Agente de IA para Consolidação de Dados de Crédito Multisource

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

Como criar um agente de IA que integra dados de crédito de múltiplas fontes para fornecer uma visão consolidada do perfil de crédito dos consumidores.

1. Propósito e Escopo

Este documento define todos os prompts, configurações de memória, transição entre estados e demais requisitos funcionais para o Agente de IA para Consolidação de Dados de Crédito Multisource. Essa documentação é um modelo de PRD ou Documento de Requisitos de Produto específicos para construção de Agentes de IA.

O objetivo principal é integrar dados de crédito provenientes de várias fontes para fornecer uma visão unificada e precisa do perfil de crédito dos consumidores, reduzindo redundâncias e inconsistências nos dados.

2. Contexto e Problema

Cenário Atual

O cenário atual apresenta os seguintes desafios no gerenciamento de dados de crédito:

  • Integração de dados de crédito provenientes de várias fontes.
  • Fornecimento de uma visão unificada e precisa do perfil de crédito dos consumidores.
  • Redução de redundâncias e inconsistências nos dados.

As instituições financeiras enfrentam dificuldades em consolidar dados de crédito de várias fontes e garantir que os perfis de crédito sejam precisos e atualizados.


Problemas Identificados

  • Desafios de Integração: Dificuldades em integrar dados de diferentes sistemas e formatos.
  • Inconsistências de Dados: Problemas com dados redundantes e inconsistentes que afetam a precisão dos perfis de crédito.
  • Atualização de Dados: Manter os dados de crédito atualizados e precisos é um desafio constante.

3. Impactos Esperados

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

  • Melhorar a integração de dados de múltiplas fontes, proporcionando uma visão consolidada do perfil de crédito.
  • Reduzir inconsistências e redundâncias nos dados de crédito.
  • Aumentar a precisão e atualidade dos perfis de crédito dos consumidores.

4. Visão Geral da Solução

O agente de IA para consolidação de dados de crédito integra dados de crédito de múltiplas fontes e fornece uma visão unificada do perfil de crédito dos consumidores. 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 consolidação de dados de crédito multisource.

A solução consiste em um fluxo de automação composto por 7 agentes de IA. O processo inicia com a preparação de parâmetros de coleta de dados e termina com a geração de um relatório consolidado para o usuário final.

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) Validar identificadores do consumidor e preparar parâmetros de coleta de dados.
Agente de Execução de Chamada à API (RF 2) Realizar chamadas às APIs das fontes para obter dados de crédito brutos.
Agente de Normalização e Mapeamento de Dados de Crédito (RF 3) Transformar respostas brutas no esquema canônico unificado.
Agente de Resolução de Identidades e Deduplicação (RF 4) Unificar registros e resolver conflitos de valores entre fontes.
Agente de Validação de Qualidade e Atualidade (RF 5) Avaliar completude, consistência e frescor dos dados consolidados.
Agente de Consolidação de Perfil e Cálculo de Indicadores (RF 6) Produzir a visão unificada do perfil de crédito e calcular KPIs.
Agente de Geração de Relatório Consolidado para Usuário Final (RF 7) Transformar o perfil consolidado em um relatório claro e acionável.

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

Validar identificadores do consumidor e preparar, para cada fonte, os parâmetros e payloads de coleta de dados de crédito, além do esquema canônico de mapeamento.

1.2 Prompt ou Instruções do Agente
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo identificadores do consumidor e escopo de fontes pretendidas para coleta de dados de crédito.

# 2. Objetivo
Validar identificadores do consumidor e preparar, para cada fonte, os parâmetros e payloads de coleta de dados de crédito.

# 3. Regras que você deve seguir para gerar sua resposta
- Validar CPF no padrão brasileiro (11 dígitos com dígitos verificadores válidos) e sinalizar input_invalido=true se falhar; exigir ao menos dois identificadores consistentes (ex.: cpf + data_nascimento) para prosseguir.
- Definir canonical_schema contendo, no mínimo: identificacao {cpf, nome, data_nascimento}, sintetico {data_extracao, fonte}, contas/contratos (tradelines) {tipo, instituicao, limite, saldo, status_pagamento, data_abertura, data_ultimo_pagamento, atraso_max_dias}, consultas (inquiries) {data, origem}, ocorrencias_negativas {tipo, data, valor, status}, garantias {tipo, valor}, renda_informada, renda_estimada, enderecos {logradouro, cidade, uf, cep}, telefones, emails.
- Construir field_mapping por fonte detalhando: nome_campo_origem -> nome_campo_canonico, transformacao_unidade (ex.: centavos->BRL), padrao_datas (converter para ISO 8601), normalizacao_de_valores (ex.: trim, upper, remoção de máscaras).
- Estabelecer prioridade_de_fontes como array ordenado por confiabilidade: ex.: [bureau_nacional, bureau_setorial, bancos, fintechs]. Usar esta ordem em empates.
- Definir staleness_policies (dias): tradelines<=60, ocorrencias_negativas<=30, inquiries<=180, dados_cadastrais<=365; permitir sobrescrita se vier política no input.
- Gerar api_calls somente para fontes solicitadas e para as quais existam credenciais/headers informados no input; caso falte informação crítica, marcar no objeto da fonte missing_credentials=true e incluir reason.
- Não incluir credenciais sensíveis no output além de placeholders; se fornecidas no input, referenciá-las por chave lógica (ex.: auth_alias). 
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 identificadores do consumidor e escopo de fontes pretendidas 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 são identificadores do consumidor e escopo de fontes pretendidas.
  • 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 10.000 caracteres.

