompt ou Instruções do Agente
# 1. Contexto e explicações sobre inputs iniciais Você está recebendo os resultados de uma avaliação de um aluno. Este input é um JSON estruturado com detalhes de cada questão, pontuação e competências avaliadas. # 2. Objetivo Analisar o resultado da avaliação para produzir uma síntese detalhada de desempenho por tópico e competência, apontando padrões de erro e lacunas prioritárias. # 3. Regras que você deve seguir para gerar sua resposta - Produza a síntese completa em uma única execução, sem aguardar revisão humana e sem consultar fontes externas. - Trate valores ausentes ou inválidos de acordo com as regras definidas, garantindo que a síntese esteja completa e precisa. - Calcule métricas de desempenho e padrões de erro conforme as instruções detalhadas no escopo do projeto. - Gere somente um JSON válido, sem comentários ou texto adicional.
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 dos resultados da avaliação via API. Na fase de testes, o fluxo será iniciado pelo envio manual dos dados, que serão enviados para o agente diretamente por upload do 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 estruturado com os resultados da avaliação de um 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 20.000 caracteres.
1.3.2 Especificação do Output
- Formato de output: O output deve ser um JSON estruturado contendo a síntese de desempenho por competência e tópicos, incluindo padrões de erro e lacunas prioritárias identificadas.
-
Exemplo de Estrutura de Output:
{ "student_id": "string", "assessment_id": "string", "overall": { "score_sum": number, "max_score_sum": number, "accuracy": number, "grade": "aprovado|reprovado|nao_aplicavel" }, "by_topic": [...], "by_skill": [...], "error_patterns": {...}, "priority_gaps": [...], "metadata": { "questions_analyzed": number, "generated_at": "ISO-8601", "language": "string" } } - Número de caracteres esperado: O JSON final deve conter aproximadamente 5.000 caracteres, dependendo da complexidade da avaliação.
1.3.3 Parâmetros de Geração
- Modelo: GPT-5
- Temperatura: 0.6
1.3.4 Ferramentas do Agente
- Documentos: Não consulta documentos externos.
- Calculadora: Utiliza lógica interna para cálculos de métricas.
- 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 Feedback Personalizado ao Aluno (RF 2).
1.3.6 Regras de Orquestração e Transição
Ao concluir sua execução, esse agente aciona o Agente Gerador de Feedback Personalizado ao Aluno (RF 2).
RF 2. Agente Gerador de Feedback Personalizado ao Aluno
2.1 Tarefa do Agente
Converter a síntese analítica em uma devolutiva textual personalizada, clara, motivadora e acionável, oferecendo orientações específicas de estudo alinhadas às lacunas e pontos fortes do aluno.
2.2 Prompt ou Instruções do Agente
# 1. Contexto e explicações sobre inputs iniciais Você está recebendo a síntese de desempenho de um aluno, produzida pelo agente anterior. Este input é um JSON detalhado com métricas de desempenho por competência e tópicos, padrões de erro e lacunas prioritárias. # 2. Objetivo Converter a síntese analítica em um feedback textual personalizado e motivador, com orientações específicas de estudo. # 3. Regras que você deve seguir para gerar sua resposta - Gere o feedback integralmente a partir do input, sem intervenção humana ou consultas externas. - Inclua todas as seções exigidas no feedback, com orientações claras e acionáveis. - Mantenha o texto entre 350 e 600 palavras, usando linguagem motivacional e específica ao contexto do aluno.
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 JSON estruturado, que corresponde à síntese de desempenho produzida 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 5.000 caracteres.
2.3.2 Especificação do Output
- Formato de output: O output deve ser um conteúdo textual em Markdown, contendo as seções obrigatórias do feedback personalizado.
-
Exemplo de Estrutura de Output:
## Resumo do Desempenho - Pontuação geral: X - Nível de domínio: Y ## Seus Pontos Fortes - Lista de pontos fortes ## O que Melhorar (prioridades) - Lista de prioridades e ações ## Erros-chave e Como Corrigir - Descrição dos erros e correções ## Plano de Estudo Sugerido (7 dias) - Passos diários de estudo ## Próximos Passos - Orientações finais
- Número de caracteres esperado: O texto final deve conter entre 350 e 600 palavras, dependendo do conteúdo da síntese.
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 pode ser enviada para o LMS da instituição para exibição ao aluno.
2.3.6 Regras de Orquestração e Transição
A execução deste agente finaliza o fluxo, gerando o feedback que será disponibilizado ao aluno.