Agente de IA para Atualização de Registros Acadêmicos

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

Como criar um agente de IA que atualiza registros acadêmicos de alunos, incluindo notas, frequência e informações pessoais.

Biblioteca de Prompts e Agentes

1. Propósito e Escopo

Este documento define todos os prompts, configurações de memória, transição entre estados, consulta a documentos e demais requisitos funcionais para o Agente de IA "Atualização de Registros Acadêmicos", que visa automatizar a atualização e manutenção de registros acadêmicos de alunos, incluindo notas, frequência e informações pessoais, com base em dados fornecidos por professores e alunos. Essa documentação é um modelo de PRD ou Documento de Requisitos de Produto específicos para construção de Agentes de IA.

O objetivo é otimizar o processo de atualização de registros acadêmicos, garantindo precisão e eficiência na gestão das informações dos alunos.

2. Contexto e Problema

Cenário Atual

O processo atual de atualização de registros acadêmicos é manual e propenso a erros, levando a inconsistências e atrasos. Os sistemas acadêmicos frequentemente não estão integrados, dificultando a manutenção de registros atualizados em tempo real.


Problemas Identificados

  • Atualização manual e demorada: Os registros acadêmicos são atualizados manualmente, o que pode levar a erros e inconsistências.
  • Falta de integração: A ausência de integração entre diferentes sistemas de gestão acadêmica impede a atualização em tempo real.
  • Dificuldade em manter registros atualizados: A manutenção de registros atualizados em tempo real é um desafio devido à falta de integração e automação.

3. Impactos Esperados

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

  • Automatizar o processo de atualização de registros: Reduzindo a necessidade de intervenção manual.
  • Integrar sistemas acadêmicos: Para garantir a atualização em tempo real e a consistência dos dados.
  • Proteger informações pessoais: Implementando medidas de segurança para proteger os dados dos alunos.

4. Visão Geral da Solução

O agente de IA para atualização de registros acadêmicos processa dados fornecidos por professores e alunos, aplica regras de validação e segurança, e atualiza os registros acadêmicos de forma automática e em tempo real. A seguir são detalhadas todas as regras de negócio e especificações funcionais necessárias para que esse agente atue como um assistente eficaz na gestão de registros acadêmicos.

A solução consiste em um fluxo de automação composto por 6 agentes de IA. O processo inicia com a padronização de dados de entrada e termina com a verificação e consolidação dos resultados das atualizações.

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

Agentes Função Principal
Agente de Padronização e Enriquecimento de Entrada (RF 1) Receber e padronizar dados de entrada em um modelo canônico único.
Agente de Execução de Consultas em Banco de Dados (RF 2) Conectar-se ao banco de dados acadêmico para obter dados de referência necessários para validação.
Agente de Validação e Conciliação de Dados Acadêmicos (RF 3) Validar e conciliar dados padronizados com dados de referência.
Agente de Geração de Payload para Integração (RF 4) Transformar dados validados em chamadas de API estruturadas para o sistema de gestão acadêmica.
Agente de Execução de Chamada à API (RF 5) Realizar chamadas às APIs do sistema de gestão acadêmica para efetivar as atualizações.
Agente de Verificação e Consolidação de Resultado (RF 6) Analisar respostas das APIs e consolidar resultados, incluindo plano de retry e itens que exigem intervenção humana.

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 esperado. Explore os links abaixo para entender melhor a solução em ação.

Ver Agente na Prototipe AI

6. Requisitos Funcionais

RF 1. Agente de Padronização e Enriquecimento de Entrada

1.1 Tarefa do Agente

Receber dados enviados por professores e alunos e padronizá-los em um modelo canônico único para atualização acadêmica.

1.2 Prompt ou Instruções do Agente 
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo dados acadêmicos em múltiplos formatos enviados por professores e alunos. Estes dados incluem notas, frequência e informações pessoais dos alunos.

# 2. Objetivo
Padronizar e enriquecer esses dados em um modelo canônico único que será utilizado para atualização nos sistemas acadêmicos.

# 3. Regras que você deve seguir para gerar sua resposta
- Convergir formatos: converter datas para ISO 8601 e normalizar números com ponto decimal.
- Campos obrigatórios: validar presença de identificadores essenciais como aluno_id, turma_id, etc.
- Normalização de notas: mapear escalas comuns para faixa 0–100.
- Deduplicação: consolidar itens duplicados mantendo o mais recente.
- Segurança: remover dados pessoais não necessários e mascarar parcialmente informações sensíveis.

