Agente de IA para Feedback de Desempenho Estudantil

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

Como criar um agente de IA que coleta e organiza feedbacks de professores sobre o desempenho dos alunos.

Biblioteca de Prompts e Agentes

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 de Desempenho Estudantil", uma solução de automação projetada para coletar e organizar feedbacks de professores sobre o desempenho dos alunos, gerando relatórios personalizados para os pais. 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 o input de feedbacks em relatórios claros e compreensíveis para os pais, destacando pontos fortes e áreas de melhoria dos alunos.

2. Contexto e Problema

Problemas Específicos

O agente deve resolver os seguintes problemas identificados no contexto educacional:

  • Dificuldade em consolidar e organizar feedbacks: Os professores enfrentam desafios para consolidar e organizar feedbacks para cada aluno de forma eficiente.
  • Necessidade de relatórios personalizados: Há uma demanda crescente por relatórios acessíveis e personalizados para os pais, que destaquem claramente os pontos fortes e áreas de melhoria dos alunos.

3. Impactos Esperados

A implementação deste fluxo de automação visa alcançar os seguintes resultados:

  • Automatizar a coleta de feedbacks dos professores em um sistema centralizado.
  • Gerar relatórios personalizados que sejam claros e compreensíveis para os pais.
  • Destacar pontos fortes e áreas de melhoria de cada aluno de forma organizada.

4. Visão Geral da Solução

O agente de IA para feedback de desempenho estudantil coleta automaticamente feedbacks de professores, organiza as informações e gera relatórios personalizados para os pais. 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 organização de feedbacks e geração de relatórios estudantis.

A solução consiste em um fluxo de automação composto por 4 agentes de IA. O processo inicia com a coleta de feedbacks e termina com a geração de relatórios personalizados para os pais.

A execução dos agentes é sequencial e linear, seguindo a ordem definida na tabela abaixo.

Agentes Função Principal
Agente Preparador de Coleta de Feedbacks (RF 1) Preparar o payload de chamada para coletar automaticamente feedbacks de professores.
Agente de Execução de Chamada à API (RF 2) Realizar chamada à API do sistema acadêmico para obter dados de feedbacks.
Agente de Consolidação e Normalização de Feedbacks por Aluno (RF 3) Consolidar feedbacks por aluno, normalizar textos e estruturar pontos fortes e áreas de melhoria.
Agente Gerador de Relatórios Personalizados para Pais (RF 4) Gerar relatórios personalizados, claros e acessíveis para os pais.

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 os pais receberão. Explore os links abaixo para entender melhor a solução em ação.

Ver Agente na Prototipe AI

6. Requisitos Funcionais

RF 1. Agente Preparador de Coleta de Feedbacks

1.1 Tarefa do Agente

Preparar o payload de chamada para coletar automaticamente feedbacks de professores em um sistema centralizado (LMS/Sistema Acadêmico) por período letivo, turmas e/ou alunos.

1.2 Prompt ou Instruções do Agente 
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo um pedido para preparar o payload necessário para coletar feedbacks de professores de um sistema acadêmico. Este payload irá definir os parâmetros de coleta para o período letivo, turmas e/ou alunos especificados.

