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 "Acompanhamento de Progresso Educacional", uma solução de automação projetada para monitorar o progresso educacional dos alunos, identificando áreas de melhoria e sugerindo recursos de aprendizagem adicionais. Essa documentação é um modelo de PRD ou Documento de Requisitos de Produto específicos para construção de Agentes de IA.
O objetivo principal é acompanhar continuamente o progresso dos alunos, identificar áreas específicas que necessitam de melhoria e sugerir recursos de aprendizagem adicionais para aprimorar o desempenho educacional.
2. Contexto e Problema
Cenário Atual
Atualmente, muitas instituições de ensino enfrentam desafios significativos na monitorização do progresso educacional dos alunos. Estes desafios incluem:
- Falta de acompanhamento contínuo do progresso educacional dos alunos.
- Dificuldade em identificar áreas específicas que necessitam de melhoria.
Sem uma ferramenta eficaz para monitorar e analisar o desempenho dos alunos, as instituições de ensino não conseguem fornecer feedback oportuno e personalizado, o que impacta negativamente na experiência de aprendizagem dos alunos.
Problemas Identificados
- Monitoramento Insuficiente: A falta de acompanhamento contínuo impede a identificação precoce de dificuldades de aprendizagem.
- Identificação Ineficiente de Áreas de Melhoria: Sem dados claros, é difícil saber onde os alunos precisam de mais ajuda.
- Falta de Recursos Personalizados: Os alunos não recebem sugestões de recursos de aprendizagem adicionais com base em suas necessidades específicas.
3. Impactos Esperados
A implementação deste fluxo de automação visa alcançar os seguintes resultados:
- Melhorar o acompanhamento do progresso educacional dos alunos de forma contínua e eficaz.
- Identificar áreas de melhoria de maneira mais precisa e rápida.
- Fornecer sugestões personalizadas de recursos de aprendizagem adicionais para cada aluno.
- Aumentar o desempenho educacional geral dos alunos através de intervenções oportunas e específicas.
4. Visão Geral da Solução
O agente de IA para acompanhamento de progresso educacional monitora o desempenho dos alunos em suas atividades educacionais, identifica áreas que precisam de melhorias e sugere recursos de aprendizagem adicionais para aprimorar o 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 no monitoramento do progresso educacional dos alunos.
A solução consiste em um fluxo de automação composto por agentes de IA que coletam dados de progresso, analisam desempenho e geram sugestões personalizadas.
| Agentes | Função Principal |
|---|---|
Agente de Monitoramento de Progresso (RF 1)
| Monitorar o progresso dos alunos em suas atividades educacionais. |
Agente de Identificação de Áreas de Melhoria (RF 2)
| Identificar áreas de melhoria com base no desempenho dos alunos. |
Agente de Sugestão de Recursos de Aprendizagem (RF 3)
| Sugerir recursos e atividades de aprendizagem adicionais para aprimorar o desempenho. |
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 aluno e o educador receberão. Explore os links abaixo para entender melhor a solução em ação.
6. Requisitos Funcionais
RF 1. Agente de Monitoramento de Progresso
1.1 Tarefa do Agente
Monitorar o progresso dos alunos em suas atividades educacionais, registrando notas e atividades concluídas.
1.2 Prompt ou Instruções do Agente
# 1. Contexto e explicações sobre inputs iniciais Você está recebendo dados de atividades educacionais dos alunos. Estes dados incluem notas, atividades concluídas e tempo de estudo. # 2. Objetivo Monitorar o progresso dos alunos em suas atividades educacionais, registrando notas e atividades concluídas. # 3. Regras que você deve seguir para gerar sua resposta - Registre cada atividade concluída, incluindo a nota obtida e o tempo de estudo. - Atualize o progresso do aluno em tempo real, sempre que uma nova atividade for concluída. - Mantenha um histórico detalhado de todas as atividades e notas, para futuras análises. # 4. Exemplo de Output que você deve produzir **Aluno:** João Silva **Atividade:** Matemática - Frações **Nota:** 85 **Tempo de Estudo:** 2 horas **Progresso Atualizado:** Sim
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 de atividades educacionais 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 dos dados na interface da Prototipe AI, para acelerar o processo de validação.
- Tipo do input: O input inicial para o fluxo são dados estruturados das atividades educacionais dos alunos.
-
Formatos Suportados: Esse agente deve ser capaz de receber dados nos formatos:
.csv,.json. - Número de caracteres esperado: Este agente deve ter capacidade para processar um input de dados com até 50.000 caracteres.
1.3.2 Especificação do Output
- Formato de output: O output deve ser um texto formatado em **Markdown**. A estrutura deve incluir os campos `Aluno`, `Atividade`, `Nota`, `Tempo de Estudo` e `Progresso Atualizado`.
-
Exemplo de Estrutura de Output:
**Aluno:** João Silva **Atividade:** Matemática - Frações **Nota:** 85 **Tempo de Estudo:** 2 horas **Progresso Atualizado:** Sim
- Número de caracteres esperado: O texto final deve ser conciso e informativo, com um tamanho estimado em torno de 1.000 caracteres, podendo variar conforme o volume de dados.
1.3.3 Parâmetros de Geração
- Modelo: GPT-3.5
- Temperatura: 0.5
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 Identificação de Áreas de Melhoria (RF 2).
1.3.6 Regras de Orquestração e Transição
Ao concluir sua execução, esse agente aciona o Agente de Identificação de Áreas de Melhoria (RF 2).
RF 2. Agente de Identificação de Áreas de Melhoria
2.1 Tarefa do Agente
Identificar áreas de melhoria com base no desempenho dos alunos, analisando o histórico de atividades e notas.
