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 a criação de um agente de IA que gera materiais didáticos personalizados. Essa documentação é um modelo de PRD ou Documento de Requisitos de Produto específicos para construção de Agentes de IA.
O objetivo principal é desenvolver um agente que possa gerar materiais educacionais adaptados às necessidades individuais dos alunos, alinhados ao currículo e que sejam envolventes para o aprendizado dos alunos.
2. Contexto e Problema
Problemas Identificados
- Falta de personalização: Materiais didáticos muitas vezes não atendem às necessidades específicas de cada aluno.
- Alinhamento insuficiente: Conteúdos educativos precisam estar alinhados ao currículo e serem envolventes para os alunos.
A criação de conteúdos que sejam tanto alinhados ao currículo quanto envolventes é um desafio, exigindo que os materiais sejam adaptados ao nível de aprendizado de cada aluno.
3. Impactos Esperados
A implementação deste agente de IA visa alcançar os seguintes resultados:
- Personalização do ensino: Criar materiais didáticos adaptados às necessidades individuais dos alunos.
- Engajamento dos alunos: Aumentar o envolvimento dos alunos por meio de conteúdos educacionais mais atraentes.
- Alinhamento curricular: Garantir que os materiais estejam de acordo com os objetivos curriculares.
4. Visão Geral da Solução
O agente de IA para criação de conteúdo educacional personaliza materiais didáticos com base nos currículos e necessidades dos alunos, garantindo que sejam educacionais, envolventes e adaptados ao nível de aprendizado de cada aluno. 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 geração de materiais educativos que atendam às especificidades de cada aluno.
A solução consiste em um fluxo de automação composto por 5 agentes de IA. O processo inicia com a análise do currículo e das necessidades dos alunos e termina com a revisão e ajustes finais dos materiais didáticos gerados.
| Agentes | Função Principal |
|---|---|
Agente de Análise de Currículo e Necessidades (RF 1)
| Consolidar currículo e dados dos alunos em um perfil de aprendizagem estruturado. |
Agente de Planejamento de Sequência Didática (RF 2)
| Converter o perfil de aprendizagem em um plano de unidades e aulas. |
Agente de Geração de Materiais Didáticos Personalizados (RF 3)
| Produzir materiais de aula personalizados e nivelados. |
Agente de Avaliação de Alinhamento e Qualidade (RF 4)
| Verificar se os materiais atendem aos critérios de qualidade e alinhamento curricular. |
Agente de Revisão e Ajustes Finais (RF 5)
| Aplicar ajustes recomendados e finalizar materiais revisados. |
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 os alunos receberão. Explore os links abaixo para entender melhor a solução em ação.
6. Requisitos Funcionais
RF 1. Agente de Análise de Currículo e Necessidades
1.1 Tarefa do Agente
Consolidar currículo e dados dos alunos em um perfil de aprendizagem estruturado, com lacunas, metas SMART e parâmetros de personalização.
1.2 Prompt ou Instruções do Agente
# 1. Contexto e explicações sobre inputs iniciais Você está recebendo o currículo e os dados dos alunos para consolidar em um perfil de aprendizagem estruturado. # 2. Objetivo Consolidar currículo e dados dos alunos em um perfil de aprendizagem estruturado, com lacunas, metas SMART e parâmetros de personalização. # 3. Regras que você deve seguir para gerar sua resposta - Seção de parsing: extraia dos campos de entrada todos os objetivos curriculares, tópicos, pré-requisitos, restrições e mapeie para cada aluno nível atual por tópico (0 a 1). Se algum campo essencial estiver ausente (objetivos_curriculares OU topicos OU nivel_por_topico), defina perfil_aprendizagem.dados_suficientes = false e liste faltantes em perfil_aprendizagem.alertas. - Para cada aluno, calcule lacunas como tópicos com nivel_por_topico < 0.6; classifique prioridades: A se nivel<0.4, B se 0.4–0.7, C se >=0.7. - Gere metas SMART por tópico com lacuna: inclua ação observável, métrica mensurável (ex.: % acerto, tempo de resolução), prazo em dias (7–21), e critério de sucesso (ex.: >=75%). - Defina nivel_complexidade_target por tópico com base no nível atual: Recordar/Compreender (<0.4), Aplicar (0.4–0.7), Analisar (>=0.7). Use termos da taxonomia (Recordar, Compreender, Aplicar, Analisar, Avaliar, Criar). - Estruture estrategias_engajamento a partir de interesses declarados e contexto de cotidiano do aluno; vincule no mínimo 1 exemplo temático por tópico prioritário A. - Ajustes de acessibilidade: se TDAH, priorize instruções curtas, checklists e intervalos; se dislexia, prefira frases curtas e vocabulário simples; se nenhuma necessidade, retorne lista vazia. - Respeite restricoes de tempo: calcule tempo_disponivel_semana_min efetivo do aluno (se não informado, assuma 60 min).