# 2. Objetivo
Preparar o payload de chamada que será usado para coletar automaticamente feedbacks de professores.

# 3. Regras que você deve seguir para gerar sua resposta
- Validação de periodo: aceitar apenas AAAA-MM no intervalo 2000-01..2099-12; se ausente, retornar erro_texto no seguinte formato: {"erro_codigo":"PERIODO_INVALIDO","erro_texto":"Informe periodo AAAA-MM"}.
- Normalização de listas: turma_ids e aluno_ids devem ser arrays de strings únicos, sem espaços, ordenados alfabeticamente. Se vier string única, converter para array. Se vier null, substituir por array vazio.
- Precedência de escopo: se aluno_ids não vazio, manter aluno_ids e opcionalmente turma_ids; se ambos vazios, definir coleta por todas as turmas do periodo (representar com turma_ids: []).
- Mapeamento de campos: aplicar dicionário {"teacher":"professor","subject":"disciplina","feedback":"texto","tipo":"tipo_feedback","date":"data"}. Campos não reconhecidos são ignorados.
- Campos mínimos: garantir incluir_campos exatamente ["disciplina","professor","data","texto","tipo_feedback"], em ordem fixa. Se campos_extras contiver adicionais, ignorar no payload (o agente executor não precisa deles).
- Integridade do payload: retornar APENAS JSON plano com chaves {system, endpoint, params}; endpoint deve ser "/feedbacks"; system deve ser igual a fonte_sistema quando fornecido; se ausente, usar "sistema_academico".
- Limites operacionais: recusar payload com mais de 1000 aluno_ids retornando {"erro_codigo":"LIMITE_ALUNOS_EXCEDIDO","limite":1000}.
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 um objeto JSON com parâmetros de coleta. Na fase de testes, o fluxo será iniciado pelo envio manual dos dados, que serão enviados para o 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 um objeto JSON que define os parâmetros de coleta para o período letivo, turmas e/ou alunos.
  • 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 JSON com até 5.000 caracteres.

1.3.2 Especificação do Output

  • Formato de output: O output deve ser um JSON plano contendo o payload preparado para a coleta de feedbacks.
  • Exemplo de Estrutura de Output: 
     {"system": "sistema_academico", "endpoint": "/feedbacks", "params": {"periodo": "2025-11", "turma_ids": ["6A", "6B"], "aluno_ids": ["A123", "A456"], "incluir_campos": ["disciplina", "professor", "data", "texto", "tipo_feedback"]}}
  • Número de caracteres esperado: O JSON gerado deve ser claro e direto, com um tamanho estimado em 1.000 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 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 chamada à API do Sistema sistema_academico para obter dados de feedbacks de professores conforme parâmetros preparados.

2.2 Prompt ou Instruções do Agente 
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo um payload pronto para execução da chamada à API do sistema acadêmico. Sua tarefa é realizar essa chamada para obter os dados de feedbacks de professores.

# 2. Objetivo
Executar a chamada à API do sistema acadêmico e retornar os dados de feedbacks coletados.

# 3. Regras que você deve seguir para gerar sua resposta
Esse agente não precisa de instruções para chamadas ao LLM, pois sua única função é executar a chamada à API cujo payload ele já recebe pronto.
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 payload JSON preparado para execução de chamada à API.
  • 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 JSON com até 1.000 caracteres.

2.3.2 Especificação do Output

  • Formato de output: O output deve ser uma lista JSON de feedbacks de professores coletados através da API.
  • Exemplo de Estrutura de Output: 
     [{"aluno_id":"A123","aluno_nome":"João Silva","disciplina":"Matemática","professor":"Maria Souza","data":"2025-11-10","tipo_feedback":"formativo","texto":"Mostra boa compreensão de frações, precisa praticar problemas de múltiplos passos."}]
  • Número de caracteres esperado: A lista JSON gerada deve ter um tamanho estimado de 3.000 caracteres, dependendo do volume de feedbacks coletados.

2.3.3 Parâmetros de Geração

  • Modelo: Não se aplica (uso de ferramenta)
  • Temperatura: 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 enviar o payload recebido para a API externa do sistema acadêmico e retornar os dados recebidos como resposta.

2.3.5 Memória

2.3.6 Regras de Orquestração e Transição

Ao concluir sua execução, esse agente aciona o Agente de Consolidação e Normalização de Feedbacks por Aluno (RF 3).

RF 3. Agente de Consolidação e Normalização de Feedbacks por Aluno

3.1 Tarefa do Agente

Consolidar os feedbacks coletados por aluno, normalizar textos, deduplicar entradas e estruturar pontos fortes e áreas de melhoria com evidências.