2.2 Prompt ou Instruções do Agente
# 1. Contexto e explicações sobre inputs iniciais Você está recebendo o histórico de atividades e notas dos alunos. Estes dados são usados para identificar áreas de melhoria. # 2. Objetivo Identificar áreas de melhoria com base no desempenho dos alunos, analisando o histórico de atividades e notas. # 3. Regras que você deve seguir para gerar sua resposta - Analise o desempenho em cada atividade para identificar padrões de dificuldade. - Destaque áreas onde o desempenho está consistentemente abaixo da média. - Prepare um relatório que resuma as áreas de melhoria identificadas para cada aluno. # 4. Exemplo de Output que você deve produzir **Aluno:** João Silva **Áreas de Melhoria:** - Matemática: Frações - Ciências: Ecossistemas
2.3 Configurações do Agente
2.3.1 Especificação do Input
- Mecanismo de Acionamento: Este agente deve ser acionado automaticamente após a conclusão bem-sucedida do agente anterior (RF 1).
- Tipo do input: Este agente deve ser apto a receber como input dados estruturados do histórico de atividades e notas dos alunos.
-
Formatos Suportados: Esse agente deve ser capaz de receber inputs no formato:
.json. - Número de caracteres esperado: Este agente deve ter capacidade para processar um input de dados com até 50.000 caracteres.
2.3.2 Especificação do Output
- Formato de output: O output deve ser um texto formatado em **Markdown**. A estrutura deve incluir os campos `Aluno` e `Áreas de Melhoria` com uma lista das áreas identificadas.
-
Exemplo de Estrutura de Output:
**Aluno:** João Silva **Áreas de Melhoria:** - Matemática: Frações - Ciências: Ecossistemas
- Número de caracteres esperado: O texto final deve ser conciso e informativo, com um tamanho estimado em torno de 1.000 caracteres, podendo variar conforme a complexidade dos dados.
2.3.3 Parâmetros de Geração
- Modelo: GPT-3.5
- Temperatura: 0.5
2.3.4 Ferramentas do Agente
- Documentos: Não consulta.
- Calculadora: Não utiliza.
- 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 deve ser visível para o Agente de Sugestão de Recursos de Aprendizagem (RF 3).
2.3.6 Regras de Orquestração e Transição
Ao concluir sua execução, esse agente aciona o Agente de Sugestão de Recursos de Aprendizagem (RF 3).
RF 3. Agente de Sugestão de Recursos de Aprendizagem
3.1 Tarefa do Agente
Sugerir recursos e atividades de aprendizagem adicionais para aprimorar o desempenho dos alunos nas áreas identificadas como necessitando de melhoria.
3.2 Prompt ou Instruções do Agente
# 1. Contexto e explicações sobre inputs iniciais Você está recebendo as áreas de melhoria identificadas para cada aluno. Estes dados são usados para sugerir recursos de aprendizagem adicionais. # 2. Objetivo Sugerir recursos e atividades de aprendizagem adicionais para aprimorar o desempenho dos alunos nas áreas identificadas como necessitando de melhoria. # 3. Regras que você deve seguir para gerar sua resposta - Para cada área de melhoria, sugira recursos de aprendizagem específicos, como livros, artigos, vídeos ou exercícios práticos. - Personalize as sugestões com base nas preferências de aprendizado do aluno, se disponíveis. - Garanta que as sugestões sejam acessíveis e relevantes para o nível educacional do aluno. # 4. Exemplo de Output que você deve produzir **Aluno:** João Silva **Sugestões de Recursos:** - Matemática: Assistir ao vídeo "Frações para Iniciantes" no YouTube. - Ciências: Ler o artigo "Introdução aos Ecossistemas" na Biblioteca Online.
3.3 Configurações do Agente
3.3.1 Especificação do Input
- Mecanismo de Acionamento: Este agente deve ser acionado automaticamente após a conclusão bem-sucedida do agente anterior (RF 2).
- Tipo do input: Este agente deve ser apto a receber como input dados estruturados das áreas de melhoria identificadas para cada aluno.
-
Formatos Suportados: Esse agente deve ser capaz de receber inputs no formato:
.json. - Número de caracteres esperado: Este agente deve ter capacidade para processar um input de dados com até 10.000 caracteres.
3.3.2 Especificação do Output
- Formato de output: O output deve ser um texto formatado em **Markdown**. A estrutura deve incluir os campos `Aluno` e `Sugestões de Recursos` com uma lista personalizada de recursos para cada área de melhoria.
-
Exemplo de Estrutura de Output:
**Aluno:** João Silva **Sugestões de Recursos:** - Matemática: Assistir ao vídeo "Frações para Iniciantes" no YouTube. - Ciências: Ler o artigo "Introdução aos Ecossistemas" na Biblioteca Online.
- Número de caracteres esperado: O texto final deve ser conciso e informativo, com um tamanho estimado em torno de 1.000 caracteres, podendo variar conforme a quantidade de sugestões.
3.3.3 Parâmetros de Geração
- Modelo: GPT-3.5
- Temperatura: 0.5
3.3.4 Ferramentas do Agente
- Documentos: Não consulta.
- Calculadora: Não utiliza.
- Busca Online: Não utiliza.
- Sistemas Externos: Não utiliza.
3.3.5 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 não precisa ser visível para outros agentes, pois é o entregável final para o aluno.
3.3.6 Regras de Orquestração e Transição
Este agente finaliza o fluxo, gerando o relatório final de sugestões de recursos de aprendizagem para o aluno.