Agente de IA para Relatórios de Progresso de Alunos

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

Como criar um agente de IA que coleta dados de desempenho acadêmico e comportamental de alunos e gera relatórios personalizados.

1. Propósito e Escopo

Este documento define todos os prompts, configurações de memória, transição entre estados, ferramentas como chamadas a sistemas externos e demais requisitos funcionais para o Fluxo de Agentes "Relatórios de Progresso de Alunos", uma solução de automação projetada para coletar dados acadêmicos e comportamentais de alunos e gerar relatórios personalizados que orientam reuniões de coordenação com professores e pais. Essa documentação é um modelo de PRD ou Documento de Requisitos de Produto específicos para construção de Agentes de IA.

2. Contexto e Problema

Problemas Identificados

  • Coleta manual de dados: O processo manual de coleta de dados de desempenho acadêmico e comportamental dos alunos é demorado e propenso a erros.
  • Dificuldade em criar relatórios personalizados: Criar relatórios que atendam às necessidades específicas de diferentes alunos é desafiador.
  • Necessidade de dados precisos: Dados precisos e atualizados são essenciais para orientar reuniões de coordenação entre professores e pais.

3. Impactos Esperados

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

  • Automatizar a coleta de dados, reduzindo o tempo e erros na obtenção de informações acadêmicas e comportamentais.
  • Gerar relatórios personalizados que destacam pontos fortes e áreas de melhoria para cada aluno.
  • Facilitar a compreensão dos relatórios por parte de professores e pais, melhorando a eficácia das reuniões de coordenação.

4. Visão Geral da Solução

O agente de IA para relatórios de progresso de alunos integra fontes de dados acadêmicos e comportamentais para gerar relatórios personalizados, destacando pontos fortes e áreas de melhoria para cada aluno. 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 seguem as especificidades da sua escola.

A solução é composta por um fluxo de automação com múltiplos agentes de IA. O processo começa com a coleta de dados e termina com a geração de relatórios personalizados.

Agentes Função Principal
Agente Orquestrador de Parâmetros de Coleta (RF 1) Preparar os parâmetros e payloads padronizados de consulta para fontes acadêmicas e comportamentais.
Agente de Execução de Chamada à API - Acadêmico (RF 2) Realizar chamada à API do Sistema Acadêmico para obter notas, frequência e tarefas.
Agente de Execução de Chamada à API - Comportamental (RF 3) Realizar chamada à API do Sistema Comportamental para obter registros de ocorrências e elogios.
Agente de Consolidação e Qualidade de Dados (RF 4) Unificar, normalizar e calcular indicadores a partir dos dados acadêmicos e comportamentais.
Agente de Geração de Relatórios Personalizados (RF 5) Produzir relatório claro e acessível para reuniões com professores e 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 o cliente receberá. Explore os links abaixo para entender melhor a solução em ação.

6. Requisitos Funcionais

RF 1. Agente Orquestrador de Parâmetros de Coleta

1.1 Tarefa do Agente

Preparar os parâmetros e payloads padronizados de consulta para fontes acadêmicas e comportamentais, garantindo escopo, período e identificadores corretos por aluno.

1.2 Prompt ou Instruções do Agente
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo um objeto com informações necessárias para configurar a coleta de dados de desempenho acadêmico e comportamental de alunos.

# 2. Objetivo
Preparar os parâmetros e payloads padronizados de consulta para fontes acadêmicas e comportamentais, garantindo escopo, período e identificadores corretos por aluno.

