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 Relatórios de Progresso Acadêmico. Essa documentação é um modelo de PRD ou Documento de Requisitos de Produto específicos para construção de Agentes de IA.
O objetivo principal é fornecer uma visão clara e detalhada do desempenho dos estudantes ao longo do tempo, gerando relatórios que detalham o progresso acadêmico e sugerem ações e intervenções com base nos dados apresentados.
2. Contexto e Problema
Cenário Atual
No ambiente educacional atual, há uma carência de relatórios detalhados e atualizados sobre o progresso acadêmico dos alunos. Isso dificulta a visualização de tendências de desempenho ao longo do tempo, essencial para intervenções pedagógicas eficazes.
Problemas Identificados
- Falta de relatórios detalhados: A ausência de relatórios abrangentes sobre o progresso dos alunos impede uma análise precisa do desempenho acadêmico.
- Dificuldade em visualizar tendências: Sem uma visualização clara das tendências de desempenho, é desafiador identificar áreas que requerem intervenção.
3. Impactos Esperados
A implementação deste agente de IA visa alcançar os seguintes resultados:
- Gerar relatórios detalhados que oferecem uma visão abrangente do progresso acadêmico dos estudantes.
- Facilitar a visualização de tendências de desempenho ao longo do tempo, permitindo intervenções mais precisas.
- Propor ações e intervenções baseadas em dados para melhorar o desempenho acadêmico.
4. Visão Geral da Solução
O agente de IA para relatórios de progresso acadêmico extrai e analisa dados acadêmicos de estudantes para gerar relatórios detalhados e visualizações de tendências de desempenho. 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 elaboração de relatórios que fornecem uma visão clara e detalhada do desempenho dos estudantes.
A solução consiste em um fluxo de automação composto por 2 agentes de IA. O processo inicia com a extração de dados acadêmicos e culmina na análise de tendências de desempenho acadêmico.
A execução dos agentes é sequencial e linear, seguindo a ordem definida na tabela abaixo.
| Agentes | Função Principal |
|---|---|
Agente de Extração de Dados Acadêmicos (RF 1)
| Extrair e estruturar dados acadêmicos de estudantes a partir de sistemas educacionais. |
Agente de Análise de Tendências Acadêmicas (RF 2)
| Analisar tendências de desempenho acadêmico ao longo do tempo e sugerir intervenções. |
Desenho recomendado para o volume de dados
O CSV ou planilha de entrada pode ter muitas linhas por estudante ao longo do tempo. Extrair e estruturar tudo em um único prompt e depois analisar tendencias no mesmo passo perde precisao com o volume. O desenho robusto segmenta o CSV por estudante, estrutura cada segmento isoladamente e consolida em um agente de fechamento, com as metricas de desempenho (medias, presenca) calculadas por coluna de forma deterministica antes da analise de tendencias.
5. Protótipos
Para proporcionar uma visão clara e tangível da solução proposta, criamos protótipos interativos que demonstram o fluxo de trabalho dos agentes e o resultado final dos relatórios gerados. Explore os links abaixo para entender melhor a solução em ação.
6. Requisitos Funcionais
RF 1. Agente de Extração de Dados Acadêmicos
1.1 Tarefa do Agente
Extrair e estruturar dados acadêmicos de estudantes a partir de sistemas educacionais.
1.2 Prompt ou Instruções do Agente
# 1. Contexto e explicações sobre inputs iniciais
Você está recebendo dados acadêmicos em formato CSV ou planilha Excel. Estes dados contêm informações sobre o desempenho dos estudantes em várias disciplinas ao longo do tempo.
# 2. Objetivo
Extrair e estruturar esses dados em um formato JSON, assegurando a identificação única de cada estudante e a associação correta de suas notas e presença.
# 3. Regras que você deve seguir para gerar sua resposta
- Extraia os dados acadêmicos assegurando a identificação única de cada estudante e associe corretamente suas notas e presença.
