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 de Análise de Relatórios de Incidentes de Segurança. Essa documentação é um modelo de PRD ou Documento de Requisitos de Produto específicos para construção de Agentes de IA.
O objetivo principal é sintetizar e classificar relatórios de incidentes de segurança, identificando causas comuns e sugerindo melhorias nos processos de segurança.
2. Contexto e Problema
Cenário Atual
O setor de segurança enfrenta um volume elevado de relatórios de incidentes, o que dificulta a análise manual e a identificação de padrões. Isso resulta em uma falta de identificação rápida de causas comuns, necessária para implementar melhorias nos processos.
Problemas Identificados
- Volume elevado de relatórios de incidentes de segurança, dificultando a análise manual e identificação de padrões.
- Falta de identificação rápida de causas comuns de incidentes para implementar melhorias nos processos.
- Necessidade de priorizar ações corretivas para mitigar riscos futuros.
3. Impactos Esperados
A implementação deste agente de IA visa alcançar os seguintes resultados:
- Reduzir o tempo de análise de relatórios de incidentes em pelo menos 70%.
- Aumentar a precisão na identificação de causas comuns de incidentes.
- Priorizar ações corretivas com base na gravidade e frequência dos incidentes relatados.
4. Visão Geral da Solução
O agente de IA para análise de relatórios de incidentes de segurança sintetiza e classifica relatórios de incidentes, identifica causas comuns e sugere melhorias nos processos de segurança. 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 relatórios de incidentes de segurança.
A solução consiste em um fluxo de automação composto por cinco agentes de IA. O processo começa com a conversão de relatos de incidentes em dados estruturados e termina com a geração de um relatório executivo e técnico com achados, prioridades e plano de ação.
A execução dos agentes é sequencial e linear, seguindo a ordem definida na tabela abaixo.
| Agentes | Função Principal |
|---|---|
Agente de Padronização e Extração de Campos de Incidentes (RF 1)
| Converter relatos de incidentes em dados estruturados padronizados, prontos para análise. |
Agente de Análise e Identificação de Padrões (RF 2)
| Gerar indicadores, tendências e padrões a partir dos dados de incidentes padronizados. |
Agente de Priorização de Riscos e Ações (RF 3)
| Transformar padrões em um backlog priorizado de riscos e ações corretivas com critérios claros. |
Agente de Recomendações de Melhoria de Processo (RF 4)
| Propor contramedidas e planos de ação SMART vinculados às causas-raiz priorizadas. |
Agente de Geração de Relatórios de Insights (RF 5)
| Compilar um relatório executivo e técnico com achados, prioridades e plano de ação. |
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 de Padronização e Extração de Campos de Incidentes
1.1 Tarefa do Agente
Converter relatos de incidentes em dados estruturados padronizados, prontos para análise.
1.2 Prompt ou Instruções do Agente
# 1. Contexto e explicações sobre inputs iniciais Você está recebendo uma lista de relatórios de incidentes em texto livre. Este texto é o registro bruto dos incidentes de segurança relatados. # 2. Objetivo Converter relatos de incidentes em dados estruturados padronizados, prontos para análise. # 3. Regras que você deve seguir para gerar sua resposta - Produza, para cada relato, um objeto com os campos: id_local, data_incidente (YYYY-MM-DD), hora_incidente (HH:MM, 24h), unidade/servico, local_detalhe, etapa_processo (uma das: admissao, triagem, medicacao, cirurgia, diagnostico, transporte, alta, TI, limpeza, outros), tipo_incidente (uma das categorias padrao), severidade (baixa, media, alta, critica), impacto_real (nenhum, leve, moderado, grave, morte), impacto_potencial (baixo, medio, alto), causa_raiz (processo, humana, equipamento, comunicacao, sistema_TI, suprimentos, ambiente, terceiros, desconhecida), descricao_resumo (<= 500 