Agente de IA para Avaliação de Necessidades Educacionais Especiais

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

Como criar um agente de IA que analisa relatórios e dados de alunos para identificar necessidades educacionais especiais.

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 o Fluxo de Agentes "Avaliação de Necessidades Educacionais Especiais", uma solução de automação projetada para identificar e sugerir adaptações curriculares para alunos que necessitam de atenção especial. Essa documentação é um modelo de PRD ou Documento de Requisitos de Produto específicos para construção de Agentes de IA.

O objetivo principal é analisar dados acadêmicos e comportamentais de alunos para identificar necessidades educacionais especiais e propor adaptações curriculares personalizadas, garantindo um suporte educacional inclusivo e eficaz.

2. Contexto e Problema

Cenário Atual

No ambiente escolar, vários alunos apresentam dificuldades de aprendizagem que não são diagnosticadas formalmente. As escolas enfrentam desafios significativos na identificação precoce de necessidades especiais, o que pode atrasar intervenções essenciais.

  • Identificação de alunos que necessitam de atenção especial sem um diagnóstico prévio formal.
  • Análise precisa de dados acadêmicos e comportamentais para detectar sinais de dificuldades de aprendizagem.
  • Sugestão de adaptações curriculares que atendam às necessidades específicas de cada aluno.
  • Integração de informações de diferentes fontes, como relatórios de professores e dados escolares.

Problemas Identificados

  • Confidencialidade e Segurança: Coletar dados de múltiplas fontes, garantindo a confidencialidade e segurança das informações.
  • Precisão na Detecção: Aplicar algoritmos de aprendizado de máquina para identificar padrões que indiquem necessidades especiais.
  • Proposta de Adaptações: Propor adaptações curriculares personalizadas com base nos dados analisados.
  • Relatórios Detalhados: Fornecer relatórios detalhados para educadores e administradores escolares, destacando áreas prioritárias para intervenção.

3. Impactos Esperados

A implementação deste fluxo de automação visa alcançar os seguintes resultados:

  • Identificação Precisa: Aumentar a precisão na identificação de alunos que necessitam de suporte especial.
  • Intervenção Oportuna: Reduzir o tempo para a implementação de intervenções educacionais.
  • Adaptações Personalizadas: Oferecer adaptações curriculares que atendam às necessidades individuais dos alunos.
  • Suporte Inclusivo: Promover um ambiente escolar mais inclusivo e adaptado às diferentes necessidades educacionais.

4. Visão Geral da Solução

O agente de IA para avaliação de necessidades educacionais especiais analisa relatórios e dados de alunos para identificar necessidades especiais e sugerir adaptações curriculares. 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 personalização do ensino conforme as especificidades de cada aluno.

A solução consiste em um fluxo de automação composto por 8 agentes de IA. O processo inicia com a coleta de dados acadêmicos e termina com a geração de relatórios claros para educadores e administradores.

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

Agentes Função Principal
Agente de Preparação de Parâmetros de Coleta (RF 1) Definir parâmetros para coleta e consulta de dados acadêmicos, comportamentais e observacionais.
Agente de Execução de Chamada à API (RF 2) Realizar chamada à API do Sistema Escolar para obter dados acadêmicos, de frequência e incidentes comportamentais.
Agente de Execução de Consulta a Documento (RF 3) Consultar repositório de documentos escolares para recuperar relatórios e observações de professores.
Agente de Consolidação e Padronização de Dados (RF 4) Integrar e padronizar os dados brutos de APIs e documentos em um único esquema analítico.
Agente de Triagem de Sinais de Necessidades Educacionais (RF 5) Detectar sinais objetivos de possíveis necessidades educacionais a partir do consolidado.
Agente de Identificação de Necessidades e Nível de Suporte (RF 6) Agrupar sinais em categorias de necessidade e estimar nível de suporte pedagógico inicial.
Agente de Proposição de Adaptações Curriculares (RF 7) Sugerir adaptações curriculares personalizadas alinhadas às necessidades e níveis de suporte estimados.
Agente de Relatórios Educacionais (RF 8) Gerar relatórios claros para educadores e administradores com foco em intervenção e acompanhamento.

