1. Propósito e Escopo
Este documento define todos os prompts, configurações de memória, transição entre estados, ferramentas como chamadas a sistemas externos, busca online, consulta a documentos e demais requisitos funcionais para o Fluxo de Agentes "Avaliação de Risco de Investimento", uma solução de automação projetada para analisar dados financeiros e econômicos para avaliar riscos associados a diferentes opções de investimento. Essa documentação é um modelo de PRD ou Documento de Requisitos de Produto específicos para construção de Agentes de IA.
O objetivo principal é fornecer uma análise precisa e rápida dos riscos de investimento, auxiliando consultores na tomada de decisões informadas.
2. Contexto e Problema
Cenário Atual
O mercado financeiro apresenta uma complexidade crescente na análise de riscos de investimento devido ao grande volume de dados e variáveis envolvidas. Consultores precisam avaliar rapidamente os riscos para suportar decisões de investimento informadas.
Problemas Identificados
- Complexidade de Dados: A análise de riscos de investimento é complexa devido ao grande volume de dados financeiros e variáveis macroeconômicas.
- Necessidade de Agilidade: Decisões de investimento informadas requerem uma avaliação rápida e precisa dos riscos associados.
3. Impactos Esperados
A implementação deste fluxo de automação visa alcançar os seguintes resultados:
- Melhorar a precisão da análise de risco por meio de uma avaliação automatizada e em tempo real.
- Acelerar o processo de tomada de decisão para consultores de investimento.
- Reduzir a complexidade da análise de grandes volumes de dados financeiros e econômicos.
4. Visão Geral da Solução
O agente de IA para avaliação de risco de investimento analisa dados financeiros e econômicos em tempo real, utilizando modelos de avaliação de risco para fornecer recomendações precisas e rápidas. 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 riscos de investimento.
A solução consiste em um fluxo de automação composto por 6 agentes de IA. O processo inicia com a preparação dos parâmetros de coleta de dados e termina com a geração de recomendações de investimento baseadas em risco.
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 de Dados (RF 1)
| Derivar parâmetros padronizados para coleta de dados de mercado e econômicos. |
Agente de Execução de Chamada à API (RF 2)
| Realizar chamadas às APIs de mercado e econômicas para obter dados. |
Agente de Execução de Busca Online (RF 3)
| Buscar notícias e eventos recentes para detecção de sinais de risco qualitativo. |
Agente de Consolidação e Normalização de Dados (RF 4)
| Padronizar e consolidar dados em um dataset pronto para avaliação de risco. |
Agente de Avaliação de Risco e Classificação de Investimentos (RF 5)
| Calcular uma pontuação de risco e classificar investimentos em faixas de risco. |
Agente de Recomendações Baseadas em Risco (RF 6)
| Gerar recomendações de alocação e ações táticas baseadas na matriz de risco. |
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 de Dados
1.1 Tarefa do Agente
Derivar, a partir do universo de investimentos e do horizonte de análise informados, os parâmetros padronizados para coleta de dados de mercado e econômicos, bem como critérios opcionais de busca de notícias.
1.2 Prompt ou Instruções do Agente
# 1. Contexto e explicações sobre inputs iniciais
Você está recebendo um objeto JSON com informações sobre o universo de investimentos e o horizonte de análise.
# 2. Objetivo
Derivar os parâmetros padronizados para coleta de dados de mercado e econômicos, bem como critérios opcionais de busca de notícias.
# 3. Regras que você deve seguir para gerar sua resposta
- Mapear cada ativo do universo em um identificador único de consulta: priorize combinação [ticker + exchange] e, na ausência, ISIN. Defina campo ativo_id_padrao.
- Para dados de preços, defina campos: timestamp_utc, open, high, low, close, adj_close, volume, moeda_cotacao, exchange. Ajuste granularidade: se intradiário foi solicitado, limite a janela máxima a 30 dias; para diário, permita até 10 anos.
- Determinar paridades FX necessárias para converter todas as séries à moeda_base. Se um par direto não existir, decompor via triangulação (ex.: BRL->USD->EUR) e registrar cadeia_fx.