- Garanta que os dados extraídos estejam completos, sem campos ausentes, e em um formato estruturado JSON para processamento.
- Identifique e corrija erros de formatação para garantir a precisão dos dados extraídos.
# 4. Exemplo de Output que você deve produzir
{"estudante_id": "12345", "nota_final": 89, "presenca": 95, "comentarios": "Bom desempenho, mas precisa melhorar a participação em sala."} 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 acadêmicos em formato CSV ou planilha Excel via API. 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: Dados acadêmicos em formato CSV ou planilha Excel.
-
Formatos Suportados: Esse agente deve ser capaz de receber dados nos formatos:
.csv,.xlsx. - Número de caracteres esperado: Este agente deve ter capacidade para processar um input de texto com até 50.000 caracteres.
1.3.2 Especificação do Output
- Formato de output: O output deve ser um arquivo JSON estruturado que contenha informações detalhadas sobre o desempenho acadêmico de cada estudante.
-
Exemplo de Estrutura de Output:
{"estudante_id": "12345", "nota_final": 89, "presenca": 95, "comentarios": "Bom desempenho, mas precisa melhorar a participação em sala."} - Número de caracteres esperado: O JSON gerado deve ser conciso e informativo, com um tamanho estimado em torno de 1.500 caracteres, podendo variar conforme a quantidade de dados por estudante.
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 Análise de Tendências Acadêmicas (RF 2).
1.3.6 Regras de Orquestração e Transição
Ao concluir sua execução, esse agente aciona o Agente de Análise de Tendências Acadêmicas (RF 2).
RF 2. Agente de Análise de Tendências Acadêmicas
2.1 Tarefa do Agente
Analisar tendências de desempenho acadêmico ao longo do tempo e sugerir intervenções educacionais.
2.2 Prompt ou Instruções do Agente
# 1. Contexto e explicações sobre inputs iniciais
Você está recebendo dados estruturados de desempenho acadêmico, que foram extraídos e formatados pelo agente anterior.
# 2. Objetivo
Analisar as tendências de desempenho acadêmico ao longo do tempo e fornecer sugestões práticas e acionáveis para intervenções educacionais.
# 3. Regras que você deve seguir para gerar sua resposta
- Analise dados estruturados para identificar melhorias ou declínios no desempenho acadêmico.
- Utilize métodos estatísticos para detectar áreas críticas de dificuldade acadêmica.
- Forneça sugestões práticas e acionáveis para intervenções educacionais baseadas nas tendências detectadas.
- Desenvolva visualizações claras das tendências de desempenho para facilitar a tomada de decisão por educadores.
# 4. Exemplo de Output que você deve produzir
{"tendencias": {"melhoria": "Sim", "areas_criticas": ["Matemática", "Ciências"]}, "sugestoes": "Reforçar o estudo em Matemática e Ciências."} 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 dados estruturados de desempenho acadêmico.
-
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 texto com até 10.000 caracteres.
2.3.2 Especificação do Output
- Formato de output: O output deve ser um arquivo JSON contendo as tendências de desempenho detectadas e sugestões de intervenções acadêmicas.
-
Exemplo de Estrutura de Output:
{"tendencias": {"melhoria": "Sim", "areas_criticas": ["Matemática", "Ciências"]}, "sugestoes": "Reforçar o estudo em Matemática e Ciências."} - Número de caracteres esperado: O JSON gerado deve ser claro e direto, com um tamanho estimado em 1.200 caracteres.
2.3.3 Parâmetros de Geração
- Modelo: GPT-5
- Temperatura: 0.6
2.3.4 Ferramentas do Agente
- Documentos: Não consulta.
- Calculadora: Utiliza lógica interna para análise de tendências.
- Busca Online: Não utiliza.
- Sistemas Externos: Não utiliza.
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 entregável final e não é passada para outros agentes internos.
2.3.6 Regras de Orquestração e Transição
A execução deste agente finaliza o fluxo. O JSON gerado é o resultado que deve ser disponibilizado para análise dos educadores.