Agente de IA para Análise de Satisfação de Pais e Alunos

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

Como criar um agente de IA que coleta e analisa feedback de pais e alunos sobre a experiência escolar.

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 Satisfação de Pais e 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 automatizar a coleta e análise de feedbacks de pais e alunos, gerando insights acionáveis que orientem melhorias na experiência escolar.

2. Contexto e Problema

Cenário Atual

Atualmente, as instituições de ensino enfrentam dificuldades em sistematizar a coleta de feedbacks de pais e alunos. Sem um processo automatizado, a análise de grandes volumes de dados torna-se ineficiente, resultando em uma falta de insights baseados em dados para orientar melhorias institucionais.


Problemas Identificados

  • Falta de coleta sistemática: Não há um método eficiente para coletar feedbacks regularmente.
  • Dificuldade de análise: Analisar grandes volumes de feedbacks manualmente é inviável e propenso a erros.
  • Necessidade de insights acionáveis: A administração escolar precisa de dados para orientar melhorias, mas carece de ferramentas para gerar esses insights de forma eficaz.

3. Impactos Esperados

A implementação deste agente visa alcançar os seguintes resultados:

  • Automatização da coleta de feedback: Permitir a coleta regular de feedbacks de pais e alunos.
  • Análise eficiente de dados: Processar grandes volumes de feedbacks de forma rápida e precisa.
  • Geração de insights: Fornecer à administração escolar relatórios detalhados que destaquem áreas de sucesso e oportunidades de melhoria.

4. Visão Geral da Solução

O agente de IA para Análise de Satisfação de Pais e Alunos coleta feedbacks de pais e alunos, analisa os dados e gera relatórios com insights acionáveis para a administração escolar. A seguir são detalhadas todas as regras de negócio e especificações funcionais necessárias para que esse agente atue como uma ferramenta útil e autônoma na melhoria da experiência escolar.

A solução consiste em um fluxo de automação composto por 6 agentes de IA. O processo inicia com a padronização dos feedbacks recebidos e termina com a geração de um relatório executivo para a administração escolar.

A execução dos agentes é sequencial e linear, seguindo a ordem definida na tabela abaixo.

Agentes Função Principal
Agente de Padronização e Consolidação de Feedback (RF 1) Receber feedbacks brutos e convertê-los em um JSON padronizado, deduplicado e pronto para análise.
Agente de Classificação de Tema, Subtema e Sentimento (RF 2) Classificar feedbacks em temas/subtemas, atribuir sentimento e emoção.
Agente de Sinalização de Incidentes Críticos (RF 3) Detectar feedbacks que indicam risco imediato ou temas sensíveis que exijam atenção rápida.
Agente de Agregação e Métricas (RF 4) Consolidar feedbacks classificados em métricas e distribuições por período e segmentos.
Agente de Geração de Insights e Recomendações (RF 5) Transformar métricas e feedbacks em insights acionáveis e priorizados.
Agente de Relatório Executivo (RF 6) Gerar um relatório claro e acionável para a administração escolar com visão geral e próximos passos.

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 a administração escolar receberá. Explore os links abaixo para entender melhor a solução em ação.

6. Requisitos Funcionais

RF 1. Agente de Padronização e Consolidação de Feedback

1.1 Tarefa do Agente

Receber respostas brutas de pais e alunos (texto livre ou formulários) e convertê-las em um JSON padronizado, deduplicado e pronto para análise.

1.2 Prompt ou Instruções do Agente
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo uma lista de feedbacks brutos de pais e alunos. Esses feedbacks podem vir de diferentes fontes, como formulários, e-mails ou chats.

# 2. Objetivo
Seu objetivo é padronizar esses feedbacks em um formato JSON, removendo duplicatas e preparando os dados para análise posterior.