# 3. Regras que você deve seguir para gerar sua resposta
1) Validar presença de aluno_id e periodo_referencia; se ausentes, definir status_validacao: 'erro_parametros' e listar campos ausentes em erros_parametros.
2) Normalizar periodo_referencia para pares de datas ISO (data_inicio, data_fim) considerando timezone; se granularidade não informada, definir 'bimestral'.
3) Construir payload_academico contendo: aluno_id, escola_id (se houver), turma_id (se houver), data_inicio, data_fim, filtro_disciplinas (se houver), incluir_campos: [nota_avaliacao, nota_final_parcial, frequencia, faltas, tarefas_entregues, medias_por_disciplina].
4) Construir payload_comportamental contendo: aluno_id, escola_id (se houver), data_inicio, data_fim, incluir_eventos: [ocorrencias, elogios, advertencias, suspensoes], atributos: [tipo, severidade, data, disciplina_relacionada (se houver), observacao_resumida].
5) Definir chaves de junção padrão: join_keys = [aluno_id, disciplina, periodo_bucket]; e schema esperado por fonte (lista de campos obrigatorios e tipos conceituais: numerico, texto, data, categórico).
6) Emitir mapeamento de codificação para valores usuais: presença {P,A}, situação tarefa {entregue, atrasada}, severidade {baixa, media, alta}; incluir tabela de correspondência para normalização posterior.
7) Se lista_disciplinas vier vazia, marcar filtro_disciplinas = 'todas'.
8) Saída deve incluir controle de versão dos payloads (versao_payload) e um id_de_lote para rastreabilidade. 
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 as informações necessárias via API. Na fase de testes, os dados serão enviados 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 contendo informações sobre o aluno e o período de referência.
  • 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 até 5.000 caracteres.

1.3.2 Especificação do Output

  • Formato de output: O output deve ser um objeto JSON contendo os payloads preparados para consulta nas fontes de dados acadêmicas e comportamentais.
  • Exemplo de Estrutura de Output:
     {
      "payload_academico": {...},
      "payload_comportamental": {...},
      "versao_payload": "1.0",
      "id_de_lote": "abc123"
    } 
  • Número de caracteres esperado: O JSON gerado deve ter um tamanho aproximado de 1.200 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 Execução de Chamada à API - Acadêmico (RF 2) e o Agente de Execução de Chamada à API - Comportamental (RF 3).

RF 2. Agente de Execução de Chamada à API - Acadêmico

2.1 Tarefa do Agente

Realizar chamada à API do Sistema Acadêmico para obter notas, frequência e tarefas no período solicitado.

2.2 Prompt ou Instruções do Agente
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo um payload preparado para consulta ao Sistema Acadêmico, com as informações necessárias para obter dados de desempenho acadêmico de alunos.

# 2. Objetivo
Realizar chamada à API do Sistema Acadêmico para obter notas, frequência e tarefas no período solicitado.

# 3. Regras que você deve seguir para gerar sua resposta
- Utilize o payload_academico recebido para realizar a chamada à API.
- Recupere os dados acadêmicos brutos: avaliações, notas por disciplina, frequência, faltas, tarefas.
- Em caso de erro na chamada à API, registre o erro e interrompa o processo para análise manual. 
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 Orquestrador de Parâmetros de Coleta (RF 1).
  • Tipo do input: Este agente deve ser apto a receber como input um payload JSON preparado pelo agente anterior.
  • 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 até 2.000 caracteres.

2.3.2 Especificação do Output

  • Formato de output: O output deve ser um objeto JSON contendo os dados acadêmicos brutos recuperados.
  • Exemplo de Estrutura de Output:
     {
      "avaliacoes": [...],
      "notas_por_disciplina": [...],
      "frequencia": [...],
      "faltas": [...],
      "tarefas": [...]
    } 
  • Número de caracteres esperado: O JSON gerado deve ter um tamanho aproximado de 3.000 caracteres.

2.3.3 Parâmetros de Geração

  • Modelo: Não se aplica (uso de ferramenta)
  • Temperatura: Não se aplica

2.3.4 Ferramentas do Agente

  • Documentos: Não consulta.
  • 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 Qualidade de Dados (RF 4).

RF 3. Agente de Execução de Chamada à API - Comportamental

3.1 Tarefa do Agente

Realizar chamada à API do Sistema Comportamental para obter registros de ocorrências, elogios e medidas disciplinares.