# 4. Exemplo de Output que você deve produzir
{
  "normalized_payload": [ ... ],
  "db_query_params": [ ... ],
  "chave_idempotencia": "..."
}
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 atualização acadêmica via API. Na fase de testes, o fluxo será iniciado pelo envio manual dos dados, que serão enviados para o agente diretamente por upload de um arquivo na interface da Prototipe AI, para acelerar o processo de validação.
  • Tipo do input: O input inicial para o fluxo é uma lista de eventos de atualização em JSON ou CSV.
  • Formatos Suportados: Esse agente deve ser capaz de receber inputs nos formatos: .json, .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 objeto canônico contendo payloads normalizados e parâmetros de consulta para o banco de dados.
  • Exemplo de Estrutura de Output: 
     {
  "normalized_payload": [ ... ],
  "db_query_params": [ ... ],
  "chave_idempotencia": "..."
}
  • Número de caracteres esperado: O texto final deve ser conciso e informativo, com um tamanho estimado em torno de 5.000 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

1.3.6 Regras de Orquestração e Transição

Ao concluir sua execução, esse agente aciona o Agente de Execução de Consultas em Banco de Dados (RF 2).

RF 2. Agente de Execução de Consultas em Banco de Dados

2.1 Tarefa do Agente

Realizar conexão com banco de dados acadêmico para obter dados de referência necessários para validação.

2.2 Prompt ou Instruções do Agente 
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo parâmetros de consulta para o banco de dados gerados pelo agente anterior.

# 2. Objetivo
Executar consultas no banco de dados acadêmico para obter dados de referência que serão utilizados na validação dos registros acadêmicos.

# 3. Regras que você deve seguir para gerar sua resposta
- Este agente executa apenas a consulta e retorna dados; não requer instruções de LLM.

# 4. Exemplo de Output que você deve produzir
{
  "db_results": { ... }
}
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 parâmetros de consulta para o banco de dados.
  • 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 texto com até 10.000 caracteres.

2.3.2 Especificação do Output

  • Formato de output: O output deve ser um objeto JSON contendo os resultados das consultas ao banco de dados.
  • Exemplo de Estrutura de Output: 
     {
  "db_results": { ... }
}
  • Número de caracteres esperado: O JSON gerado terá um tamanho aproximado 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.
  • Calculadora: Não utiliza.
  • Busca Online: Não utiliza.
  • Sistemas Externos: Conecta-se ao banco de dados acadêmico para executar consultas.

2.3.5 Memória

2.3.6 Regras de Orquestração e Transição

Ao concluir sua execução, esse agente aciona o Agente de Validação e Conciliação de Dados Acadêmicos (RF 3).

RF 3. Agente de Validação e Conciliação de Dados Acadêmicos

3.1 Tarefa do Agente

Validar e conciliar o payload normalizado com os dados de referência obtidos do banco de dados.

3.2 Prompt ou Instruções do Agente 
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo o payload normalizado e os resultados do banco de dados para validação.

# 2. Objetivo
Validar os dados acadêmicos e classificá-los em aptos para atualização, rejeitados ou pendentes de intervenção.

# 3. Regras que você deve seguir para gerar sua resposta
- Garantir que os alunos existam e estejam com matrícula ativa.
- Validar que o período e a avaliação estejam abertos.
- Imponha restrições de notas e frequência conforme regras estabelecidas.
- Preparar dados para upsert nos sistemas acadêmicos.

# 4. Exemplo de Output que você deve produzir
{
  "validated_updates": [ ... ],
  "rejected_updates": [ ... ],
  "pending_human_review": [ ... ]
}
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 payloads normalizados e resultados de consultas de banco de dados.
  • 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 texto com até 20.000 caracteres.

3.3.2 Especificação do Output

  • Formato de output: O output deve ser um objeto JSON contendo atualizações validadas, rejeitadas e pendentes de revisão humana.
  • Exemplo de Estrutura de Output: 
     {
  "validated_updates": [ ... ],
  "rejected_updates": [ ... ],
  "pending_human_review": [ ... ]
}
  • Número de caracteres esperado: O JSON gerado terá um tamanho aproximado de 5.000 caracteres.

3.3.3 Parâmetros de Geração

  • Modelo: GPT-5
  • Temperatura: 0.6

3.3.4 Ferramentas do Agente

  • Documentos: Não consulta.
  • Calculadora: Não utiliza.
  • 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 de Geração de Payload para Integração (RF 4).

RF 4. Agente de Geração de Payload para Integração

4.1 Tarefa do Agente

Transformar atualizações validadas em chamadas de API estruturadas para integração com o sistema de gestão acadêmica.

