Agente de IA para Recomendação de Materiais Didáticos

13 de December de 2025 • Tempo de leitura: 5 min

Como criar um agente de IA que recomenda materiais didáticos complementares para práticas laboratoriais.

1. Propósito e Escopo

Este documento define todos os prompts, configurações de memória, transição entre estados e demais requisitos funcionais para o Agente de IA para Recomendação de Materiais Didáticos. Essa documentação é um modelo de PRD ou Documento de Requisitos de Produto específicos para construção de Agentes de IA.

O objetivo principal é recomendar materiais didáticos complementares personalizados para práticas laboratoriais, com base no conteúdo das aulas e no perfil dos alunos, garantindo que as recomendações sejam relevantes e personalizadas para cada aluno.

2. Contexto e Problema

Cenário Atual

No cenário educacional atual, há uma falta de recomendações personalizadas de materiais didáticos para práticas laboratoriais. Isso resulta em uma experiência de aprendizado menos eficaz para os alunos, pois não há alinhamento entre o conteúdo das aulas, o perfil individual dos alunos e os materiais disponíveis.


Problemas Identificados

  • Falta de personalização: Materiais didáticos não são adaptados às necessidades e preferências individuais dos alunos.
  • Desalinhamento com o conteúdo das aulas: Recomendações genéricas que não consideram os tópicos e objetivos específicos das aulas.
  • Subutilização de recursos didáticos: Recursos disponíveis não são explorados de forma otimizada, resultando em desperdício de oportunidades de aprendizado.

3. Impactos Esperados

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

  • Aumentar a personalização das recomendações de materiais didáticos para práticas laboratoriais.
  • Alinhar as recomendações com o conteúdo das aulas e o perfil dos alunos.
  • Otimizar o uso dos recursos didáticos disponíveis, maximizando o impacto educativo.

4. Visão Geral da Solução

O agente de IA para recomendação de materiais didáticos analisa o conteúdo das aulas e o perfil dos alunos, aplicando regras de personalização para oferecer materiais complementares relevantes. 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 recomendação de materiais didáticos personalizados.

A solução consiste em um fluxo de automação composto por dois agentes de IA. O processo inicia com a análise do conteúdo das aulas e do perfil dos alunos e termina com a geração de recomendações personalizadas de materiais didáticos.

Agentes Função Principal
Agente de Diagnóstico de Aula e Perfil do Aluno (RF 1) Consolidar e normalizar características do conteúdo das aulas e do perfil dos alunos.
Agente de Recomendações de Materiais Didáticos (RF 2) Gerar recomendações personalizadas de materiais complementares para práticas laboratoriais.

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 usuário receberá. Explore os links abaixo para entender melhor a solução em ação.

6. Requisitos Funcionais

RF 1. Agente de Diagnóstico de Aula e Perfil do Aluno

1.1 Tarefa do Agente

Consolidar e normalizar, em um único diagnóstico pedagógico operacional, as características do conteúdo das aulas e do perfil dos alunos para habilitar recomendações personalizadas de materiais didáticos complementares focados em práticas laboratoriais.

1.2 Prompt ou Instruções do Agente
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo um JSON que contém informações sobre o conteúdo das aulas e o perfil dos alunos.

# 2. Objetivo
Consolidar e normalizar essas informações em um diagnóstico pedagógico operacional para habilitar recomendações personalizadas de materiais didáticos complementares.

# 3. Regras que você deve seguir para gerar sua resposta
- Extrair e normalizar tópicos e palavras-chave das aulas.
- Derivar o nível de dificuldade alvo com base na complexidade dos objetivos de aprendizagem.
- Consolidar restrições de segurança e preferências de mídia por aluno.
- Normalizar o idioma aceitável por aluno e derivar a sensibilidade de custo.
- Calcular parâmetros derivados por aluno, como tempo máximo e custo máximo aceitável.

# 4. Exemplo de Output que você deve produzir
{
  "aula_features": {
    "topicos_normalizados": [],
    "palavras_chave_normalizadas": [],
    "objetivos_aprendizagem": [],
    "modalidade_laboratorial": "",
    "riscos_proibidos": [],
    "janela_tempo_max_min": 0,
    "idioma_alvo": "",
    "nivel_dificuldade_alvo": 0
  },
  "aluno_features": [
    {
      "aluno_id": "",
      "nivel_proficiencia": 0,
      "lacunas_prioritarias": [],
      "interesses_prioritarios": [],
      "preferencia_midia_ranked": [],
      "idioma_preferido": "",
      "necessidades_acessibilidade": [],
      "sensibilidade_custo": 0
    }
  ],
  "corpus_resumo": {
    "total_materiais": 0,
    "por_tipo": {},
    "por_idioma": {},
    "cobertura_topicos": {},
    "qualidade_media_fonte": 0
  },
  "flags_qualidade": {
    "insuficiencia_dados": false,
    "campos_faltantes": [],
    "insuficiencia_corpus": false,
    "motivos_insuficiencia_corpus": []
  }
} 
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 JSON contendo informações sobre o conteúdo das aulas e o perfil dos alunos 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: JSON com informações sobre aulas e alunos.
  • Formatos Suportados: .json.
  • Número de caracteres esperado: Este agente deve ter capacidade para processar um input de até 50.000 caracteres.

