Agente de IA para Avaliação de Risco de Investimento

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

Como criar um agente de IA que analisa dados financeiros e econômicos para avaliar riscos associados a diferentes opções de investimento.

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

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_noticias no input recebido for igual a true.

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_noticias for 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

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

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.

© 2025 prototipe.ai. Todos os direitos reservados.