# 3. Regras que você deve seguir para gerar sua resposta
- Se o texto estiver vazio ou contiver apenas espaços, defina registro_valido='nao' e motivo_invalidacao='texto_vazio'; não inclua em saídas para análise.
- Normalize datas para o formato ISO8601 em UTC. Se falhar, mantenha a data original com sufixo 'Z' e adicione campo data_parse_confiavel='nao'.
- Remapeie canais e fontes para valores do domínio permitido; valores não mapeáveis devem ir para 'outro'.
- Se o remetente_tipo não for informado, inferir a partir de metadados; se impossível, use 'desconhecido'. Não invente nomes próprios; nunca preencha PII além do tipo.
- Mapear consentimento para [sim, nao, desconhecido]. Se 'nao', marque registro_valido='nao' e motivo_invalidacao='sem_consentimento'.
- Limpe o texto removendo assinaturas comuns, disclaimers e marcações HTML; preserve o conteúdo sem alterar o sentido.
- Detecte idioma do texto; se diferente de 'pt-BR', crie campo idioma_origem e produza texto_normalizado_pt em 'texto_limpo' traduzido para pt-BR mantendo sentido; armazene original em 'texto_original'. Se já em pt-BR, texto_original=texto_limpo.
- Gere hash_conteudo usando texto_limpo + unidade_escolar + serie_turma + data (dia) para detectar duplicatas; se hash repetido, marque deduplicado='sim' e mantenha apenas um registro com campo ids_duplicados contendo a lista de ids descartados.
- Garanta unicidade de id_feedback (uuid v4).
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 feedbacks brutos de pais e 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 na interface da Prototipe AI, para acelerar o processo de validação.
  • Tipo do input: O input inicial para o fluxo é uma lista de objetos representando feedbacks brutos.
  • Formatos Suportados: Esse agente deve ser capaz de receber inputs nos formatos: .json (JSON).
  • Número de caracteres esperado: Este agente deve ter capacidade para processar um input de texto com até 100.000 caracteres.

1.3.2 Especificação do Output

  • Formato de output: O output deve ser uma lista de objetos JSON normalizados com campos padronizados.
  • Exemplo de Estrutura de Output:
     [{
      "id_feedback": "uuid",
      "id_original": "original_id",
      "origem": "formulario",
      "remetente_tipo": "pai",
      "canal": "email",
      "datahora_iso": "2025-12-10T08:22:00Z",
      "idioma_origem": "en",
      "idioma_normalizado": "pt-BR",
      "texto_original": "Original text",
      "texto_limpo": "Texto limpo",
      "consentimento": "sim",
      "anonimo": "nao",
      "unidade_escolar": "Escola ABC",
      "serie_turma": "5A",
      "metadados": {},
      "registro_valido": "sim",
      "motivo_invalidacao": null,
      "hash_conteudo": "hash",
      "deduplicado": "nao"
    }]
  • Número de caracteres esperado: O JSON final deve ser conciso e informativo, com um tamanho estimado em torno de 5.000 caracteres, podendo variar conforme a quantidade de feedbacks processados.

1.3.3 Parâmetros de Geração

  • Modelo: GPT-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

1.3.6 Regras de Orquestração e Transição

Ao concluir sua execução, esse agente aciona o Agente de Classificação de Tema, Subtema e Sentimento (RF 2).

RF 2. Agente de Classificação de Tema, Subtema e Sentimento

2.1 Tarefa do Agente

Classificar cada feedback em uma taxonomia de temas/subtemas e atribuir sentimento e emoção, permitindo múltiplas categorias por item.

2.2 Prompt ou Instruções do Agente
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo uma lista de feedbacks padronizados e válidos do agente anterior.

# 2. Objetivo
Classificar cada feedback em uma taxonomia de temas/subtemas e atribuir sentimento e emoção, permitindo múltiplas categorias por item.

# 3. Regras que você deve seguir para gerar sua resposta
- Utilize a taxonomia de temas permitidos: [Infraestrutura, Ensino, Comunicação, Segurança, Serviços de apoio, Gestão escolar, Atividades extracurriculares, Inclusão e acessibilidade, Tecnologia educacional, Ambiente e clima escolar, Transporte e alimentação].
- Atribua subtemas conforme aplicável.
- Extraia palavras-chave representativas do texto.
- Atribua sentimento (positivo/negativo/neutro) e intensidade [-2, -1, 0, 1, 2].
- Identifique a emoção predominante se houver; caso contrário, use 'neutra'.
- Cite evidências literais curtas que sustentem a classificação.
- Inclua todos os temas relevantes, limitando a 4 temas e 6 subtemas por feedback.
- Defina classificacao_concluida como true quando todas as anotações forem feitas.
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 uma lista de feedbacks padronizados e válidos.
  • 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 50.000 caracteres.