caracteres), fatores_contribuintes (lista), acoes_imediatas (lista), unidade_responsavel_sugerida, status_registro (novo), necessita_investigacao (true/false), confidences (0-1 por campo), missing_fields (lista), pii_redacted_text. - Mapeie severidade textual para: critica (palavras-chave: morte, risco iminente, UTI, parada, choque), alta (queda grave, medicação errada com dano, cirurgia adiada), media (erro sem dano, quase erro com barreiras), baixa (incômodo menor). Se incerto, defina media e registre em missing_fields. - Normalize tipo_incidente entre: medicacao, queda, infeccao, procedimento_cirurgico, identificacao_paciente, transfusional, dispositivo_medico, TI/sistema, agressao/seguranca, outros. Se múltiplos, escolha o predominante e registre alternativos em fatores_contribuintes. - Extraia etapa_processo a partir do contexto; se ausente, defina 'outros' com confidence <=0.5. - Identifique causa_raiz com base em indicações de falha de processo (ausencia de POP, variacao), humana (distração, treinamento), equipamento (falha, calibracao), comunicacao (entrega de plantao, read-back ausente), sistema_TI (alertas, cadastro), suprimentos (falta de material), ambiente (iluminacao, ruido), terceiros (fornecedor), desconhecida. - Regra de confidência: valores <0.60 implicam campo = null e adição do nome do campo em missing_fields; 0.60–0.79 sinalize como 'inferido'. - Remova/anonimize PII: substitua nomes próprios, prontuários, telefones e e-mails por tokens [IDENTIFICADOR_REMOVIDO_#]; mantenha contexto clínico essencial. - Sinalize necessita_investigacao = true se severidade in [alta, critica] ou impacto_real in [grave, morte] ou impacto_potencial = alto. - Garanta consistência temporal (hora_incidente presente requer data_incidente). Se entradas contraditórias, priorize metadado explícito sobre texto. - Saída adicional: taxonomias_utilizadas (listas finais de categorias), contadores_de_extracao (totais por tipo/severidade).
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 uma lista de relatórios de incidentes em texto livre 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 texto na interface da Prototipe AI, para acelerar o processo de validação.
- Tipo do input: O input inicial para o fluxo é uma lista de relatórios de incidentes em texto livre.
-
Formatos Suportados: Esse agente deve ser capaz de receber relatórios nos formatos:
.txt,.csv. - 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 no formato JSON com array incidents_normalized contendo objetos por incidente com campos normalizados, pontuações de confiança por campo e taxonomias aplicadas.
-
Exemplo de Estrutura de Output:
{ "incidents_normalized": [ { "id_local": "123", "data_incidente": "2025-12-20", "hora_incidente": "14:30", "unidade/servico": "UTI", "local_detalhe": "Sala 3", "etapa_processo": "medicacao", "tipo_incidente": "medicacao", "severidade": "alta", "impacto_real": "moderado", "impacto_potencial": "alto", "causa_raiz": "humana", "descricao_resumo": "Erro na dosagem de medicamento.", "fatores_contribuintes": ["falta de treinamento"], "acoes_imediatas": ["revisão de protocolo"], "unidade_responsavel_sugerida": "Educação Permanente", "status_registro": "novo", "necessita_investigacao": true, "confidences": {"data_incidente": 0.95, "tipo_incidente": 0.85}, "missing_fields": [], "pii_redacted_text": "[IDENTIFICADOR_REMOVIDO_1] cometeu um erro na dosagem." } ], "taxonomias_utilizadas": [...], "contadores_de_extracao": {...} } - Número de caracteres esperado: O JSON gerado deve ser conciso, com um tamanho estimado em torno de 4.000 caracteres por incidente.
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 e Identificação de Padrões (RF 2).
1.3.6 Regras de Orquestração e Transição
Ao concluir sua execução, esse agente aciona o Agente de Análise e Identificação de Padrões (RF 2).
RF 2. Agente de Análise e Identificação de Padrões
2.1 Tarefa do Agente
Gerar indicadores, tendências e padrões a partir dos dados de incidentes padronizados.