- Selecionar indicadores macro padronizados por região relevante do ativo: se exchange do ativo for BR, inclua ao menos: IPCA, Selic/DI, CDS 5y BR, PMI manufatura BR; se US, inclua CPI, Fed Funds, Treasury 2y/10y, Unemployment, PMI/ISM. Registrar campo regio_macro.
- Definir janelas de cálculo para features de risco: 30d, 90d e 252d. Registrar em params_api_mercado.janelas.
- Se flags_coleta.incluir_noticias = true, gerar params_busca_noticias com: termos=[ticker, nome_empresa, setor], recencia_dias=14 por padrão, idiomas=[pt,en], deduplicacao_por_url=true.
- Sempre incluir restrições de paginação/limites em params (page_size máximo seguro) e intervalar datas para evitar estouro de limite. O agente não executa a chamada, apenas especifica os parâmetros.
- Emitir schema_campos_padrao para posterior normalização com nomes e tipos: {timestamp_utc: datetime, preco: float, volume: float, moeda: string, fonte: string, indicador: string}. 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 objeto JSON com informações sobre o universo de investimentos e o horizonte de análise 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 um objeto JSON que contém informações detalhadas sobre os investimentos e o horizonte de análise.
-
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 50.000 caracteres.
1.3.2 Especificação do Output
- Formato de output: O output deve ser um objeto JSON contendo os parâmetros padronizados para coleta de dados de mercado e econômicos.
-
Exemplo de Estrutura de Output:
{ "params_api_mercado": { ... }, "params_api_economicos": { ... }, "params_busca_noticias": { ... }, "schema_campos_padrao": { ... } } - Número de caracteres esperado: O JSON gerado deve ser claro e direto, com um tamanho estimado em 4.000 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
- 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 chamadas às APIs de mercado e econômicas para obter séries históricas de preços/volumes e indicadores macroeconômicos conforme parâmetros recebidos.
2.2 Prompt ou Instruções do Agente
# 1. Contexto e explicações sobre inputs iniciais Você está recebendo payloads prontos contendo parâmetros para chamadas às APIs de mercado e econômicas. # 2. Objetivo Realizar chamadas às APIs de mercado e econômicas para obter dados conforme parâmetros recebidos. # 3. Regras que você deve seguir para gerar sua resposta - Executar chamadas HTTP para cada endpoint listado nos parâmetros, respeitando as autenticações e intervalos de datas especificados. - Para cada chamada, registrar os metadados de origem (fonte, endpoint, horário da coleta) e estrutura por série/ativo/indicador. - Em caso de falha na chamada, registrar erro e tentar novamente até três vezes antes de reportar falha irreversível. - Coletar e armazenar dados brutos em JSON/CSV conforme formato de retorno da API.
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 payloads prontos contendo parâmetros para chamadas às APIs de mercado e econômicas.
-
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 dados brutos recuperados das APIs em JSON/CSV por fonte, mantendo metadados de origem (fonte, endpoint, horário da coleta) e estrutura por série/ativo/indicador.
-
Exemplo de Estrutura de Output:
{ "dados_mercado": { ... }, "dados_economicos": { ... } } - Número de caracteres esperado: O JSON gerado deve ser claro e direto, com um tamanho estimado em 5.000 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: Conecta-se a APIs externas de mercado e econômicas para realizar as chamadas conforme especificado nos parâmetros recebidos.
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 Consolidação e Normalização de Dados (RF 4).
2.3.6 Regras de Orquestração e Transição
Ao concluir sua execução, esse agente aciona o Agente de Consolidação e Normalização de Dados (RF 4).
RF 3. Agente de Execução de Busca Online
3.1 Tarefa do Agente
Realizar busca online de notícias e eventos recentes relacionados aos ativos e setores informados para detecção de sinais de risco qualitativo.