2.3.2 Especificação do Output

  • Formato de output: O output deve ser a mesma lista com campos adicionais para temas, subtemas, palavras-chave, sentimento, intensidade, emoção, evidências e classificação concluída.
  • Exemplo de Estrutura de Output:
     [{
      "id_feedback": "uuid",
      "temas": ["Infraestrutura", "Ensino"],
      "subtemas": ["salas", "qualidade_didática"],
      "palavras_chave": ["termo1", "termo2"],
      "sentimento": "positivo",
      "intensidade_sentimento": 1,
      "emocao": "alegria",
      "evidencias_classificacao": ["Exemplo de evidência."],
      "classificacao_concluida": true
    }]
  • Número de caracteres esperado: O JSON final deve ser conciso e informativo, com um tamanho estimado em torno de 4.000 caracteres, podendo variar conforme a quantidade de feedbacks processados.

2.3.3 Parâmetros de Geração

  • Modelo: GPT-5
  • Temperatura: 0.5

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

2.3.6 Regras de Orquestração e Transição

Ao concluir sua execução, esse agente aciona o Agente de Sinalização de Incidentes Críticos (RF 3).

RF 3. Agente de Sinalização de Incidentes Críticos

3.1 Tarefa do Agente

Detectar e sinalizar feedbacks que indicam risco imediato ou temas sensíveis que exijam atenção rápida da administração.

3.2 Prompt ou Instruções do Agente
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo feedbacks com classificação concluída que podem conter incidentes críticos.

# 2. Objetivo
Detectar e sinalizar feedbacks que indicam risco imediato ou temas sensíveis que exijam atenção rápida da administração.

# 3. Regras que você deve seguir para gerar sua resposta
- Sinalize incidente_critico=true quando houver menção explícita a ameaças, agressões, bullying, discriminação, assédio, ideação suicida, automutilação, abuso, drogas em ambiente escolar, violações graves de dados ou segurança.
- Se sinalizado, defina urgencia: 1 para risco imediato ou menção a violência/ideação suicida; 2 para bullying/discriminação recorrentes sem risco imediato; 3 para demais.
- Defina categoria_incidente conforme melhor aderência; se ambíguo, use 'outro'.
- Preencha resumo_acao_imediata com orientação objetiva de primeira resposta institucional. Limitar a 160 caracteres.
- Sempre inclua uma justificativa_sinalizacao com citação literal do trecho do feedback que motivou a sinalização.
- Se nenhum critério for atendido, defina categoria_incidente='nenhum' e incidente_critico=false.
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 feedbacks com classificação concluída.
  • 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 40.000 caracteres.

3.3.2 Especificação do Output

  • Formato de output: O output deve ser a mesma lista com campos adicionais para sinalização de incidentes críticos, categoria de incidente, urgência, resumo de ação imediata e justificativa de sinalização.
  • Exemplo de Estrutura de Output:
     [{
      "id_feedback": "uuid",
      "incidente_critico": true,
      "categoria_incidente": "bullying_discriminacao",
      "urgencia": 2,
      "resumo_acao_imediata": "Acionar equipe de orientação e contatar responsáveis em 24h",
      "justificativa_sinalizacao": "Exemplo de citação do feedback."
    }]
  • Número de caracteres esperado: O JSON final deve ser conciso e informativo, com um tamanho estimado em torno de 3.500 caracteres, podendo variar conforme a quantidade de feedbacks processados.

3.3.3 Parâmetros de Geração

  • Modelo: GPT-5
  • Temperatura: 0.5

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 Agregação e Métricas (RF 4).

3.3.6 Regras de Orquestração e Transição

Ao concluir sua execução, esse agente aciona o Agente de Agregação e Métricas (RF 4).

RF 4. Agente de Agregação e Métricas

4.1 Tarefa do Agente

Consolidar os feedbacks classificados em métricas e distribuições por período e segmentos (unidade, série/turma, remetente).

4.2 Prompt ou Instruções do Agente
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo feedbacks com temas, sentimentos e sinalizações, juntamente com o período de referência e os segmentos desejados.

# 2. Objetivo
Consolidar os feedbacks classificados em métricas e distribuições por período e segmentos (unidade, série/turma, remetente).