3.2 Prompt ou Instruções do Agente
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo um payload preparado para consulta ao Sistema Comportamental, com as informações necessárias para obter dados de eventos comportamentais de alunos.

# 2. Objetivo
Realizar chamada à API do Sistema Comportamental para obter registros de ocorrências, elogios e medidas disciplinares.

# 3. Regras que você deve seguir para gerar sua resposta
- Utilize o payload_comportamental recebido para realizar a chamada à API.
- Recupere os dados comportamentais brutos: eventos com tipo, severidade, data e descrição resumida.
- Em caso de erro na chamada à API, registre o erro e interrompa o processo para análise manual. 
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 Orquestrador de Parâmetros de Coleta (RF 1).
  • Tipo do input: Este agente deve ser apto a receber como input um payload JSON preparado pelo agente anterior.
  • 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 até 2.000 caracteres.

3.3.2 Especificação do Output

  • Formato de output: O output deve ser um objeto JSON contendo os dados comportamentais brutos recuperados.
  • Exemplo de Estrutura de Output:
     {
      "eventos": [...],
      "elogios": [...],
      "advertencias": [...],
      "suspensoes": [...]
    } 
  • Número de caracteres esperado: O JSON gerado deve ter um tamanho aproximado de 3.000 caracteres.

3.3.3 Parâmetros de Geração

  • Modelo: Não se aplica (uso de ferramenta)
  • Temperatura: Não se aplica

3.3.4 Ferramentas do Agente

  • Documentos: Não consulta.
  • Calculadora: Não utiliza.
  • Busca Online: Não utiliza.
  • Sistemas Externos: O agente deverá enviar o payload recebido para a API externa do Sistema Comportamental e retornar os dados recebidos como resposta.

3.3.5 Memória

3.3.6 Regras de Orquestração e Transição

Ao concluir sua execução, esse agente aciona o Agente de Consolidação e Qualidade de Dados (RF 4).

RF 4. Agente de Consolidação e Qualidade de Dados

4.1 Tarefa do Agente

Unificar, normalizar e calcular indicadores a partir dos dados acadêmicos e comportamentais, produzindo um dataset único por aluno para geração de relatório.

4.2 Prompt ou Instruções do Agente
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo dados brutos acadêmicos e comportamentais de alunos, prontos para serem unificados e normalizados.

# 2. Objetivo
Unificar, normalizar e calcular indicadores a partir dos dados acadêmicos e comportamentais, produzindo um dataset único por aluno para geração de relatório.

# 3. Regras que você deve seguir para gerar sua resposta
1) Normalização: aplicar mapeamentos de codificação; padronizar nomes de disciplinas; garantir tipos: datas ISO, numéricos para notas/frequência, categóricos para eventos.
2) Deduplicação: remover registros idênticos por [aluno_id, disciplina, data, tipo_registro]; se conflitos de valores, priorizar o mais recente por timestamp.
3) Completeness: marcar campos ausentes em campos_faltantes; calcular % de completude por disciplina e geral (0–100%).
4) Indicadores acadêmicos por disciplina: média_notas, mediana_notas, desvio_padrao, melhor_nota, pior_nota, tarefas_entregues, tarefas_atrasadas, frequencia_percentual e faltas_no_periodo.
5) Indicadores globais: média_geral_ponderada (ponderar por carga_horaria se disponível; caso contrário, média simples), frequência_global, ranking_disciplina (ordenar por desempenho), matérias_críticas (nota média < 6 ou frequência < 75%).
6) Tendência: calcular variação de notas e frequência entre buckets do periodo (mensal/bimestral); classificar tendência por disciplina em {subindo, estável, caindo} com thresholds: |Δ| < 0.2 => estável.
7) Comportamento: agregar por tipo e severidade; métricas: total_eventos, eventos_por_tipo, taxa_recorrencia (eventos/mes), disciplinas_associadas; marcar eventos_criticos se severidade = alta ou 3+ ocorrências do mesmo tipo no período.
8) Correlação exploratória: estimar correlação sinalizada entre incidentes e queda de desempenho por disciplina; se correlação aparente (coocorrência temporal) marcar possivel_associacao: true e listar janelas afetadas.
9) Qualidade e ressalvas: criar campo observacoes_qualidade com alertas (ex.: ausencia de avaliações em X disciplinas, lacunas de frequência > 10 dias, grande variância).
10) Output schema fixo: {aluno_id, periodo, disciplinas:[{nome, media, mediana, dp, melhor, pior, freq_percent, faltas, tendencia, tarefas:{entregues, atrasadas}}], globais:{media_ponderada, frequencia_global, materias_criticas:[...]}, comportamento:{total, por_tipo:{}, por_severidade:{}, recorrencia_mensal, eventos_criticos:[...]}, associacoes:[{disciplina, janela, descricao}], completude_percent, observacoes_qualidade:[...], id_de_lote}. 
4.3 Configurações do Agente

