Agente de IA para Relatórios de Progresso Pedagógico

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

Como criar um agente de IA que gera relatórios detalhados sobre o progresso pedagógico dos alunos.

1. Propósito e Escopo

Este documento define todos os prompts, configurações de memória, transição entre estados, ferramentas como chamadas a sistemas externos, consulta a documentos e demais requisitos funcionais para a criação de um agente de IA que gera relatórios detalhados sobre o progresso pedagógico dos alunos. Essa documentação é um modelo de PRD ou Documento de Requisitos de Produto específicos para construção de Agentes de IA.

O objetivo principal é facilitar o acompanhamento do progresso pedagógico por parte dos educadores e coordenação, transformando dados dispersos em insights acionáveis para decisões pedagógicas informadas.

2. Contexto e Problema

Problemas Específicos

O agente de IA para relatórios de progresso pedagógico visa resolver problemas específicos já conhecidos no contexto educacional:

  • Dificuldade em compilar e analisar dados de desempenho dos alunos.
  • Necessidade de relatórios que suportem decisões pedagógicas informadas.

Esses problemas decorrem da fragmentação de dados em diferentes fontes e da complexidade em transformá-los em informações compreensíveis e úteis para a prática educacional.

3. Impactos Esperados

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

  • Facilitar a análise e compilação de dados de desempenho dos alunos.
  • Fornecer insights acionáveis que ajudem a ajustar práticas pedagógicas e curriculares.
  • Reduzir o tempo e esforço necessários para a geração de relatórios pedagógicos detalhados.

4. Visão Geral da Solução

O agente de IA para relatórios de progresso pedagógico coleta dados de diferentes fontes, integra-os e gera relatórios compreensíveis para educadores e coordenação. 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 análise de progresso pedagógico.

A solução consiste em um fluxo de automação composto por 11 agentes de IA. O processo inicia com a preparação de chamadas à API e termina com a geração de relatórios pedagógicos detalhados.

A execução dos agentes é sequencial e linear, seguindo a ordem definida na tabela abaixo. O fluxo inclui etapas condicionais que são executadas apenas se critérios específicos forem atendidos, conforme detalhado após a tabela.

Agentes Função Principal
Agente Preparador de Chamada à API - LMS (RF 1) Preparar o payload padronizado para buscar dados de engajamento e aprendizagem no sistema LMS.
Agente de Execução de Chamada à API - LMS (RF 2) Realizar chamada à API do Sistema LMS para obter dados de engajamento e aprendizagem.
Agente de Tratamento de Dados do LMS (RF 3) Padronizar e limpar o retorno bruto do LMS, gerando um JSON estruturado.
Agente Preparador de Chamada à API - Sistema Acadêmico (SIS) (RF 4) Preparar o payload para obter notas finais, frequências oficiais e registros de ocorrência no SIS.
Agente de Execução de Chamada à API - Sistema Acadêmico (SIS) (RF 5) Realizar chamada à API do SIS para recuperar notas finais, frequência e ocorrências.
Agente de Tratamento de Dados do SIS (RF 6) Normalizar o retorno do SIS e calcular KPIs oficiais de notas e frequência por aluno e turma.
Agente Preparador de Consulta a Documentos Adicionais (RF 7) Preparar parâmetros para consulta a documentos locais/armazenados para recuperar indicadores adicionais por aluno.
Agente de Execução de Consulta a Documento (RF 8) Realizar consulta aos documentos adicionais para obter indicadores e observações docentes.
Agente de Tratamento de Documentos Adicionais (RF 9) Normalizar dados extraídos de planilhas e observações docentes em estruturas padronizadas por aluno.
Agente de Consolidação e Normalização de Dados Pedagógicos (RF 10) Consolidar múltiplas fontes em um dataset unificado por aluno para análise de progresso.
Agente de Análise de Progresso e Geração de Relatório Pedagógico (RF 11) Produzir relatórios detalhados e compreensíveis sobre progresso pedagógico por aluno, turma e disciplina.

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 Preparador de Chamada à API - LMS

1.1 Tarefa do Agente

Preparar o payload padronizado para buscar dados de engajamento e aprendizagem no sistema LMS.

1.2 Prompt ou Instruções do Agente
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo um objeto JSON com as chaves necessárias para configurar uma chamada à API do LMS para buscar dados de engajamento e aprendizagem.

# 2. Objetivo
Preparar o payload padronizado para buscar dados de engajamento e aprendizagem no sistema LMS, incluindo acessos, participação e notas por atividade.