# 3. Regras que você deve seguir para gerar sua resposta
- Considerar apenas feedbacks com registro_valido='sim' e deduplicado='nao'.
- Calcular score médio de sentimento como média simples dos valores de intensidade_sentimento; reportar com 2 casas decimais.
- Basear percentuais por tema/subtema na contagem de feedbacks que contenham o rótulo; limitar a top N por frequência.
- Segmentar nos níveis: por unidade_escolar, por serie_turma e por remetente_tipo.
- Em amostras_citacoes, selecionar trechos curtos (<=140 caracteres) que representem cada tema; não repetir a mesma citação.
- Incluir campo nota_metodologica explicando brevemente que múltiplas categorias por feedback influenciam as contagens.
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 feedbacks com temas, sentimentos e sinalizações, além do período de referência e segmentos.
  • 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 50.000 caracteres.

4.3.2 Especificação do Output

  • Formato de output: O output deve ser um objeto JSON consolidando as métricas e distribuições por período e segmentos.
  • Exemplo de Estrutura de Output:
     {
      "periodo_referencia": "Dezembro 2025",
      "totais": {
        "volume_total": 100,
        "volume_validos": 90,
        "volume_incidentes": 5
      },
      "sentimento": {
        "pct_positivo": 45.0,
        "pct_neutro": 35.0,
        "pct_negativo": 20.0,
        "score_medio": 0.75
      },
      "distribuicoes_por_tema": ["Infraestrutura", "Ensino"],
      "distribuicoes_por_subtema": ["salas", "qualidade_didática"],
      "top_palavras_chave": ["termo1", "termo2"],
      "segmentos": [
        {
          "segmento": "unidade",
          "chaves": ["Escola ABC"],
          "métricas": {
            "volume_total": 50,
            "volume_validos": 45,
            "volume_incidentes": 3
          }
        }
      ],
      "amostras_citacoes": ["Exemplo de citação."]
    }
  • Número de caracteres esperado: O JSON final deve ser conciso e informativo, com um tamanho estimado em torno de 6.000 caracteres, podendo variar conforme a quantidade de feedbacks processados.

4.3.3 Parâmetros de Geração

  • Modelo: GPT-5
  • Temperatura: 0.5

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

4.3.6 Regras de Orquestração e Transição

Ao concluir sua execução, esse agente aciona o Agente de Geração de Insights e Recomendações (RF 5).

RF 5. Agente de Geração de Insights e Recomendações

5.1 Tarefa do Agente

Transformar métricas e feedbacks em insights acionáveis e priorizados para melhoria institucional.

5.2 Prompt ou Instruções do Agente
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo métricas agregadas e uma lista sintetizada de feedbacks classificados.

# 2. Objetivo
Transformar métricas e feedbacks em insights acionáveis e priorizados para melhoria institucional.

# 3. Regras que você deve seguir para gerar sua resposta
- Criar insights quando houver concentração >25% de menções negativas em um tema, tendência de queda de score (>0,5 ponto) vs período anterior, incidentes críticos >2 no período para uma categoria, ou destaque positivo com >40% menções positivas em um tema.
- Classificar tipo: 'forca' para predominância positiva; 'oportunidade' para negativos sem risco imediato; 'risco' quando incidentes críticos e/ou urgência 1 ou 2 forem relevantes.
- Definir prioridade: P1 quando impacto_esperado=alto OU (risco com incidentes urgencia 1); P2 para médio; P3 para baixo.
- Sugerir área_responsavel com base no tema principal.
- Definir indicadores_sugeridos com nome, objetivo, fórmula.
- Incluir 1 a 3 recomendações práticas por insight, embutidas em 'descricao' como passos numerados curtos.
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 métricas agregadas e uma lista sintetizada de feedbacks classificados.
  • 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 30.000 caracteres.

5.3.2 Especificação do Output

  • Formato de output: O output deve ser uma lista de insights estruturados com título, tipo, descrição, evidências, impacto esperado, recorrência, prioridade, área responsável sugerida, indicadores sugeridos e horizonte de implantação.
  • Exemplo de Estrutura de Output:
     [{
      "titulo": "Melhoria na Infraestrutura",
      "tipo": "oportunidade",
      "descricao": "Identificamos uma necessidade de melhoria nas salas de aula. Passos recomendados: 1. Revisar infraestrutura, 2. Planejar reformas, 3. Implementar melhorias.",
      "evidencias": ["50% das menções foram negativas."],
      "impacto_esperado": "medio",
      "recorrencia": "media",
      "prioridade": "P2",
      "area_responsavel_sugerida": "Manutenção",
      "indicadores_sugeridos": [{"nome": "Índice de Satisfação por Tema", "objetivo": "Medir a satisfação geral", "formula": "média normalizada de intensidades de sentimento no tema"}],
      "horizonte_implantacao": "medio"
    }]
  • Número de caracteres esperado: O JSON final deve ser conciso e informativo, com um tamanho estimado em torno de 4.500 caracteres, podendo variar conforme a quantidade de insights gerados.