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 Preparação de Parâmetros de Coleta

1.1 Tarefa do Agente

Definir, a partir dos identificadores do aluno e das fontes disponíveis, os parâmetros padronizados para coleta e consulta de dados acadêmicos, comportamentais e observacionais.

1.2 Prompt ou Instruções do Agente
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo um JSON com identificadores de alunos e fontes disponíveis para coleta de dados acadêmicos e comportamentais.

# 2. Objetivo
Definir os parâmetros padronizados para coleta e consulta de dados acadêmicos, comportamentais e observacionais.

# 3. Regras que você deve seguir para gerar sua resposta
1) Defina periodo_inicio e periodo_fim com base em janela_tempo_meses, priorizando os últimos 12 meses; se não informado, use 12.
2) Em filtros.campos, inclua apenas os campos necessários para a análise: [notas, frequencia, incidentes_comportamentais, avaliacoes_padronizadas, observacoes_texto].
3) Máscare PII no payload: mantenha somente id_aluno e chaves necessárias para o fetch; não inclua nome completo quando não obrigatório.
4) Especifique esquema_campos_alvo com os seguintes grupos: desempenho_academico, frequencia, comportamento, avaliacao_leitura_escrita, observacoes_docentes, historico_atendimentos.
5) Defina mapeamentos_unidades: notas para escala 0–10; frequencia em %; incidentes como contagem por período; datas em ISO 8601.
6) Regra de deduplicação: entradas com mesmo id_fonte, timestamp ±1 dia e mesmo tipo_registro são consideradas duplicatas; mantenha a mais recente.
7) Em termos_busca de documentos, construa consulta com {id_aluno} AND ("relatório" OR "observação" OR "avaliação") AND período definido.
8) Se fontes_disponiveis não contiverem documentos, deixe parametros_consulta_documentos nulo.
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 JSON com identificadores de alunos e fontes disponíveis 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 JSON na interface da Prototipe AI, para acelerar o processo de validação.
  • Tipo do input: O input inicial para o fluxo é um JSON contendo identificadores de alunos e fontes disponíveis.
  • Formatos Suportados: Esse agente deve ser capaz de receber dados no formato: .json.
  • Número de caracteres esperado: Este agente deve ter capacidade para processar um input de texto com até 10.000 caracteres.

1.3.2 Especificação do Output

  • Formato de output: O output deve ser um JSON estruturado com os parâmetros de coleta e consulta de dados definidos.
  • Exemplo de Estrutura de Output:
     {
      "payload_api": {
        "endpoint": "",
        "filtros": {
          "id_aluno": "",
          "periodo_inicio": "",
          "periodo_fim": "",
          "campos": []
        }
      },
      "parametros_consulta_documentos": {
        "colecao": "",
        "termos_busca": "",
        "filtros_temporais": ""
      },
      "especificacao_normalizacao": {
        "esquema_campos_alvo": [],
        "mapeamentos_unidades": {},
        "regras_deduplificacao": ""
      }
    } 
  • Número de caracteres esperado: O JSON gerado deve ser claro e direto, com um tamanho estimado em 1.500 caracteres.

1.3.3 Parâmetros de Geração

  • Modelo: GPT-5
  • Temperatura: 0.6

1.3.4 Ferramentas do Agente

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

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 (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 (RF 2).

RF 2. Agente de Execução de Chamada à API

2.1 Tarefa do Agente

Realizar chamada à API do Sistema Escolar para obter dados acadêmicos, de frequência e incidentes comportamentais.

2.2 Prompt ou Instruções do Agente
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo um payload de API pronto para realizar a chamada ao Sistema Escolar.

# 2. Objetivo
Executar a chamada à API para obter dados acadêmicos, de frequência e incidentes comportamentais.

# 3. Regras que você deve seguir para gerar sua resposta
- Apenas execute a chamada conforme o payload recebido, sem transformação semântica.
- Certifique-se de que todos os campos obrigatórios estão preenchidos antes de executar a chamada.
- Em caso de erro na chamada, registre o erro para análise posterior.
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 contendo o payload de API.
  • 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 até 2.000 caracteres.