# 3. Regras que você deve seguir para gerar sua resposta
- Mapeie cursos para course_ids, turmas para class_ids e alunos para student_ids.
- Valide o período: se a data de fim for anterior à data de início, inverta-as. Se ambas estiverem ausentes, defina os últimos 90 dias a partir da data atual do sistema.
- Normalize métricas: acessos para logins, entregas para submissions, participacao_forum para forum_posts e notas_avaliacoes para grades.
- Insira Authorization com um placeholder {{auth_token}}.
- Remova campos nulos ou indefinidos de query e body. 
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 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: Objeto JSON com as chaves necessárias para configurar uma chamada à API do LMS.
  • 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 o payload padronizado para a chamada à API do LMS.
  • Exemplo de Estrutura de Output:
     {"route": "/lms/analytics/batch", "method": "POST", "headers": {"Authorization": "Bearer {{auth_token}}"}, "query": {}, "body": {"institution": "nome_ou_id", "course_ids": ["id_curso_1", "id_curso_2"], "class_ids": ["id_turma_1"], "student_ids": ["id_aluno_1", "id_aluno_2"], "date_range": {"start": "AAAA-MM-DD", "end": "AAAA-MM-DD"}, "metrics": ["logins", "submissions", "forum_posts", "grades"]}} 
  • Número de caracteres esperado: O JSON gerado deve ter um tamanho estimado em torno de 2.000 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 - LMS (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 - LMS (RF 2).

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

2.1 Tarefa do Agente

Realizar chamada à API do Sistema LMS para obter dados de engajamento e aprendizagem conforme payload preparado.

2.2 Prompt ou Instruções do Agente
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo um payload JSON já pronto para executar uma chamada à API do LMS.

# 2. Objetivo
Realizar a chamada à API do Sistema LMS para obter dados de engajamento e aprendizagem conforme o payload preparado.

# 3. Regras que você deve seguir para gerar sua resposta
- Este 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: Payload JSON já pronto no formato para execução da chamada à API do LMS.
  • 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: Dados brutos JSON retornados pelo LMS contendo séries temporais e registros por aluno/atividade.
  • Exemplo de Estrutura de Output:
     {"data": [{"aluno_id": "...", "atividade": "...", "logins": 5, "submissions": 3, "forum_posts": 2, "grades": 85}]} 
  • Número de caracteres esperado: O JSON gerado deve ter um tamanho estimado em torno 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 JSON recebido para a API do LMS e retornar os dados recebidos como resposta.

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 deve ser visível para o Agente de Tratamento de Dados do LMS (RF 3).

2.3.6 Regras de Orquestração e Transição

Ao concluir sua execução, esse agente aciona o Agente de Tratamento de Dados do LMS (RF 3).

RF 3. Agente de Tratamento de Dados do LMS

3.1 Tarefa do Agente

Padronizar e limpar o retorno bruto do LMS, gerando um JSON estruturado por aluno, turma e período, pronto para consolidação com outras fontes.

3.2 Prompt ou Instruções do Agente
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo um JSON bruto retornado do LMS com registros de engajamento e aprendizagem por aluno e atividade.

# 2. Objetivo
Padronizar e limpar o retorno bruto do LMS, gerando um JSON estruturado por aluno, turma e período, pronto para consolidação com outras fontes.

# 3. Regras que você deve seguir para gerar sua resposta
- Converter chaves para snake_case e datas para AAAA-MM-DD.
- Calcular dias_ativos como número de datas únicas com logins > 0.
- Classificar submissões com due_date quando existir.
- Calcular media_notas usando média ponderada ou simples, conforme disponibilidade de pesos. 
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: JSON bruto retornado do LMS com registros de engajamento e aprendizagem por aluno e atividade.
  • 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 3.000 caracteres.

3.3.2 Especificação do Output

  • Formato de output: JSON estruturado por aluno, turma e período, pronto para consolidação com outras fontes.
  • Exemplo de Estrutura de Output:
     {"fonte": "LMS", "periodo": {"inicio": "AAAA-MM-DD", "fim": "AAAA-MM-DD"}, "itens": [{"id_aluno": "...", "id_turma": "...", "kpis": {"acessos_total": 0, "dias_ativos": 0, "tarefas_entregues": 0, "tarefas_atraso": 0, "posts_forum": 0, "media_notas": 0.0}, "series": {"acessos_diario": [{"data": "AAAA-MM-DD", "qtd": 0}], "submissoes": [{"atividade": "id", "data": "AAAA-MM-DD", "status": "on_time|late", "nota": 0.0, "peso": 1.0}]}}]} 
  • Número de caracteres esperado: O JSON gerado deve ter um tamanho estimado em torno de 4.000 caracteres.

3.3.3 Parâmetros de Geração

  • Modelo: GPT-5
  • Temperatura: 0.6

3.3.4 Ferramentas do Agente

  • Documentos: Não consulta.
  • Calculadora: Utiliza lógica interna para calcular dias_ativos e media_notas.
  • Busca Online: Não utiliza.
  • Sistemas Externos: Não utiliza.

3.3.5 Memória

3.3.6 Regras de Orquestração e Transição

Ao concluir sua execução, esse agente aciona o Agente Preparador de Chamada à API - Sistema Acadêmico (SIS) (RF 4).

© 2025 prototipe.ai. Todos os direitos reservados.