3.2 Prompt ou Instruções do Agente
# 1. Contexto e explicações sobre inputs iniciais Você está recebendo parâmetros prontos para busca online de notícias e eventos recentes relacionados aos ativos e setores informados. # 2. Objetivo Realizar busca online de notícias e eventos recentes para detecção de sinais de risco qualitativo. # 3. Regras que você deve seguir para gerar sua resposta - Executar buscas online utilizando os termos e parâmetros informados, respeitando a janela de recência e idiomas especificados. - Para cada resultado, coletar campos: timestamp_publicacao, titulo, resumo/trecho, fonte, url, idioma, termos_correlatos, ativo_relacionado (quando aplicável). - Deduplicar resultados por url e priorizar notícias de fontes confiáveis. - Em caso de falha na busca, registrar erro e tentar novamente até três vezes antes de reportar falha irreversível.
3.3 Configurações do Agente
3.3.1 Condições de Ativação
Este agente é acionado somente se a seguinte condição for atendida:
- O campo
incluir_noticiasno input recebido for igual atrue.
3.3.2 Especificação do Input
-
Mecanismo de Acionamento: Este agente deve ser acionado condicionalmente após a conclusão do agente anterior (RF 1), apenas se o parâmetro
incluir_noticiasfor verdadeiro. - Tipo do input: Este agente deve ser apto a receber parâmetros prontos para busca online de notícias e eventos recentes relacionados aos ativos e setores informados.
-
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 5.000 caracteres.
3.3.3 Especificação do Output
- Formato de output: O output deve ser uma lista de resultados de notícias com campos: timestamp_publicacao, titulo, resumo/trecho, fonte, url, idioma, termos_correlatos, ativo_relacionado (quando aplicável).
-
Exemplo de Estrutura de Output:
[ { "timestamp_publicacao": "...", "titulo": "...", "resumo": "...", "fonte": "...", "url": "...", "idioma": "...", "termos_correlatos": [ ... ], "ativo_relacionado": "..." } ] - Número de caracteres esperado: O JSON gerado deve ser claro e direto, com um tamanho estimado em 3.000 caracteres.
3.3.4 Parâmetros de Geração
- Modelo: GPT-5
- Temperatura: 0.6
3.3.5 Ferramentas do Agente
- Documentos: Não consulta documentos externos.
- Calculadora: Não utiliza.
- Busca Online: Conecta-se a serviços de busca online para realizar buscas de notícias conforme especificado nos parâmetros recebidos.
- Sistemas Externos: Não se conecta a sistemas externos.
3.3.6 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 Consolidação e Normalização de Dados (RF 4).
3.3.7 Regras de Orquestração e Transição
Ao concluir sua execução, esse agente aciona o Agente de Consolidação e Normalização de Dados (RF 4).
RF 4. Agente de Consolidação e Normalização de Dados
4.1 Tarefa do Agente
Padronizar, limpar e consolidar os dados de mercado, FX, indicadores macro e notícias em um único dataset pronto para avaliação de risco.
4.2 Prompt ou Instruções do Agente
# 1. Contexto e explicações sobre inputs iniciais Você está recebendo dados brutos de mercado e econômicos, além de resultados de busca online de notícias. # 2. Objetivo Padronizar, limpar e consolidar os dados em um único dataset pronto para avaliação de risco. # 3. Regras que você deve seguir para gerar sua resposta - Converter todos os timestamps para UTC (timestamp_utc) e registrar fuso_original. - Ajustar preços por eventos corporativos quando adj_close disponível; quando indisponível, usar close e marcar ajuste_pendente=true. - Converter preços/retornos à moeda_base usando cadeia_fx definida. Para cada observação, se taxa FX estiver ausente no timestamp, aplicar o último valor disponível até um limite de 3 dias úteis; se exceder, marcar dado_invalido_fx=true e excluir observação de métricas sensíveis. - Tratar feriados e dias sem pregão por exchange. Não realizar carry de preços intradiários entre dias; em diário, permitir forward-fill de preço para retornos somente após primeira observação válida. - Outliers: winsorizar retornos diários no percentil [1%, 99%] por ativo para cálculo de métricas agregadas; manter série original não-winsorizada separada. - Calcular, por ativo e janelas 30/90/252d: retorno_medio, volatilidade_anualizada (desvio padrão diário x sqrt(252)), drawdown_maximo (peak-to-trough), beta_mercado (regressão simples vs. benchmark da classe; ex.: ações vs. índice setorial/país), correlação_com_benchmark. - Liquidez: volume_medio e dias_para_desfazer_posicao = tamanho_posicao_teorica/volume_medio; se volume indisponível, marcar liquidez_desconhecida=true. - Alinhar indicadores macro por forward-fill respeitando periodicidade (mensal/trimestral). Criar variações: delta_mensal, delta_anual. - Notícias: deduplicar por url; criar sinal_noticias por ativo: count_14d e flag_evento (ex.: reestruturação, investigação, guidance) a partir de termos-chave; se idioma != preferencial, manter registro porém com peso reduzido na etapa de risco. - Gerar qualidade_dados com métricas: percentual_missing, datas_extremas, fontes_utilizadas, series_excluidas e motivos. - Emitir dicionario_dados listando cada campo, tipo e unidade.