2.3.2 Especificação do Output

  • Formato de output: O output deve ser o JSON bruto retornado pela API com os registros solicitados.
  • Exemplo de Estrutura de Output:
    {...}
  • Número de caracteres esperado: O JSON gerado terá um tamanho aproximado de 5.000 caracteres.

2.3.3 Parâmetros de Geração

  • Modelo: GPT-5
  • Temperatura: Não se aplica (uso de ferramenta)

2.3.4 Ferramentas do Agente

  • Documentos: Não consulta.
  • Calculadora: Não utiliza.
  • Busca Online: Não utiliza.
  • Sistemas Externos: O agente deverá realizar a chamada à API conforme o payload recebido.

2.3.5 Memória

2.3.6 Regras de Orquestração e Transição

Ao concluir sua execução, esse agente aciona o Agente de Consolidação e Padronização de Dados (RF 4).

RF 3. Agente de Execução de Consulta a Documento

3.1 Tarefa do Agente

Realizar consulta ao repositório de documentos escolares para recuperar relatórios e observações de professores.

3.2 Prompt ou Instruções do Agente
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo parâmetros para consulta ao repositório de documentos escolares.

# 2. Objetivo
Executar a consulta para recuperar relatórios e observações de professores.

# 3. Regras que você deve seguir para gerar sua resposta
- Apenas execute a consulta conforme os parâmetros recebidos, sem análise.
- Certifique-se de que todos os parâmetros obrigatórios estão preenchidos antes de executar a consulta.
- Em caso de erro na consulta, registre o erro para análise posterior.
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 1).
  • Tipo do input: Este agente deve ser apto a receber como input parâmetros de consulta a documentos escolares.
  • 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 até 2.000 caracteres.

3.3.2 Especificação do Output

  • Formato de output: O output deve ser um conjunto de trechos/itens recuperados contendo {id_documento, data, trecho, metadados}.
  • Exemplo de Estrutura de Output:
    [
      {
        "id_documento": "",
        "data": "",
        "trecho": "",
        "metadados": {}
      }
    ]
  • Número de caracteres esperado: O conjunto gerado terá um tamanho aproximado de 5.000 caracteres.

3.3.3 Parâmetros de Geração

  • Modelo: GPT-5
  • Temperatura: Não se aplica (uso de ferramenta)

3.3.4 Ferramentas do Agente

  • Documentos: Não consulta.
  • Calculadora: Não utiliza.
  • Busca Online: Não utiliza.
  • Sistemas Externos: O agente deverá realizar a consulta ao repositório de documentos conforme os parâmetros recebidos.

3.3.5 Memória

3.3.6 Regras de Orquestração e Transição

Ao concluir sua execução, esse agente aciona o Agente de Consolidação e Padronização de Dados (RF 4).

RF 4. Agente de Consolidação e Padronização de Dados

4.1 Tarefa do Agente

Integrar e padronizar os dados brutos de APIs e documentos em um único esquema analítico.

4.2 Prompt ou Instruções do Agente
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo dados brutos de APIs e documentos para integração e padronização.

# 2. Objetivo
Integrar e padronizar os dados brutos em um único esquema analítico.

# 3. Regras que você deve seguir para gerar sua resposta
1) Aplique mapeamentos_unidades e normalize escalas; converta notas para 0–10 e frequencia para %.
2) Remova duplicatas conforme regra recebida; registre duplicatas_removidas.
3) Gere completude_% por grupo de dados: registros preenchidos/campos esperados.
4) Crie linhas_do_tempo ordenadas por data ISO.
5) Extraia de documentos: data (do metadado), tipo_registro (relatorio_docente|avaliacao), e observacoes_docentes[].trecho com tamanho máximo de 500 palavras por item.
6) Identifique lacunas: ausência de notas por ≥2 bimestres consecutivos; frequencia sem atualização por ≥60 dias; inexistência de observações nos últimos 6 meses.
7) Não inclua PII além de id_aluno; mantenha metadados mínimos da fonte.
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 2 ou RF 3).
  • Tipo do input: Este agente deve ser apto a receber dados brutos de APIs e documentos para integração e padronização.
  • 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 até 10.000 caracteres.