1.3.2 Especificação do Output

  • Formato de output: O output deve ser um JSON com os parâmetros e payloads de coleta de dados, além do esquema canônico de mapeamento.
  • Exemplo de Estrutura de Output:
     {
      "canonical_schema": {...},
      "field_mapping": {...},
      "api_calls": [...],
      "staleness_policies": {...},
      "prioridade_de_fontes": [...]
    } 
  • Número de caracteres esperado: O JSON gerado terá um tamanho aproximado 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

  • 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 das fontes definidas para obter dados de crédito brutos.

2.2 Prompt ou Instruções do Agente
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo um objeto api_calls gerado previamente contendo, por chamada: {fonte, endpoint, método, headers, params/payload} pronto para execução.

# 2. Objetivo
Realizar chamadas às APIs das fontes definidas para obter dados de crédito brutos.

# 3. Regras que você deve seguir para gerar sua resposta
- Executar cada chamada API conforme definido no objeto api_calls.
- Registrar status_http e corpo_resposta para cada chamada realizada.
- Em caso de falha, registrar o erro e prosseguir com as demais chamadas.
- Assegurar que as respostas sejam armazenadas corretamente para uso posterior.

# 4. Exemplo de Output que você deve produzir
raw_responses: lista de objetos {fonte, status_http, corpo_resposta, data_coleta}. 
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 um objeto api_calls gerado previamente.
  • 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.

2.3.2 Especificação do Output

  • Formato de output: O output deve ser uma lista de objetos JSON contendo as respostas brutas das APIs.
  • Exemplo de Estrutura de Output:
    raw_responses: [
      {
        "fonte": "bureau_A",
        "status_http": 200,
        "corpo_resposta": { ... },
        "data_coleta": "2025-12-19"
      }
    ]
  • 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: 0.6

2.3.4 Ferramentas do Agente

  • Documentos: Não consulta.
  • Calculadora: Não utiliza.
  • Busca Online: Não utiliza.
  • Sistemas Externos: O agente deverá enviar o objeto api_calls para as APIs externas e registrar as respostas recebidas.

2.3.5 Memória

2.3.6 Regras de Orquestração e Transição

Ao concluir sua execução, esse agente aciona o Agente de Normalização e Mapeamento de Dados de Crédito (RF 3).

RF 3. Agente de Normalização e Mapeamento de Dados de Crédito

3.1 Tarefa do Agente

Transformar as respostas brutas das fontes no esquema canônico unificado preservando proveniência por campo.

3.2 Prompt ou Instruções do Agente
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo raw_responses, canonical_schema e field_mapping.

# 2. Objetivo
Transformar as respostas brutas das fontes no esquema canônico unificado preservando proveniência por campo.

# 3. Regras que você deve seguir para gerar sua resposta
- Aplicar o field_mapping estritamente; campos não mapeados devem ser ignorados e listados em unmapped_fields.
- Converter datas para ISO 8601 (YYYY-MM-DD) e valores monetários para decimal em BRL; se unidade original difere, aplicar fator de conversão.
- Incluir provenance em cada campo relevante: {fonte, campo_origem, data_coleta}.
- Normalizar tipos de contrato (tradelines.tipo) para enum: ['cartao_credito','emprestimo','financiamento','consignado','cheque_especial','outros'].
- Normalizar status_pagamento para enum: ['em_dia','atraso_ate_30','atraso_31_60','atraso_61_90','atraso_91_mais','liquidado','encerrado'].
- Se uma resposta vier vazia ou com erro (status_http>=400), registrar em normalization_issues com {fonte, erro, detalhe} e prosseguir com demais fontes.
- Campos obrigatórios mínimos por item: tradelines: {tipo, instituicao, status_pagamento}; ocorrencias_negativas: {tipo, data}; inquiries: {data}. Se faltar obrigatório, descartar item e registrar motivo em dropped_items. 
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 raw_responses, canonical_schema e field_mapping.
  • 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.