2.2 Prompt ou Instruções do Agente
# 1. Contexto e explicações sobre inputs iniciais Você está recebendo um JSON incidents_normalized com campos estruturados, confidences e taxonomias. # 2. Objetivo Gerar indicadores, tendências e padrões a partir dos dados de incidentes padronizados. # 3. Regras que você deve seguir para gerar sua resposta - Calcule KPIs: total_incidentes; por_gravidade (% e contagem); por_tipo; por_unidade; por_etapa_processo; taxa_por_1000_atendimentos se volume_atendimentos for fornecido (caso contrário, omita a taxa e indique limitacao_metricas=true). - Tendências temporais: agregações semanais e mensais (YYYY-WW, YYYY-MM). Classifique tendencia por série (alta, estavel, queda) usando var_percentual entre último período e média dos 3 anteriores: >= +15% = alta; <= -15% = queda; caso contrário = estavel. - Pareto: liste top causas (causa_raiz) que somem >=80% dos incidentes e devolva cumulativo%. Faça o mesmo para tipo_incidente. - Coocorrências: gere matriz tipo_vs_causa com frequência e proporção. Destaque pares com lift > 1.2 (se total permitir): lift = p(tipo,causa)/(p(tipo)*p(causa)). - Outliers por unidade: destaque unidades com frequência > 1.5x da mediana de unidades (ou taxa, se denominador disponível). Informe a lista e o fator de desvio. - Qualidade dos dados: compute campo_completude_% por campo e liste top5 campos com menor completude; inclua recomendacoes_dados para melhorias de registro. - Gere insights estruturados: cada insight deve conter: id_insight, descricao_curta, evidencias (métricas específicas), impacto_est_magnitude (alto/medio/baixo), confianca_analise (0-1, baseada na completude e tamanho da amostra), recomendacao_preliminar (1 frase), tags (ex: tendencia_alta, pareto, outlier). - Não duplique insights: consolide itens com mesma causa e unidade, somando evidências.
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 como input um JSON incidents_normalized com campos estruturados, confidences e taxonomias.
-
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 no formato JSON com KPIs, distribuições, tendências, coocorrências e achados-chave (insights) priorizados.
-
Exemplo de Estrutura de Output:
{ "analytics": { "total_incidentes": 200, "por_gravidade": {"alta": 50, "media": 100, "baixa": 50}, "tendencias": {"semanal": "alta", "mensal": "estavel"}, "pareto_causas": ["humana", "processo"], "coocorrencias": {"medicacao_vs_humana": 1.3}, "outliers_unidades": ["UTI: 2x mediana"] } } - Número de caracteres esperado: O JSON gerado deve ser conciso, com um tamanho estimado em torno de 3.000 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 deve ser visível para o Agente de Priorização de Riscos e Ações (RF 3).
2.3.6 Regras de Orquestração e Transição
Ao concluir sua execução, esse agente aciona o Agente de Priorização de Riscos e Ações (RF 3).
RF 3. Agente de Priorização de Riscos e Ações
3.1 Tarefa do Agente
Transformar padrões em um backlog priorizado de riscos e ações corretivas com critérios claros.
3.2 Prompt ou Instruções do Agente
# 1. Contexto e explicações sobre inputs iniciais Você está recebendo um JSON analytics com KPIs e insights, além dos incidents_normalized para referência. # 2. Objetivo Transformar padrões em um backlog priorizado de riscos e ações corretivas com critérios claros. # 3. Regras que você deve seguir para gerar sua resposta - Mapeamento severidade_num: baixa=1, media=2, alta=3, critica=4; severidade_norm = severidade_num/4. - Para cada risco (combinação chave de causa_raiz + tipo_incidente [+ unidade quando relevante]): • freq = contagem de incidentes associados; freq_norm = freq / max(freq de todos os riscos). • tendencia_factor: 1.2 se tendencia='alta'; 1.0 se 'estavel'; 0.8 se 'queda'. • risk_score = round((0.5*severidade_norm + 0.4*freq_norm)*tendencia_factor, 3). • prioridade: P0 (>=0.85), P1 (0.70–0.84), P2 (0.50–0.69), P3 (<0.50). - Empate de prioridades: desempate por maior severidade_norm; persistindo empate, maior tendencia_factor; depois, maior impacto_potencial_alto%. - SLA sugerido: P0=7 dias; P1=14; P2=30; P3=60. Prazo inicia na data do relatório. - Responsável sugerido por causa_raiz: processo=Qualidade/Processos; humana=Educação Permanente; equipamento=Engenharia Clínica; comunicacao=Coordenação Assistencial; sistema_TI=TI; suprimentos=Suprimentos/Logística; ambiente=Infraestrutura; terceiros=Contratos. - Critérios de aceite mínimos por item: (1) contramedida implementada; (2) indicador leading definido; (3) meta SMART definida; (4) verificação de eficácia planejada. - Marque dependencias entre itens quando compartilharem a mesma causa_raiz e etapa_processo. - Gere campo risco_residual_estimado (alto/medio/baixo) considerando a efetividade esperada das ações padrão do próximo agente.
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: Este agente deve ser apto a receber como input um JSON analytics com KPIs e insights, além dos incidents_normalized para 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 texto com até 15.000 caracteres.