4.3.2 Especificação do Output

  • Formato de output: O output deve ser um JSON consolidado com dados integrados e padronizados.
  • Exemplo de Estrutura de Output:
     {
      "qualidade_dados": {
        "completude_%": 0,
        "duplicatas_removidas": 0,
        "lacunas_identificadas": []
      },
      "desempenho_academico": [],
      "frequencia": [],
      "comportamento": [],
      "avaliacao_leitura_escrita": [],
      "observacoes_docentes": [],
      "historico_atendimentos": [],
      "linhas_do_tempo": {
        "notas": [],
        "frequencia": [],
        "incidentes": []
      }
    } 
  • Número de caracteres esperado: O JSON gerado terá um tamanho aproximado de 5.000 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: Não utiliza.

4.3.5 Memória

4.3.6 Regras de Orquestração e Transição

Ao concluir sua execução, esse agente aciona o Agente de Triagem de Sinais de Necessidades Educacionais (RF 5).

RF 5. Agente de Triagem de Sinais de Necessidades Educacionais

5.1 Tarefa do Agente

Detectar sinais objetivos de possíveis necessidades educacionais a partir do consolidado.

5.2 Prompt ou Instruções do Agente
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo um JSON consolidado e padronizado com dados acadêmicos e comportamentais.

# 2. Objetivo
Detectar sinais objetivos de possíveis necessidades educacionais a partir do consolidado.

# 3. Regras que você deve seguir para gerar sua resposta
1) Queda de desempenho: se média das 2 últimas avaliações < média das 2 anteriores em ≥20%, gere sinal S01 (severidade 2) ou ≥30% (severidade 3).
2) Desempenho persistentemente baixo: média < 5,0 por 2 bimestres consecutivos => S02 (sev 3); por 1 bimestre => S02 (sev 2).
3) Frequência baixa: média de frequência < 85% no período => S03 (sev 2); < 75% => S03 (sev 3).
4) Incidentes comportamentais: >3 incidentes/mês por 2 meses => S04 (sev 2); >5/mês por 2 meses => S04 (sev 3).
5) Leitura/escrita: se avaliação padronizada indicar desempenho ≥1 desvio abaixo da média esperada para a série => S05 (sev 2); ≥2 desvios => S05 (sev 3). Se apenas escala ordinal disponível, use categorias abaixo_do_esperado.
6) Funções executivas (a partir de observações): padrões de desatenção, organização e memória de trabalho citados ≥2 vezes em semanas distintas => S06 (sev 2); ≥4 vezes => sev 3.
7) Conflitos entre fontes: se dados acadêmicos sugerem melhora, mas observações apontam dificuldades recorrentes, marque S07 (sinal divergente, sev 1) e cite ambas evidências.
8) Defina risco_aprendizagem: alto se existir ao menos um sinal sev 3 OU três sinais sev 2; moderado se ao menos um sev 2; caso contrário, baixo.
9) Registre evidencias como referências com {fonte, data, campo, valor/trecho}.
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 um JSON consolidado e padronizado com dados acadêmicos e comportamentais.
  • 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 até 5.000 caracteres.

5.3.2 Especificação do Output

  • Formato de output: O output deve ser um JSON contendo sinais detectados e indicadores de risco de aprendizagem.
  • Exemplo de Estrutura de Output:
     {
      "sinais_detectados": [
        {
          "codigo_sinal": "",
          "descricao": "",
          "severidade": 0,
          "periodo_referente": "",
          "evidencias": []
        }
      ],
      "resumo_metricas": {
        "queda_notas": 0,
        "frequencia_baixa": 0,
        "incidentes_altos": 0,
        "atraso_leitura_escrita": 0
      },
      "indicadores": {
        "risco_aprendizagem": ""
      }
    } 
  • 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: Não utiliza.

5.3.5 Memória

5.3.6 Regras de Orquestração e Transição

Ao concluir sua execução, esse agente aciona o Agente de Identificação de Necessidades e Nível de Suporte (RF 6).