3.3.2 Especificação do Output

  • Formato de output: O output deve ser um JSON no esquema canônico com arrays de tradelines, inquiries, ocorrencias_negativas, dados_cadastrais e metadados de proveniência por campo.
  • Exemplo de Estrutura de Output:
    normalized_records: {
      "tradelines": [...],
      "inquiries": [...],
      "ocorrencias_negativas": [...],
      "dados_cadastrais": [...],
      "provenance": { ... }
    }
  • 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 Resolução de Identidades e Deduplicação (RF 4).

RF 4. Agente de Resolução de Identidades e Deduplicação

4.1 Tarefa do Agente

Unificar registros referentes ao mesmo contrato/evento e resolver conflitos de valores entre fontes.

4.2 Prompt ou Instruções do Agente
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo normalized_records e prioridade_de_fontes.

# 2. Objetivo
Unificar registros referentes ao mesmo contrato/evento e resolver conflitos de valores entre fontes.

# 3. Regras que você deve seguir para gerar sua resposta
- Duplicatas de tradelines: considerar iguais quando coincidirem pelo menos 2 de 3 chaves: {instituicao, tipo, data_abertura} e a diferença de limite/saldo for <=10%; calcular match_score de 0 a 1.
- Duplicatas de ocorrencias_negativas: mesmo tipo e datas a até 7 dias de diferença pertencem ao mesmo evento; preferir o registro mais recente.
- Para conflitos de valor: escolher o valor com data mais recente; em empate de data, aplicar prioridade_de_fontes; persistir decision_rationale com {criterio:'recencia'|'prioridade'|'consenso', fontes_consideradas}.
- Nunca somar limites/saldos de duplicatas; manter um único registro consolidado por grupo.
- Remover registros com status lógico inconsistente (ex.: saldo<0) e registrar em invalid_items com reason.
- Manter histórico de valores conflitantes em alt_values por campo, incluindo fonte e data. 
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 normalized_records e prioridade_de_fontes.
  • 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 contendo dados_unificados no esquema canônico, duplicate_groups, match_scores e conflict_resolutions.
  • Exemplo de Estrutura de Output:
    deduped_records: {
      "dados_unificados": [...],
      "duplicate_groups": [...],
      "match_scores": [...],
      "conflict_resolutions": [...]
    }
  • 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 Validação de Qualidade e Atualidade (RF 5).

RF 5. Agente de Validação de Qualidade e Atualidade

5.1 Tarefa do Agente

Avaliar completude, consistência e frescor dos dados consolidados e sinalizar bloqueios.

5.2 Prompt ou Instruções do Agente
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo deduped_records e staleness_policies.

# 2. Objetivo
Avaliar completude, consistência e frescor dos dados consolidados e sinalizar bloqueios.

# 3. Regras que você deve seguir para gerar sua resposta
- Calcular completeness_percent por seção (tradelines, ocorrencias_negativas, inquiries, cadastral) como campos_preenchidos/campos_esperados.
- Avaliar frescor com base em staleness_policies: marcar freshness_ok=false quando a última data válida exceder o limite.
- Inconsistências a verificar: (a) saldo>limite em cartao_credito; (b) status 'liquidado' com saldo>0; (c) ocorrencia_negativa com data futura; (d) inquiries com data futura; (e) duplicidade residual com match_score>0.85.
- Definir blocking_issues=true se: (i) nenhuma fonte retornou dados úteis; ou (ii) frescor de tradelines=false e não há ocorrencias_negativas recentes; ou (iii) inconsistencies>=3 severas.
- Gerar recommendations acionáveis vinculadas à seção afetada, ex.: 'recoletar fonte X', 'solicitar atualização cadastral'. 
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 deduped_records e staleness_policies.
  • 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.

5.3.2 Especificação do Output

  • Formato de output: O output deve ser um JSON com completeness_percent, freshness_ok, inconsistencies, blocking_issues e recommendations.
  • Exemplo de Estrutura de Output:
    quality_report: {
      "completeness_percent": { ... },
      "freshness_ok": { ... },
      "inconsistencies": [...],
      "blocking_issues": false,
      "recommendations": [...]
    }
  • Número de caracteres esperado: O JSON gerado terá um tamanho aproximado de 5.000 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 Consolidação de Perfil e Cálculo de Indicadores (RF 6).

RF 6. Agente de Consolidação de Perfil e Cálculo de Indicadores

6.1 Tarefa do Agente

Produzir a visão unificada do perfil de crédito e calcular KPIs de risco e comportamento.

6.2 Prompt ou Instruções do Agente
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo deduped_records e quality_report.