4.3.1 Especificação do Input

4.3.2 Especificação do Output

  • Formato de output: O output deve ser um objeto JSON estruturado por aluno, contendo métricas por disciplina, métricas globais, eventos comportamentais agregados e série temporal resumida.
  • Exemplo de Estrutura de Output:
     {
      "aluno_id": "123",
      "periodo": "2025-01",
      "disciplinas": [...],
      "globais": {...},
      "comportamento": {...},
      "associacoes": [...],
      "completude_percent": 95,
      "observacoes_qualidade": [...],
      "id_de_lote": "abc123"
    } 
  • Número de caracteres esperado: O JSON gerado deve ter um tamanho aproximado de 4.000 caracteres.

4.3.3 Parâmetros de Geração

  • Modelo: GPT-5
  • Temperatura: 0.6

4.3.4 Ferramentas do Agente

  • Documentos: Não consulta.
  • Calculadora: Utiliza lógica interna para cálculos de indicadores.
  • Busca Online: Não utiliza.
  • Sistemas Externos: Não utiliza.

4.3.5 Memória

4.3.6 Regras de Orquestração e Transição

Ao concluir sua execução, esse agente aciona o Agente de Geração de Relatórios Personalizados (RF 5).

RF 5. Agente de Geração de Relatórios Personalizados

5.1 Tarefa do Agente

Produzir relatório claro e acessível para reuniões com professores e pais, destacando pontos fortes, áreas de melhoria e recomendações acionáveis por aluno.

5.2 Prompt ou Instruções do Agente
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo um dataset consolidado por aluno, contendo métricas acadêmicas e comportamentais prontas para serem transformadas em relatórios personalizados.

# 2. Objetivo
Produzir relatório claro e acessível para reuniões com professores e pais, destacando pontos fortes, áreas de melhoria e recomendações acionáveis por aluno.

# 3. Regras que você deve seguir para gerar sua resposta
1) Estrutura mínima do relatório: Cabeçalho (aluno, período, resumo executivo em 3–5 linhas) | Desempenho Acadêmico (por disciplina com interpretação) | Comportamento (resumo e eventos críticos) | Principais Forças (3 bullets) | Áreas de Melhoria (3–5 bullets) | Recomendações SMART (3–5 ações com responsável, prazo e indicador de sucesso) | Alertas de Qualidade de Dados (se houver).
2) Linguagem: acessível, sem jargões; explicar termos como 'mediana' ou 'variância' quando usados; evitar culpar; foco construtivo e colaborativo.
3) Critérios para destacar forças: disciplinas no top 25% da média do aluno OU tendência 'subindo' com média >= 7.5 OU frequência >= 95% na disciplina.
4) Critérios para áreas de melhoria: média < 6.0 OU frequência < 75% OU tendência 'caindo' por 2+ buckets consecutivos OU eventos_criticos relacionados à disciplina.
5) Recomendações SMART: cada recomendação deve conter: meta quantitativa (ex.: elevar média de Matemática de 5.8 para 6.5 em 8 semanas), responsável (professor/aluno/família), frequência da intervenção (ex.: 2x/semana), recurso sugerido (ex.: monitoria, material específico), indicador de acompanhamento (ex.: tarefas_entregues >= 90%) e marco de revisão (data/semana).
6) Personalização: se comportamento indicar possivel_associacao com queda de desempenho, incluir intervenção socioemocional relacionada (ex.: rotina de estudo, gestão de tempo, comunicação família-escola).
7) Visual/legibilidade do texto: usar listas curtas, títulos claros e frases objetivas; incluir síntese de 1 parágrafo no início para pais; evitar tabelas extensas no corpo do texto.
8) Consistência com dados: qualquer afirmação deve derivar de indicador presente no input; proibir inferências sem dado; se dados incompletos, incluir ressalvas e sugerir coleta complementar.
9) Sinalizações: marcar 'caso_prioritario' = true se houver 2+ matérias_críticas OU frequência_global < 70% OU 2+ eventos_criticos; caso contrário, false.
10) Output JSON auxiliar: {aluno_id, periodo, highlights:[...], melhorias:[...], recomendacoes:[{meta, responsavel, frequencia, recurso, indicador, revisao}], caso_prioritario, links_secoes:{desempenho, comportamento}}. 
5.3 Configurações do Agente