3.2 Prompt ou Instruções do Agente 
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo uma lista JSON de feedbacks de professores coletados através da API. Sua tarefa é consolidar esses feedbacks por aluno, normalizar os textos, deduplicar entradas e estruturar pontos fortes e áreas de melhoria com evidências.

# 2. Objetivo
Consolidar e estruturar os feedbacks coletados, destacando pontos fortes e áreas de melhoria para cada aluno.

# 3. Regras que você deve seguir para gerar sua resposta
- Agrupamento: agrupar feedbacks por aluno_id. Se aluno_nome vier ausente ou variantes, usar o mais frequente. Não misturar alunos distintos.
- Normalização de texto: remover espaços duplicados, quebras excessivas, tags/HTML, emojis não informativos; preservar acentos e nomes próprios; padronizar aspas simples. Limitar texto_limpo a 500 caracteres mantendo sentido central.
- Padronização de metadados: data deve permanecer AAAA-MM-DD; tipo deve ser uma entre {"formativo","somativo","observacao"}; se valor diferente, mapear para "observacao".
- Deduplicação: considerar duplicata quando (aluno_id, disciplina, professor, data) coincidem e o conteúdo for semanticamente equivalente; manter a versão mais completa (maior número de informações úteis). Se semelhantes na mesma semana e mesma disciplina, consolidar em um único texto com conectivos claros.
- Extração de forças e melhorias: identificar enunciados curtos (até 90 caracteres) sem repetir a disciplina no texto quando já indicada no contexto; produzir listas não vazias quando houver evidências. Não criar itens sem apoio textual.
- Evidências: vincular cada força/melhoria a pelo menos uma evidência contendo trecho literal de até 80 caracteres, além de disciplina, data e professor.
- Classificação por domínio: usar vocabulário controlado {"Compreensão Conceitual","Procedimentos/Prática","Comunicação Escrita","Organização","Comportamento/Engajamento"}. Um item pode ter múltiplas categorias quando justificável.
- Ordenação: em sintese, ordenar forças por recorrência e atualidade (mais recentes primeiro); ordenar melhorias por criticidade implícita (palavras como "precisa", "dificuldade", "atenção") e atualidade.
- Integridade e privacidade: não inventar feedbacks; não incluir nomes de outros alunos; preservar o nome do professor conforme entrada.
- Preparação para relatório: garantir objeto por aluno com chaves obrigatórias {aluno_id, aluno_nome, feedbacks_normalizados[], sintese{forcas[], melhorias[], evidencias[], dominios[]}}; se um aluno não tiver feedbacks válidos, incluir campo sintese_nula: true.
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 uma lista JSON de feedbacks de professores coletados.
  • 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 JSON com até 3.000 caracteres.

3.3.2 Especificação do Output

  • Formato de output: O output deve ser um JSON consolidado por aluno, contendo feedbacks normalizados e uma síntese de pontos fortes e áreas de melhoria.
  • Exemplo de Estrutura de Output: 
     {"alunos": [{"aluno_id": "A123", "aluno_nome": "João Silva", "feedbacks_normalizados": [{"disciplina": "Matemática", "professor": "Maria Souza", "data": "2025-11-10", "tipo": "formativo", "texto_limpo": "Mostra boa compreensão de frações; precisa praticar problemas de múltiplos passos."}], "sintese": {"forcas": ["Compreensão de frações"], "melhorias": ["Resolução de problemas de múltiplos passos"], "evidencias": [{"disciplina": "Matemática", "data": "2025-11-10", "professor": "Maria Souza", "trecho": "boa compreensão de frações"}], "dominios": [{"item":"Compreensão de frações","categorias":["Compreensão Conceitual"]}]} }]}
  • Número de caracteres esperado: O JSON gerado deve ter um tamanho estimado 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

3.3.6 Regras de Orquestração e Transição

Ao concluir sua execução, esse agente aciona o Agente Gerador de Relatórios Personalizados para Pais (RF 4).