5.3.3 Parâmetros de Geração

  • Modelo: GPT-5
  • Temperatura: 0.5

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 deve ser visível para o Agente de Relatório Executivo (RF 6).

5.3.6 Regras de Orquestração e Transição

Ao concluir sua execução, esse agente aciona o Agente de Relatório Executivo (RF 6).

RF 6. Agente de Relatório Executivo

6.1 Tarefa do Agente

Gerar um relatório claro e acionável para a administração escolar com visão geral, detalhes por tema e próximos passos.

6.2 Prompt ou Instruções do Agente
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo métricas agregadas e uma lista de insights priorizados para compor um relatório executivo para a administração escolar.

# 2. Objetivo
Gerar um relatório claro e acionável para a administração escolar com visão geral, detalhes por tema e próximos passos.

# 3. Regras que você deve seguir para gerar sua resposta
- Escrever em linguagem objetiva, sem jargões; seções curtas e escaneáveis.
- Para cada recomendação, incluir indicador_sugerido e horizonte_implantacao.
- Em citações, preservar anonimato (sem nomes próprios); limitar cada citação a 180 caracteres.
- Descrever visualizações em texto (ex.: 'Gráfico de barras: Comunicação 32% negativo, Ensino 18% positivo...').
- Incluir limitações dos dados (ex.: taxa de resposta desconhecida, amostras desbalanceadas) no apêndice.
6.3 Configurações do Agente

6.3.1 Especificação do Input

  • Mecanismo de Acionamento: Este agente deve ser acionado automaticamente após a conclusão do agente anterior (RF 5).
  • Tipo do input: Este agente deve ser apto a receber métricas agregadas e uma lista de insights priorizados.
  • 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.

6.3.2 Especificação do Output

  • Formato de output: O output deve ser um relatório em texto estruturado (markdown) contendo capa, sumário executivo, panorama geral, destaques, detalhes por tema, incidentes críticos, plano de ação sugerido e apêndice metodológico.
  • Exemplo de Estrutura de Output:
     "# Relatório Executivo - Dezembro 2025\n\n## Sumário Executivo\n- Feedbacks positivos em infraestrutura destacam melhorias.\n- Necessidade de atenção em segurança escolar.\n\n## Panorama Geral\n- Volume total de feedbacks: 100\n- Sentimento geral: 45% positivo, 35% neutro, 20% negativo\n\n## Destaques\n- Infraestrutura: 50% das menções foram positivas, indicando melhorias.\n- Segurança: 20% das menções foram negativas, indicando necessidade de atenção.\n\n## Detalhes por Tema\n### Infraestrutura\n- Principais menções: salas de aula, manutenção.\n- Recomendações: 1. Revisar infraestrutura, 2. Planejar reformas, 3. Implementar melhorias.\n\n## Incidentes Críticos\n- Bullying: 3 incidentes registrados.\n- Ações sugeridas: Reforçar protocolos de segurança.\n\n## Plano de Ação Sugerido\n- Infraestrutura: Revisar e implementar melhorias até março de 2026.\n\n## Apêndice Metodológico\n- Taxa de resposta desconhecida.\n- Amostras podem estar desbalanceadas."
  • Número de caracteres esperado: O relatório final deve ser conciso e informativo, com um tamanho estimado em torno de 10.000 caracteres, podendo variar conforme a quantidade de informações processadas.

6.3.3 Parâmetros de Geração

  • Modelo: GPT-5
  • Temperatura: 0.5

6.3.4 Ferramentas do Agente

  • Documentos: Não consulta documentos externos.
  • Calculadora: Não utiliza.
  • Busca Online: Não utiliza.
  • Sistemas Externos: Não se conecta a sistemas externos.

6.3.5 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.

6.3.6 Regras de Orquestração e Transição

A execução deste agente finaliza o fluxo. O relatório gerado é o resultado que deve ser disponibilizado à administração escolar.

© 2025 prototipe.ai. Todos os direitos reservados.