1.3.2 Especificação do Output

  • Formato de output: JSON com o diagnóstico normalizado das aulas e alunos.
  • Exemplo de Estrutura de Output:
     {
      "aula_features": {
        "topicos_normalizados": [],
        "palavras_chave_normalizadas": [],
        "objetivos_aprendizagem": [],
        "modalidade_laboratorial": "",
        "riscos_proibidos": [],
        "janela_tempo_max_min": 0,
        "idioma_alvo": "",
        "nivel_dificuldade_alvo": 0
      },
      "aluno_features": [
        {
          "aluno_id": "",
          "nivel_proficiencia": 0,
          "lacunas_prioritarias": [],
          "interesses_prioritarios": [],
          "preferencia_midia_ranked": [],
          "idioma_preferido": "",
          "necessidades_acessibilidade": [],
          "sensibilidade_custo": 0
        }
      ],
      "corpus_resumo": {
        "total_materiais": 0,
        "por_tipo": {},
        "por_idioma": {},
        "cobertura_topicos": {},
        "qualidade_media_fonte": 0
      },
      "flags_qualidade": {
        "insuficiencia_dados": false,
        "campos_faltantes": [],
        "insuficiencia_corpus": false,
        "motivos_insuficiencia_corpus": []
      }
    } 
  • Número de caracteres esperado: O JSON gerado deve ter um tamanho aproximado de 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

1.3.6 Regras de Orquestração e Transição

Ao concluir sua execução, esse agente aciona o Agente de Recomendações de Materiais Didáticos (RF 2).

RF 2. Agente de Recomendações de Materiais Didáticos

2.1 Tarefa do Agente

Gerar recomendações personalizadas de materiais complementares para práticas laboratoriais por aluno, maximizando alinhamento a conteúdo da aula, perfil e restrições, e fornecendo justificativas claras e métricas de adequação.

2.2 Prompt ou Instruções do Agente
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo um JSON do diagnóstico do agente anterior, que inclui informações sobre a aula e o perfil dos alunos.

# 2. Objetivo
Gerar recomendações personalizadas de materiais complementares para práticas laboratoriais, maximizando o alinhamento ao conteúdo da aula, perfil dos alunos e restrições.

# 3. Regras que você deve seguir para gerar sua resposta
- Avaliar elegibilidade dos materiais com base em idioma, tempo, riscos, requisitos de equipamento e custo.
- Calcular fit_score para cada material e aluno, considerando alinhamento de tópicos, ajuste de dificuldade, preferência de mídia, tempo, idioma, acessibilidade e qualidade da fonte.
- Garantir diversidade de tipos de materiais e limitar top_k entre 3 e 7 recomendações por aluno.
- Fornecer rationale objetivo para cada material recomendado, citando razões concretas.
- Gerar métricas de adequação por aluno, incluindo cobertura de tópicos, diversidade de tipos e proporção de acessibilidade atendida.

# 4. Exemplo de Output que você deve produzir
{
  "lista_recomendacoes_por_aluno": [
    {
      "aluno_id": "",
      "recomendacoes": [
        {
          "material_id": "",
          "titulo": "",
          "url": "",
          "tipo": "",
          "idioma": "",
          "tempo_estimado_min": 0,
          "nivel": "",
          "topicos_cobertos": [],
          "pre_requisitos_atendidos": false,
          "requisitos_equipamento_compatíveis": false,
          "riscos_ok": false,
          "acessibilidade_atendida": [],
          "custo": "",
          "licenca": "",
          "qualidade_fonte": 0,
          "fit_score": 0,
          "rationale": ""
        }
      ],
      "resumo_justificativa_geral": "",
      "metricas": {
        "cobertura_topicos_percent": 0,
        "diversidade_tipos": 0,
        "tempo_total_min": 0,
        "ajuste_dificuldade": 0,
        "proporcao_acessibilidade_atendida": 0
      }
    }
  ],
  "gaps_quando_sem_recomendacao": [
    {
      "aluno_id": "",
      "motivo": "",
      "lacunas_catalogo": {
        "topicos_em_falta": [],
        "tipos_em_falta": [],
        "idiomas_em_falta": []
      }
    }
  ]
} 
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: JSON com o diagnóstico do agente anterior, incluindo informações sobre a aula e o perfil dos alunos.
  • Formatos Suportados: .json.
  • Número de caracteres esperado: Este agente deve ter capacidade para processar um input de até 50.000 caracteres.

2.3.2 Especificação do Output

  • Formato de output: JSON com as recomendações personalizadas de materiais didáticos.
  • Exemplo de Estrutura de Output:
     {
      "lista_recomendacoes_por_aluno": [
        {
          "aluno_id": "",
          "recomendacoes": [
            {
              "material_id": "",
              "titulo": "",
              "url": "",
              "tipo": "",
              "idioma": "",
              "tempo_estimado_min": 0,
              "nivel": "",
              "topicos_cobertos": [],
              "pre_requisitos_atendidos": false,
              "requisitos_equipamento_compatíveis": false,
              "riscos_ok": false,
              "acessibilidade_atendida": [],
              "custo": "",
              "licenca": "",
              "qualidade_fonte": 0,
              "fit_score": 0,
              "rationale": ""
            }
          ],
          "resumo_justificativa_geral": "",
          "metricas": {
            "cobertura_topicos_percent": 0,
            "diversidade_tipos": 0,
            "tempo_total_min": 0,
            "ajuste_dificuldade": 0,
            "proporcao_acessibilidade_atendida": 0
          }
        }
      ],
      "gaps_quando_sem_recomendacao": [
        {
          "aluno_id": "",
          "motivo": "",
          "lacunas_catalogo": {
            "topicos_em_falta": [],
            "tipos_em_falta": [],
            "idiomas_em_falta": []
          }
        }
      ]
    } 
  • Número de caracteres esperado: O JSON gerado deve ter um tamanho aproximado de 10.000 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 é o resultado final do fluxo e não é passada para outros agentes internos.

2.3.6 Regras de Orquestração e Transição

A execução deste agente finaliza o fluxo. As recomendações geradas devem ser disponibilizadas para os usuários finais.

© 2025 prototipe.ai. Todos os direitos reservados.