RF 4. Agente Gerador de Relatórios Personalizados para Pais

4.1 Tarefa do Agente

Gerar relatórios personalizados, claros e acessíveis para os pais, destacando pontos fortes e áreas de melhoria, com ações práticas e tom acolhedor.

4.2 Prompt ou Instruções do Agente 
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo um JSON consolidado por aluno, contendo feedbacks normalizados e uma síntese de pontos fortes e áreas de melhoria. Sua tarefa é gerar relatórios personalizados para os pais.

# 2. Objetivo
Gerar relatórios personalizados, claros e acessíveis para os pais, destacando pontos fortes e áreas de melhoria dos alunos.

# 3. Regras que você deve seguir para gerar sua resposta
- Estrutura fixa: gerar seções exatamente nesta ordem e nomenclatura: "Visão Geral", "Pontos Fortes", "Áreas de Melhoria", "Ações Práticas em Casa e na Escola", "Evidências", "Próximos Passos e Acompanhamento".
- Visão Geral: 60–100 palavras, iniciando por 1 ponto forte e 1 foco de melhoria; evitar jargão; se sintese_nula=true, escrever explicação de ausência de feedbacks no período em linguagem simples.
- Pontos Fortes e Áreas de Melhoria: listar 3–5 bullets cada quando disponíveis; cada bullet deve conter a disciplina entre colchetes quando necessário (ex.: [Matemática]) e o enunciado curto.
- Ações Práticas: para cada melhoria, propor 1–3 ações com formato: "- [Frequência] [Duração] Atividade • Como apoiar em casa". Exemplos de frequência: 3x/semana; duração: 10–15 min.
- Metas SMART: para 1–2 itens críticos, definir meta mensurável com baseline→alvo e prazo de 2–4 semanas; se não houver baseline, usar indicador simples (ex.: tempo de leitura contínua 10→15 min).
- Evidências: listar 2–5 itens no formato "- [Disciplina, dd/mm/aaaa] \"trecho\" (Prof. Nome)". Converter datas AAAA-MM-DD para dd/mm/aaaa.
- Tom e acessibilidade: linguagem positiva, frases até 20 palavras, evitar parágrafos longos, não incluir HTML; usar apenas Markdown simples (#, ##, -, ** quando necessário).
- Privacidade: não incluir nomes de outros alunos; citar professores apenas como fonte das evidências.
- Saída por aluno: retornar lista de objetos com {aluno_id, aluno_nome, relatorio_markdown}. Se não houver conteúdo substantivo, ainda assim gerar relatório com explicação e próximos passos genéricos (ex.: agendar conversa com o(a) professor(a)).
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 como input um JSON consolidado por aluno, contendo feedbacks normalizados e uma síntese de pontos fortes e áreas de melhoria.
  • 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 JSON com até 5.000 caracteres.

4.3.2 Especificação do Output

  • Formato de output: O output deve ser uma lista de objetos JSON, cada um contendo o relatório personalizado em formato Markdown para cada aluno.
  • Exemplo de Estrutura de Output: 
     [{"aluno_id":"A123","aluno_nome":"João Silva","relatorio_markdown":"# Relatório de Desempenho — João Silva\n\n## Visão Geral\nResumo em 3–4 linhas...\n\n## Pontos Fortes\n- ...\n\n## Áreas de Melhoria\n- ...\n\n## Ações Práticas em Casa e na Escola\n- ...\n\n## Evidências\n- [Matemática, 10/11/2025] \"boa compreensão de frações\" (Prof. Maria Souza)\n\n## Próximos Passos e Acompanhamento\n- Meta de curto prazo...\n\n---\n"}]
  • Número de caracteres esperado: O JSON de output terá um tamanho aproximado de 3.000 caracteres por relatório.

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

4.3.6 Regras de Orquestração e Transição

A execução deste agente finaliza o fluxo. Os relatórios gerados são o resultado que deve ser disponibilizado aos pais.

Posts Relacionados

© 2025 prototipe.ai. Todos os direitos reservados.