3.3.2 Especificação do Output
- Formato de output: O output deve ser um arquivo no formato JSON backlog_priorizado com itens contendo risco, pontuação, prioridade, responsáveis sugeridos, SLA e critérios de aceite.
-
Exemplo de Estrutura de Output:
{ "backlog_priorizado": [ { "risco": "Erro de medicação", "pontuacao": 0.87, "prioridade": "P0", "responsavel_sugerido": "Educação Permanente", "SLA": "7 dias", "criterios_de_aceite": ["contramedida implementada", "indicador leading definido"], "risco_residual_estimado": "medio" } ] } - Número de caracteres esperado: O JSON gerado deve ser conciso, com um tamanho estimado em torno de 3.500 caracteres.
3.3.3 Parâmetros de Geração
- Modelo: GPT-5
- Temperatura: 0.6
3.3.4 Ferramentas do Agente
- Documentos: Não consulta documentos externos.
- Calculadora: Não utiliza.
- Busca Online: Não utiliza.
- Sistemas Externos: Não se conecta a sistemas externos.
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 deve ser visível para o Agente de Recomendações de Melhoria de Processo (RF 4).
3.3.6 Regras de Orquestração e Transição
Ao concluir sua execução, esse agente aciona o Agente de Recomendações de Melhoria de Processo (RF 4).
RF 4. Agente de Recomendações de Melhoria de Processo
4.1 Tarefa do Agente
Propor contramedidas e planos de ação SMART vinculados às causas-raiz priorizadas.
4.2 Prompt ou Instruções do Agente
# 1. Contexto e explicações sobre inputs iniciais Você está recebendo um JSON backlog_priorizado com riscos e metadados (causa, tipo, unidade, prioridade, SLA). # 2. Objetivo Propor contramedidas e planos de ação SMART vinculados às causas-raiz priorizadas. # 3. Regras que você deve seguir para gerar sua resposta - Para cada item do backlog P0–P2, gere ao menos 1 contramedida de prevenção e 1 de detecção/mitigação. Para P3, gere recomendações somente se custo_estimado_class='baixo'. - Catálogo de contramedidas por causa_raiz (exemplos a selecionar e adaptar ao contexto do item): • medicacao/humana/processo: dupla checagem independente; padronização de prescrições; segregação de alto risco; etiquetação; conciliação medicamentosa; trilhas de cores. • comunicacao: SBAR em passagens de plantão; read-back para ordens verbais; checklists de transferência intra-hospitalar. • equipamento: manutenção preventiva programada; padronização de marcas; check pré-uso; kits de contingência. • sistema_TI: validações de campo; alertas de dose; obrigatoriedade de identificação positiva; perfis de acesso por função. • suprimentos: níveis mínimos; kanban; planejamento de demanda; alternativa equivalente homologada. • processo: POP revisado; checklist operacional; treinamento focal; auditoria de aderência. • ambiente: melhoria de iluminação/sinalização; reorganização de layout; redução de ruído. - Para cada ação, preencha 5W2H: o_que, por_que, quem, onde, quando, como, quanto_custa (classe: baixo/medio/alto). Regras de custo: baixo (ajustes de processo/treinamento); medio (materiais simples, horas extras); alto (aquisição/obras/sistemas). - Defina indicadores: • Leading: % aderência ao POP; % checagem dupla realizada; % treinados. • Lagging: taxa incidente alvo por 1000; dias sem ocorrência. Inclua meta SMART e baseline (se disponível). - Estime beneficio_esperado_reducao_risco (%): P0=40–60; P1=25–40; P2=10–25; P3=<=10. Use o ponto médio como default e ajuste ±5pp se tendencia for alta/queda. - Pré-requisitos e dependências: indique se exige atualização de POP, TI ou contratos; ordene execução quando dependências existirem. - Rastreabilidade: vincule cada ação a id_risco, causa_raiz e tipo_incidente correspondentes.
4.3 Configurações do Agente
4.3.1 Especificação do Input
- Mecanismo de Acionamento: Este agente deve ser acionado automaticamente após a conclusão do agente anterior (RF 3).
- Tipo do input: Este agente deve ser apto a receber como input um JSON backlog_priorizado com riscos e metadados (causa, tipo, unidade, prioridade, SLA).
-
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 12.000 caracteres.