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 dos dados do currículo e dos alunos 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 dados estruturados do currículo e dos alunos.
-
Formatos Suportados: Esse agente deve ser capaz de receber dados nos formatos:
.json. - Número de caracteres esperado: Este agente deve ter capacidade para processar um input de texto com até 100.000 caracteres.
1.3.2 Especificação do Output
- Formato de output: O output deve ser um arquivo no formato JSON contendo o perfil de aprendizagem estruturado. A estrutura deve incluir lacunas, metas SMART e parâmetros de personalização para cada aluno.
-
Exemplo de Estrutura de Output:
{ "perfil_aprendizagem": { "alunos": [ { "id": "A001", "lacunas": ["interpretação de gráficos de velocidade x tempo"], "prioridades": [{"topico": "Dinâmica", "prioridade": "A"}], "metas_smart": [{"topico": "Cinemática", "meta": "Resolver 80% de exercícios de MRU em 2 semanas", "metricas": ["% acerto"], "prazo_dias": 14}], "nivel_complexidade_target": {"Cinemática": "Aplicar", "Dinâmica": "Compreender"}, "estrategias_engajamento": ["usar exemplos com futebol e bicicleta"], "ajustes_acessibilidade": ["instruções curtas e objetivas", "quebrar tarefas em passos"], "idioma": "pt-BR" } ], "dados_suficientes": true } } - Número de caracteres esperado: O JSON gerado deve ser claro e direto, com um tamanho estimado em 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 Planejamento de Sequência Didática (RF 2).
1.3.6 Regras de Orquestração e Transição
Ao concluir sua execução, esse agente aciona o Agente de Planejamento de Sequência Didática (RF 2).
RF 2. Agente de Planejamento de Sequência Didática
2.1 Tarefa do Agente
Converter o perfil de aprendizagem em um plano de unidades e aulas com objetivos, pré-requisitos, duração, atividades e avaliação.
2.2 Prompt ou Instruções do Agente
# 1. Contexto e explicações sobre inputs iniciais Você está recebendo o perfil de aprendizagem consolidado e deve convertê-lo em um plano de unidades e aulas. # 2. Objetivo Converter o perfil de aprendizagem em um plano de unidades e aulas com objetivos, pré-requisitos, duração, atividades e avaliação. # 3. Regras que você deve seguir para gerar sua resposta - Se dados_suficientes=false, crie plano_sequencia com status="rascunho" e inclua pendencias.campo_faltante; caso contrário, status="aprovado_para_geracao". - Particione conteúdos por prioridade (A antes de B antes de C). Garanta que todo pré-requisito apareça antes do conteúdo dependente. - Calcule carga_semanal_min como min(tempo_disponivel_semana_min aluno, restricoes.tempo_total_semanais_min curriculo, se ambos existirem). Ajuste quantidade de aulas para caber nessa carga (tamanho padrão 30–50 min por aula). - Para cada aula: defina 1 objetivo claro no mesmo nível da taxonomia de nivel_complexidade_target do tópico dominante; inclua avaliação_formativa com critério objetivo (ex.: % acerto, checklist de passos). - Defina no mínimo um checkpoint a cada 2–3 aulas para revisão e recuperação. - Mapear cada aula a pelo menos um código de objetivo curricular; no final, calcule cobertura percentual dos objetivos do currículo e inclua em plano_sequencia.metricas.cobertura_objetivos (0–1).
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 arquivo JSON, que corresponde ao perfil de aprendizagem gerado pelo agente anterior.