# 2. Objetivo
Produzir a visão unificada do perfil de crédito e calcular KPIs de risco e comportamento.

# 3. Regras que você deve seguir para gerar sua resposta
- total_de_divida = soma de saldos de tradelines ativos (status != 'encerrado' e != 'liquidado').
- limite_total = soma de limites de produtos rotativos (cartao_credito, cheque_especial).
- utilizacao_percentual = round((total_de_divida_rotativa/limite_total)*100, 1); se limite_total=0, definir como null e reason.
- taxa_pagamento_em_dia = 1 - (contas_com_atraso>30 / contas_ativas); expressar em % com uma casa.
- atraso_max_dias = máximo atraso registrado em tradelines.
- consultas_6m = contagem de inquiries com data nos últimos 180 dias.
- ocorrencias_ativas = número de ocorrencias_negativas sem status de baixa/encerramento.
- score_proxy: classificar em faixas usando heurística: começar em 'médio' e ajustar: +1 nível se atraso_max_dias<=0 e utilizacao<=30% e sem ocorrencias_ativas; -1 nível se atraso_max_dias 31-60 ou utilizacao>80% ou consultas_6m>8; -2 níveis se atraso_max_dias>=90 ou ocorrencias_ativas>=1. Mapear níveis: ['muito_baixo','baixo','médio','alto','muito_alto'] de risco.
- risk_band derivado do score_proxy: risco 'muito_baixo'->band A, 'baixo'->B, 'médio'->C, 'alto'->D, 'muito_alto'->E.
- Para qualquer indicador com dados insuficientes, definir valor como null e preencher rationale com campos ausentes/problemas de frescor. 
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 deduped_records e quality_report.
  • 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.

6.3.2 Especificação do Output

  • Formato de output: O output deve ser um JSON com a visão unificada do perfil de crédito e os KPIs calculados.
  • Exemplo de Estrutura de Output:
    consolidated_profile: {
      "total_de_divida": 10000.00,
      "limite_total": 50000.00,
      "utilizacao_percentual": 20.0,
      "taxa_pagamento_em_dia": 98.5,
      "atraso_max_dias": 0,
      "consultas_6m": 5,
      "ocorrencias_ativas": 0,
      "score_proxy": "baixo",
      "risk_band": "B"
    }
  • 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

6.3.6 Regras de Orquestração e Transição

Ao concluir sua execução, esse agente aciona o Agente de Geração de Relatório Consolidado para Usuário Final (RF 7).

RF 7. Agente de Geração de Relatório Consolidado para Usuário Final

7.1 Tarefa do Agente

Transformar o perfil consolidado em um relatório claro, acionável e de fácil entendimento.

7.2 Prompt ou Instruções do Agente
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo consolidated_profile e quality_report.

# 2. Objetivo
Transformar o perfil consolidado em um relatório claro, acionável e de fácil entendimento.

# 3. Regras que você deve seguir para gerar sua resposta
- Redigir em português-BR simples, com frases curtas e definições breves no glossário para cada indicador.
- Incluir data_de_referencia (mais recente entre as fontes) e janela_de_cobertura.
- No sumario_executivo, destacar em bullets até 5 pontos: risco (risk_band), drivers principais, eventos negativos, utilização de crédito e frescor dos dados.
- Esconder PII sensível além do CPF mascarado (ex.: ***.***.***-**); não incluir credenciais ou headers.
- Tabelar detalhes_por_conta como array de objetos com {tipo, instituicao, limite, saldo, status_pagamento, atraso_max_dias, data_abertura, data_ultimo_pagamento}.
- Em qualidade_dos_dados, incluir completeness_percent e freshness_ok por seção e recommendations do quality_report.
- Se quality_report.blocking_issues=true, abrir o relatório com aviso de limitação e destacar ações recomendadas. 
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 consolidated_profile e quality_report.
  • 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.

7.3.2 Especificação do Output

  • Formato de output: O output deve ser um JSON com seções: cabecalho, sumario_executivo, indicadores_chave, detalhes_por_conta, ocorrencias, consultas, qualidade_dos_dados, limitacoes, glossario e anexos.
  • Exemplo de Estrutura de Output:
    final_report: {
      "cabecalho": {...},
      "sumario_executivo": [...],
      "indicadores_chave": {...},
      "detalhes_por_conta": [...],
      "qualidade_dos_dados": {...},
      "limitacoes": {...},
      "glossario": {...},
      "anexos": [...]
    }
  • Número de caracteres esperado: O JSON gerado terá um tamanho aproximado de 5.000 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 não são visíveis para agentes subsequentes.
  • Visibilidade da Resposta: A resposta (relatório final) é o entregável final e não é passada para outros agentes internos.

7.3.6 Regras de Orquestração e Transição

A execução deste agente finaliza o fluxo. O relatório gerado é o resultado que deve ser disponibilizado ao usuário.

© 2025 prototipe.ai. Todos os direitos reservados.