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 mercado e econômicos, além de resultados de busca online de notícias.
-
Formatos Suportados: Esse agente deve ser capaz de receber inputs nos formatos:
.json. - Número de caracteres esperado: Este agente deve ter capacidade para processar um input de texto com até 20.000 caracteres.
4.3.2 Especificação do Output
- Formato de output: O output deve ser um dataset consolidado com séries por ativo em moeda_base, features calculadas e indicadores macro alinhados temporalmente, além de um relatório de qualidade_dados e dicionario_dados.
-
Exemplo de Estrutura de Output:
{ "dataset_consolidado": { ... }, "qualidade_dados": { ... }, "dicionario_dados": { ... } } - Número de caracteres esperado: O JSON gerado deve ser claro e direto, com um tamanho estimado em 6.000 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: Utiliza lógica interna para calcular métricas financeiras e indicadores de risco.
- 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 Avaliação de Risco e Classificação de Investimentos (RF 5).
4.3.6 Regras de Orquestração e Transição
Ao concluir sua execução, esse agente aciona o Agente de Avaliação de Risco e Classificação de Investimentos (RF 5).
RF 5. Agente de Avaliação de Risco e Classificação de Investimentos
5.1 Tarefa do Agente
Calcular uma pontuação de risco composta por ativo/opção de investimento e classificá-los em faixas de risco com base em métricas quantitativas e sinais qualitativos.
5.2 Prompt ou Instruções do Agente
# 1. Contexto e explicações sobre inputs iniciais Você está recebendo um dataset consolidado com features de risco por janelas 30/90/252d, sinais de notícias (se existentes), benchmark por classe de ativo e perfil_risco do cliente. # 2. Objetivo Calcular uma pontuação de risco composta por ativo/opção de investimento e classificá-los em faixas de risco. # 3. Regras que você deve seguir para gerar sua resposta - Normalizar componentes em escala 0-100 (quanto maior, maior o risco): • vol_score: mapear volatilidade_anualizada via quantis dentro da classe. • dd_score: mapear drawdown_maximo via quantis; drawdowns recentes (<90d) recebem +10% de peso relativo. • beta_score: |beta_mercado-1| mapeado para risco; beta>1 eleva score. • corr_score: risco de concentração: correlação alta (>0.8) com benchmark ou com carteira atual aumenta score. • liq_score: volume_medio baixo e dias_para_desfazer_posicao altos elevam score; se liquidez_desconhecida=true, definir liq_score=75 por prudência. • macro_score: construir com base em sensibilidade estimada (beta para taxa/inflação) e tendência dos indicadores (delta_mensal/anual). Tendência adversa eleva score. • news_score (opcional): se count_14d alto ou flag_evento relevante, atribuir 60-90; caso sem notícias, definir 50 neutro; reduzir em 20% se idioma != preferencial. - Combinar scores com pesos ajustados por perfil_risco: • conservador: vol 25%, dd 25%, liq 20%, beta 10%, corr 10%, macro 10%, news 0-10%. • moderado: vol 20%, dd 20%, liq 15%, beta 15%, corr 10%, macro 15%, news 5%. • arrojado: vol 15%, dd 15%, liq 10%, beta 20%, corr 15%, macro 15%, news 10%. - Definir faixas: Baixo (0-33), Médio (34-66), Alto (67-100). Se qualidade_dados do ativo tiver percentual_missing > 20% ou dado_invalido_fx=true recorrente, elevar uma faixa. - Cenários de estresse: calcular retorno estimado sob choques padrões: juros +200 bps, índice de referência -10%, FX +5% contra moeda_base. Reportar impacto_estimado e sensibilidade por ativo. - Prioridade_para_revisao: marcar 'alta' se news_score>80, se mudança de faixa vs. última medição conhecida (se disponível), ou se dd_score no quantil >90%. - Documentar para cada ativo os valores intermediários dos componentes no JSON de saída para auditoria.