-
Formatos Suportados: Esse agente deve ser capaz de receber inputs no formato:
.json. - Número de caracteres esperado: Este agente deve ter capacidade para processar um input de texto com até 10.000 caracteres.
2.3.2 Especificação do Output
- Formato de output: O output deve ser um arquivo no formato JSON contendo o plano de sequência didática. A estrutura deve definir unidades, aulas, objetivos, pré-requisitos, duração, atividades e avaliação.
-
Exemplo de Estrutura de Output:
{ "plano_sequencia": { "unidades": [ { "titulo": "Movimento e Força", "aulas": [ { "id": "Aula-1", "objetivo": "Aplicar MRU a situações do cotidiano", "conteudos": ["posição", "velocidade", "gráficos v x t"], "prerequisitos": ["Grandezas e unidades"], "estrategia": "exposição breve + prática guiada", "duracao_min": 45, "avaliacao_formativa": {"tipo": "quiz diagnóstico", "criterios": [">=75% acertos"]}, "recursos_previstos": ["planilha simples", "cartolinas"] } ], "mapa_objetivos_curriculares": ["BNCC-CN08-01"] } ], "carga_semanal_min": 90, "checkpoints": ["Revisão após Aula-2"], "sumativa": {"tipo": "projeto curto", "rubrica": ["conceitos", "aplicação", "comunicação"]} } } - Número de caracteres esperado: O JSON gerado deve ser claro e direto, com um tamanho estimado em 6.000 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: Não se conecta a sistemas externos.
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 Geração de Materiais Didáticos Personalizados (RF 3).
2.3.6 Regras de Orquestração e Transição
Ao concluir sua execução, esse agente aciona o Agente de Geração de Materiais Didáticos Personalizados (RF 3).
RF 3. Agente de Geração de Materiais Didáticos Personalizados
3.1 Tarefa do Agente
Produzir materiais de aula personalizados e nivelados com base no plano de sequência e perfil do aluno.
3.2 Prompt ou Instruções do Agente
# 1. Contexto e explicações sobre inputs iniciais Você está recebendo o plano de sequência e o perfil de aprendizagem dos alunos para produzir materiais didáticos personalizados. # 2. Objetivo Produzir materiais de aula personalizados e nivelados com base no plano de sequência e perfil do aluno. # 3. Regras que você deve seguir para gerar sua resposta - Idioma: use o idioma informado no perfil; se ausente, use pt-BR. - Cada aula deve conter: roteiro com tempos, explicacao (120–180 palavras), 1–3 exemplos contextualizados com os interesses do aluno, atividade_pratica com passos numerados, 3–6 exercícios com gabarito detalhado, versões niveladas (básico/intermediário/avançado), e pelo menos 1 item de engajamento explícito. - Diferenciação: aplique ajustes_acessibilidade do aluno (ex.: instruções curtas, segmentação por passos, linguagem simples). Evite jargões sem definição; quando necessário, inclua definição entre parênteses. - Alinhamento: para cada exercício, vincule o conteúdo ao objetivo da aula; cubra todos os conteúdos listados na aula com pelo menos 1 exercício. - Segurança e ética: evite temas sensíveis inapropriados à faixa etária; não inclua estereótipos; use exemplos inclusivos. - Formato de saída exclusivamente em JSON conforme esquema do expected_output; não incluir marcações externas.
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 dois artefatos como input: o plano de sequência didática e o perfil de aprendizagem dos alunos.
-
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.
3.3.2 Especificação do Output
- Formato de output: O output deve ser um arquivo no formato JSON contendo os materiais didáticos personalizados para cada aula. A estrutura deve incluir roteiro, explicação, exemplos, atividades práticas, exercícios, versões niveladas, e itens de engajamento.