RF 6. Agente de Identificação de Necessidades e Nível de Suporte

6.1 Tarefa do Agente

Agrupar sinais em categorias de necessidade e estimar nível de suporte pedagógico inicial, sem caráter diagnóstico.

6.2 Prompt ou Instruções do Agente
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo um JSON com sinais detectados e indicadores de risco de aprendizagem.

# 2. Objetivo
Agrupar sinais em categorias de necessidade e estimar nível de suporte pedagógico inicial.

# 3. Regras que você deve seguir para gerar sua resposta
1) Mapear S05 para leitura/escrita; S01/S02 para matematica ou desempenho geral conforme disciplina predominante; S04 para comportamental; S06 para funcoes_executivas.
2) Nível de suporte: alto se qualquer sinal sev 3; moderado se ≥2 sinais sev 2; leve caso contrário.
3) Urgência: alta se risco_aprendizagem = alto ou frequencia < 75%; média se risco = moderado; baixa caso contrário.
4) Encaminhamento especializado: true quando houver S05 (sev 3) ou combinação S04 (sev 3) + S06 (qualquer), mantendo ressalva de não diagnóstico.
5) Prioridade_geral: 1 para urgência alta, 2 para média, 3 para baixa.
6) Justificativa deve citar sinais_relacionados e métricas objetivas.
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 um JSON com sinais detectados e indicadores de risco de aprendizagem.
  • 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 até 3.000 caracteres.

6.3.2 Especificação do Output

  • Formato de output: O output deve ser um JSON contendo necessidades identificadas, nível de suporte estimado e recomendação de encaminhamento.
  • Exemplo de Estrutura de Output:
     {
      "necessidades_identificadas": [
        {
          "categoria": "",
          "sinais_relacionados": [],
          "nivel_suporte": "",
          "urgencia": "",
          "justificativa": ""
        }
      ],
      "prioridade_geral": 0,
      "recomendacao_encaminhamento": {
        "necessita_avaliacao_especializada": false,
        "motivo": ""
      }
    } 
  • Número de caracteres esperado: O JSON gerado terá um tamanho aproximado de 2.500 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

6.3.6 Regras de Orquestração e Transição

Ao concluir sua execução, esse agente aciona o Agente de Proposição de Adaptações Curriculares (RF 7).

RF 7. Agente de Proposição de Adaptações Curriculares

7.1 Tarefa do Agente

Sugerir adaptações curriculares personalizadas alinhadas às necessidades e níveis de suporte estimados.

7.2 Prompt ou Instruções do Agente
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo um JSON com necessidades identificadas e nível de suporte estimado.

# 2. Objetivo
Sugerir adaptações curriculares personalizadas alinhadas às necessidades e níveis de suporte estimados.

# 3. Regras que você deve seguir para gerar sua resposta
1) Para leitura/escrita (nivel alto): incluir leitura guiada diária, materiais com fontes ampliadas, tecnologia de leitura de tela, avaliações orais alternativas.
2) Para matematica (nivel moderado/alto): instrução explícita passo a passo, uso de organizadores gráficos, avaliações com itens graduados por dificuldade, tempo adicional (+25%).
3) Para comportamento: contrato comportamental com metas semanais, assentos preferenciais, pausas programadas, reforço positivo com razão 3:1.
4) Para funcoes_executivas: checklists de tarefas, rubricas com critérios visíveis, divisão de tarefas longas em etapas com prazos intermediários, lembretes visuais.
5) Cada estratégia deve ter criterio_sucesso mensurável (ex.: "aumentar média de leitura em 10% em 8 semanas" ou "reduzir incidentes para ≤1/semana em 6 semanas").
6) Se urgencia = alta, defina revisao_em_semanas = 6; média = 8; baixa = 12.
7) Limite máximo de 6 estratégias por aluno, priorizando categorias com maior urgência e impacto_esperado.
8) Não propor medidas que impliquem diagnóstico; manter foco em suportes pedagógicos e acessibilidade.
7.3 Configurações do Agente

7.3.1 Especificação do Input

  • Mecanismo de Acionamento: Este agente deve ser acionado automaticamente após a conclusão do agente anterior (RF 6).
  • Tipo do input: Este agente deve ser apto a receber um JSON com necessidades identificadas e nível de suporte estimado.
  • 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 até 3.000 caracteres.