4.2 Prompt ou Instruções do Agente 
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo atualizações validadas que precisam ser transformadas em chamadas de API para integração com o sistema acadêmico.

# 2. Objetivo
Gerar payloads de API estruturados que respeitem os contratos de API do sistema de gestão acadêmica.

# 3. Regras que você deve seguir para gerar sua resposta
- Respeitar contratos de API configurados.
- Remover metadados internos e incluir apenas campos aceitos.
- Garantir idempotência nas chamadas de API.

# 4. Exemplo de Output que você deve produzir
{
  "api_calls": [ ... ]
}
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 atualizações validadas.
  • 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 texto com até 15.000 caracteres.

4.3.2 Especificação do Output

  • Formato de output: O output deve ser um objeto JSON contendo chamadas de API estruturadas.
  • Exemplo de Estrutura de Output: 
     {
  "api_calls": [ ... ]
}
  • Número de caracteres esperado: O JSON gerado terá 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: Não utiliza.
  • Busca Online: Não utiliza.
  • Sistemas Externos: Respeitar contratos de API do sistema de gestão acadêmica.

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 Execução de Chamada à API (RF 5).

4.3.6 Regras de Orquestração e Transição

Ao concluir sua execução, esse agente aciona o Agente de Execução de Chamada à API (RF 5).

RF 5. Agente de Execução de Chamada à API

5.1 Tarefa do Agente

Realizar chamadas às APIs do sistema de gestão acadêmica para efetivar as atualizações.

5.2 Prompt ou Instruções do Agente 
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo chamadas de API estruturadas que precisam ser executadas para atualizar os registros acadêmicos.

# 2. Objetivo
Executar chamadas de API para o sistema de gestão acadêmica e retornar respostas associadas a cada atualização.

# 3. Regras que você deve seguir para gerar sua resposta
- Executar chamadas de API respeitando as regras de idempotência.
- Retornar respostas detalhadas para cada chamada.

# 4. Exemplo de Output que você deve produzir
{
  "api_responses": [ ... ]
}
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 chamadas de API estruturadas.
  • 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 texto com até 12.000 caracteres.

5.3.2 Especificação do Output

  • Formato de output: O output deve ser um objeto JSON contendo respostas das APIs para cada atualização.
  • Exemplo de Estrutura de Output: 
     {
  "api_responses": [ ... ]
}
  • Número de caracteres esperado: O JSON gerado terá um tamanho aproximado de 3.000 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: Conecta-se às APIs do sistema de gestão acadêmica para efetivar atualizações.

5.3.5 Memória

5.3.6 Regras de Orquestração e Transição

Ao concluir sua execução, esse agente aciona o Agente de Verificação e Consolidação de Resultado (RF 6).

RF 6. Agente de Verificação e Consolidação de Resultado

6.1 Tarefa do Agente

Analisar respostas das APIs e consolidar resultados, incluindo plano de retry e itens que exigem intervenção humana.

6.2 Prompt ou Instruções do Agente 
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo respostas das APIs associadas a cada atualização de registro acadêmico.

# 2. Objetivo
Consolidar os resultados das atualizações, classificando-as em sucesso, falha ou pendente de intervenção, e gerar um plano de retry quando necessário.

# 3. Regras que você deve seguir para gerar sua resposta
- Classificar as respostas de API em sucesso ou falha.
- Gerar plano de retry para falhas temporárias.
- Identificar itens que exigem intervenção humana.

# 4. Exemplo de Output que você deve produzir
{
  "relatorio_final": { ... }
}
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 respostas de APIs para cada atualização.
  • 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 texto com até 10.000 caracteres.

6.3.2 Especificação do Output

  • Formato de output: O output deve ser um objeto JSON contendo o relatório final das atualizações, com classificação de sucesso/falha e plano de retry.
  • Exemplo de Estrutura de Output: 
     {
  "relatorio_final": { ... }
}
  • Número de caracteres esperado: O JSON gerado terá um tamanho aproximado de 5.000 caracteres.

6.3.3 Parâmetros de Geração

  • Modelo: GPT-5
  • Temperatura: 0.6

6.3.4 Ferramentas do Agente

  • Documentos: Não consulta.
  • Calculadora: Não utiliza.
  • Busca Online: Não utiliza.
  • Sistemas Externos: Não utiliza.

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 (relatório final) 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 de atualização de registros acadêmicos.

Posts Relacionados

© 2025 prototipe.ai. Todos os direitos reservados.