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 dataset consolidado com features de risco por janelas 30/90/252d, sinais de notícias (se existentes), benchmark por classe de ativo e perfil_risco do cliente.
-
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.
5.3.2 Especificação do Output
- Formato de output: O output deve ser uma matriz de risco contendo, por ativo: componentes de risco, sinais qualitativos, cenários de estresse e risk_score, faixa_risco, prioridade_para_revisao.
-
Exemplo de Estrutura de Output:
{ "matriz_risco": [ ... ] } - Número de caracteres esperado: O JSON gerado deve ser claro e direto, com um tamanho estimado em 7.000 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: Utiliza lógica interna para calcular métricas financeiras e indicadores de risco.
- 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 Recomendações Baseadas em Risco (RF 6).
5.3.6 Regras de Orquestração e Transição
Ao concluir sua execução, esse agente aciona o Agente de Recomendações Baseadas em Risco (RF 6).
RF 6. Agente de Recomendações Baseadas em Risco
6.1 Tarefa do Agente
Gerar recomendações de alocação e ações táticas com base na matriz de risco, respeitando o perfil do cliente e limites operacionais.
6.2 Prompt ou Instruções do Agente
# 1. Contexto e explicações sobre inputs iniciais Você está recebendo uma matriz de risco por ativo, perfil_risco do cliente, objetivos do cliente e restrições operacionais. # 2. Objetivo Gerar recomendações de alocação e ações táticas com base na matriz de risco. # 3. Regras que você deve seguir para gerar sua resposta - Mapear limites por perfil: • conservador: não recomendar ativos com faixa_risco=Alto; tamanho máximo por ativo 5%; por classe de maior risco 10%. • moderado: ativos Alto risco apenas com hedge proposto; tamanho máximo por ativo 7,5%; por classe 20%. • arrojado: permitir Alto risco se risk_score<=85 e liquidez aceitável; tamanho máximo por ativo 10%; por classe 30%. - Se liq_score>80 ou dias_para_desfazer_posicao acima do horizonte do cliente, marcar como 'evitar' independentemente dos demais componentes. - Se prioridade_para_revisao='alta', recomendar revisão manual antes de executar qualquer aumento de posição. - Sugerir hedge quando beta_mercado>1.2 ou macro_score>70: exemplos incluem reduzir exposição ao benchmark setorial ou adicionar posição inversa correlacionada; registrar hedge_sugerido como texto estruturado. - Se qualidade_dados do ativo for 'baixa' (percentual_missing>20% ou series_excluidas>0), emitir recomendacao_status='indisponivel_por_dados' e não sugerir ação. - Sempre incluir rationale contendo os 3 principais drivers do risk_score e qualquer evento de notícias relevante.
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 uma matriz de risco por ativo, perfil_risco do cliente, objetivos do cliente e restrições operacionais.
-
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 uma lista de recomendações por ativo: ação sugerida, tamanho máximo sugerido, justificativas, alternativas e sugestões de hedge.
-
Exemplo de Estrutura de Output:
[ { "ativo": "...", "acao_sugerida": "...", "tamanho_maximo_sugerido": "...", "justificativas": "...", "alternativas": "...", "sugestoes_hedge": "..." } ] - Número de caracteres esperado: O JSON gerado deve ser claro e direto, com um tamanho estimado em 5.000 caracteres.
6.3.3 Parâmetros de Geração
- Modelo: GPT-5
- Temperatura: 0.6
6.3.4 Ferramentas do Agente
- Documentos: Não consulta documentos externos.
- Calculadora: Utiliza lógica interna para calcular métricas financeiras e indicadores de risco.
- 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. As recomendações geradas são o resultado que deve ser disponibilizado ao usuário.