4.3.2 Especificação do Output
- Formato de output: O output deve ser um arquivo no formato JSON recomendacoes contendo, por item do backlog, um conjunto de ações estruturadas (5W2H), controles, indicadores e estimativas.
-
Exemplo de Estrutura de Output:
{ "recomendacoes": [ { "id_risco": "123", "acoes": [ { "o_que": "Implementar dupla checagem independente", "por_que": "Reduzir erros de medicação", "quem": "Enfermeiros", "onde": "UTI", "quando": "Imediatamente", "como": "Checklist digital", "quanto_custa": "baixo" } ], "indicadores": { "leading": "% aderência ao POP", "lagging": "taxa incidente alvo por 1000" }, "beneficio_esperado_reducao_risco": "50%" } ] } - Número de caracteres esperado: O JSON gerado deve ser conciso, com um tamanho estimado em torno de 4.500 caracteres.
4.3.3 Parâmetros de Geração
- Modelo: GPT-5
- Temperatura: 0.6
4.3.4 Ferramentas do Agente
- Documentos: Não consulta documentos externos.
- Calculadora: Não utiliza.
- Busca Online: Não utiliza.
- Sistemas Externos: Não se conecta a sistemas externos.
4.3.5 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 Geração de Relatórios de Insights (RF 5).
4.3.6 Regras de Orquestração e Transição
Ao concluir sua execução, esse agente aciona o Agente de Geração de Relatórios de Insights (RF 5).
RF 5. Agente de Geração de Relatórios de Insights
5.1 Tarefa do Agente
Compilar um relatório executivo e técnico com achados, prioridades e plano de ação.
5.2 Prompt ou Instruções do Agente
# 1. Contexto e explicações sobre inputs iniciais Você está recebendo as saídas dos agentes de análise, priorização e recomendações. # 2. Objetivo Compilar um relatório executivo e técnico com achados, prioridades e plano de ação. # 3. Regras que você deve seguir para gerar sua resposta - Estruture duas camadas de narrativa: • Sumário executivo: 3–5 bullets sobre padrões críticos, top 3 riscos (com risk_score) e quick wins (até 3 ações de baixo custo/alto impacto). • Seção técnica: detalhe KPIs (tabelas e percentuais), tendências (var% e classificação), Pareto (top causas até 80%), coocorrências com lift destacado. - Inclua tabela riscos_priorizados com: id_risco, descricao, unidade, prioridade, risk_score, SLA, responsavel_sugerido, dependencias. - Plano_de_acao: liste ações 5W2H, indicadores, metas e data-alvo. Marque status_inicial='planejado'. - Qualidade_dados: apresente completude por campo, limitações e recomendações para melhoria do registro. - Métricas de sucesso do ciclo: defina 3–5 indicadores de acompanhamento global (ex: redução % no top tipo_incidente, aderência ao POP >=90%). - Datas: inclua periodo_analise (inicio/fim) e data_geracao. - Linguagem: objetiva, sem jargões desnecessários; todas as porcentagens com uma casa decimal; tempos e datas em padrão ISO. - Se faltarem dados para taxas por 1000, explicite a limitação e apresente somente contagens e proporções.
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 anterior (RF 4).
- Tipo do input: Este agente deve ser apto a receber como input as saídas dos agentes de análise, priorização e recomendações.
-
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 20.000 caracteres.
5.3.2 Especificação do Output
- Formato de output: O output deve ser um arquivo no formato JSON report com seções: sumario_executivo, destaques_kpis, riscos_priorizados, plano_de_acao, tendencias, qualidade_dados, proximos_passos, anexos_estruturados.
-
Exemplo de Estrutura de Output:
{ "report": { "sumario_executivo": [ "Padrões críticos identificados em incidentes de medicação", "Top 3 riscos incluem erros de medicação com score de 0.87", "Quick wins identificados: implementação de checklist digital" ], "destaques_kpis": { "total_incidentes": 200, "por_gravidade": {"alta": 50, "media": 100, "baixa": 50} }, "riscos_priorizados": [...], "plano_de_acao": [...], "tendencias": [...], "qualidade_dados": [...], "proximos_passos": [...], "anexos_estruturados": [...] } } - Número de caracteres esperado: O JSON gerado deve ser abrangente, com um tamanho estimado em torno 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 documentos externos.
- Calculadora: Não utiliza.
- Busca Online: Não utiliza.
- Sistemas Externos: Não se conecta a sistemas externos.
5.3.5 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.
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.