5.3.1 Especificação do Input

  • Mecanismo de Acionamento: Este agente deve ser acionado automaticamente após a conclusão do Agente de Consolidação e Qualidade de Dados (RF 4).
  • Tipo do input: Este agente deve ser apto a receber um dataset consolidado por aluno como input.
  • 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 até 6.000 caracteres.

5.3.2 Especificação do Output

  • Formato de output: O output deve ser um relatório personalizado por aluno em texto estruturado (markdown permitido) e um JSON auxiliar com indicadores e recomendações.
  • Exemplo de Estrutura de Output:
     **Aluno:** João Silva
    **Período:** 2025-01
    **Resumo Executivo:** João apresentou melhorias significativas em Matemática, mas precisa focar em Ciências.
    
    ### Desempenho Acadêmico
    - **Matemática:** Média 7.8, tendência subindo.
    - **Ciências:** Média 5.9, tendência caindo.
    
    ### Comportamento
    - Eventos críticos: 2 advertências em Ciências.
    
    ### Principais Forças
    - Matemática: Excelente progresso.
    - Frequência: 98% em todas as disciplinas.
    
    ### Áreas de Melhoria
    - Ciências: Melhorar notas e comportamento.
    - Português: Aumentar participação.
    
    ### Recomendações SMART
    - **Matemática:** Elevar média de 5.8 para 6.5 em 8 semanas, com apoio de monitoria.
    
    ### Alertas de Qualidade de Dados
    - Dados de frequência incompletos em História.
    
    JSON auxiliar:
    {
      "aluno_id": "123",
      "periodo": "2025-01",
      "highlights": [...],
      "melhorias": [...],
      "recomendacoes": [...],
      "caso_prioritario": false,
      "links_secoes": {...}
    } 
  • Número de caracteres esperado: O relatório final deve ter um tamanho aproximado de 5.000 caracteres.

5.3.3 Parâmetros de Geração

  • Modelo: GPT-5
  • Temperatura: 0.6

5.3.4 Ferramentas do Agente

  • Documentos: Não consulta.
  • Calculadora: Não utiliza.
  • Busca Online: Não utiliza.
  • Sistemas Externos: Após realizar o processamento, o agente enviará sua resposta para o sistema de gestão escolar para registro e consulta futura.

5.3.5 Memória

  • Visibilidade das Instruções (Prompt): As instruções não são visíveis para agentes subsequentes.
  • Visibilidade da Resposta: A resposta (relatório e JSON auxiliar) é o entregável final e não é passada para outros agentes internos.

5.3.6 Regras de Orquestração e Transição

A execução deste agente finaliza o fluxo. O relatório gerado é o resultado que deve ser disponibilizado ao usuário.

© 2025 prototipe.ai. Todos os direitos reservados.