7.3.2 Especificação do Output

  • Formato de output: O output deve ser um JSON contendo adaptações curriculares sugeridas e plano de monitoramento.
  • Exemplo de Estrutura de Output:
     {
      "adaptacoes": [
        {
          "categoria_necessidade": "",
          "estrategia": {
            "tipo": "",
            "descricao": ""
          },
          "justificativa": "",
          "evidencias_relacionadas": [],
          "criterio_sucesso": {
            "indicador": "",
            "meta": "",
            "prazo_semanas": 0
          },
          "impacto_esperado": ""
        }
      ],
      "plano_monitoramento": {
        "frequencia_semanal": 0,
        "revisao_em_semanas": 0
      }
    } 
  • Número de caracteres esperado: O JSON gerado terá um tamanho aproximado de 3.000 caracteres.

7.3.3 Parâmetros de Geração

  • Modelo: GPT-5
  • Temperatura: 0.6

7.3.4 Ferramentas do Agente

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

7.3.5 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 Relatórios Educacionais (RF 8).

7.3.6 Regras de Orquestração e Transição

Ao concluir sua execução, esse agente aciona o Agente de Relatórios Educacionais (RF 8).

RF 8. Agente de Relatórios Educacionais

8.1 Tarefa do Agente

Gerar relatórios claros para educadores e administradores com foco em intervenção e acompanhamento.

8.2 Prompt ou Instruções do Agente
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo um JSON com sinais detectados, necessidades identificadas, adaptações e indicadores de risco de aprendizagem.

# 2. Objetivo
Gerar relatórios claros para educadores e administradores com foco em intervenção e acompanhamento.

# 3. Regras que você deve seguir para gerar sua resposta
1) Produzir duas versões: a) Educadores: detalhada por disciplina e sala; b) Administradores: focada em risco, recursos e prazos.
2) Incluir sumário executivo com: risco_aprendizagem, 3 principais sinais, 3 adaptações prioritárias e data da próxima revisão.
3) Destacar áreas prioritárias para intervenção com base em urgencia e nivel_suporte.
4) Transparência de dados: reporte qualidade_dados.completude_% e lacunas_identificadas; sinalize limitações na interpretação.
5) Linguagem não diagnóstica; usar termos como "sinais", "necessidades", "suportes".
6) Incluir plano_monitoramento com frequência de coleta e critérios de sucesso por estratégia.
7) Remover qualquer PII além de id_aluno e série; não incluir nome completo em relatórios-padrão.
8.3 Configurações do Agente

8.3.1 Especificação do Input

  • Mecanismo de Acionamento: Este agente deve ser acionado automaticamente após a conclusão do agente anterior (RF 7).
  • Tipo do input: Este agente deve ser apto a receber um JSON com sinais detectados, necessidades identificadas, adaptações e indicadores de risco de aprendizagem.
  • 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 até 5.000 caracteres.

8.3.2 Especificação do Output

  • Formato de output: O output deve ser um JSON contendo relatórios para educadores e administradores.
  • Exemplo de Estrutura de Output:
     {
      "relatorio_para_educadores": "",
      "relatorio_para_administradores": "",
      "sumario_exec": {
        "risco_aprendizagem": "",
        "prioridades": [],
        "proximo_marco_revisao": ""
      }
    } 
  • Número de caracteres esperado: O JSON gerado terá um tamanho aproximado de 4.000 caracteres.

8.3.3 Parâmetros de Geração

  • Modelo: GPT-5
  • Temperatura: 0.6

8.3.4 Ferramentas do Agente

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

8.3.5 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.

8.3.6 Regras de Orquestração e Transição

A execução deste agente finaliza o fluxo. Os relatórios gerados são o resultado que deve ser disponibilizado aos usuários.

© 2025 prototipe.ai. Todos os direitos reservados.