-
Exemplo de Estrutura de Output:
{ "materiais": { "por_aula": [ { "aula_id": "Aula-1", "roteiro": "Abertura (5m), exemplo do cotidiano com futebol (10m), prática guiada (20m), checagem (10m)", "explicacao": "Texto claro e conciso...", "exemplos": ["Calcular velocidade média na corrida"], "atividade_pratica": {"descricao": "Medir deslocamento e tempo", "passos": ["passo 1", "passo 2"]}, "exercicios": [{"enunciado": "...", "nivel": "básico", "gabarito": "..."}], "versoes_niveladas": {"basico": "...", "intermediario": "...", "avancado": "..."}, "diferenciacoes": ["quebrar tarefas em micro-passos"], "itens_engajamento": ["exemplo com bicicleta"], "indicadores_leiturabilidade": {"alvo": "8º ano", "complexidade_relativa": "média"} } ] } } - Número de caracteres esperado: O JSON gerado deve ser claro e direto, com um tamanho estimado em 10.000 caracteres.
3.3.3 Parâmetros de Geração
- Modelo: GPT-5
- Temperatura: 0.6
3.3.4 Ferramentas do Agente
- Documentos: Não consulta documentos externos.
- Calculadora: Não utiliza.
- Busca Online: Não utiliza.
- Sistemas Externos: Não se conecta a sistemas externos.
3.3.5 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 Alinhamento e Qualidade (RF 4).
3.3.6 Regras de Orquestração e Transição
Ao concluir sua execução, esse agente aciona o Agente de Avaliação de Alinhamento e Qualidade (RF 4).
RF 4. Agente de Avaliação de Alinhamento e Qualidade
4.1 Tarefa do Agente
Verificar se os materiais atendem ao currículo, ao perfil do aluno e aos critérios de clareza, acessibilidade, segurança e cobertura; emitir veredicto e ajustes.
4.2 Prompt ou Instruções do Agente
# 1. Contexto e explicações sobre inputs iniciais Você está recebendo os materiais didáticos produzidos, o plano de sequência e o perfil de aprendizagem para avaliação de qualidade. # 2. Objetivo Verificar se os materiais atendem ao currículo, ao perfil do aluno e aos critérios de clareza, acessibilidade, segurança e cobertura; emitir veredicto e ajustes. # 3. Regras que você deve seguir para gerar sua resposta - Calcule cobertura_objetivos comparando códigos do currículo mapeados no plano_sequencia com os conteúdos efetivamente cobertos nos materiais; considere aprovado se cobertura >= 0.9. - Avalie alinhamento_nivel confrontando nivel_complexidade_target do perfil com a exigência cognitiva dos exercícios; marque "inadequado" se maioria dos itens estiver 1 nível acima/abaixo da meta. - Acessibilidade: verifique presença de instruções passo a passo, linguagem simples e diferenciações solicitadas; se faltar qualquer item obrigatório do perfil, adicione em ajustes_recomendados. - Leiturabilidade: sinalize como "inadequada" se explicacao exceder 200 palavras ou usar vocabulário excessivamente técnico sem definição. - Segurança e viés: liste qualquer conteúdo potencialmente discriminatório ou impróprio; se houver, defina aprovado=false. - Critérios de aprovação: aprovado=true somente se cobertura_objetivos>=0.9, alinhamento_nivel="adequado", acessibilidade≠"inadequada" e nenhum erro crítico; caso contrário, aprovado=false e preencha motivo_reprovacao e no mínimo 1 ajuste_recomendado com referência ao campo alvo (ex.: "por_aula[0].exercicios[2]").
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 três artefatos como input: os materiais didáticos produzidos, o plano de sequência e o perfil 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 texto com até 20.000 caracteres.
4.3.2 Especificação do Output
- Formato de output: O output deve ser um arquivo no formato JSON contendo o relatório de qualidade e alinhamento dos materiais. A estrutura deve incluir cobertura de objetivos, alinhamento de nível, acessibilidade, leiturabilidade, erros detectados, ajustes recomendados, e o veredicto de aprovação.
-
Exemplo de Estrutura de Output:
{ "qa_relatorio": { "cobertura_objetivos": 0.93, "alinhamento_nivel": "adequado", "acessibilidade": "adequada", "leiturabilidade": "coerente com 8º ano", "erros_detectados": [], "ajustes_recomendados": [], "aprovado": true, "motivo_reprovacao": null } } - Número de caracteres esperado: O JSON gerado deve ser claro e direto, com um tamanho estimado em 3.000 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: Não utiliza.
- 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 Revisão e Ajustes Finais (RF 5).
4.3.6 Regras de Orquestração e Transição
Ao concluir sua execução, esse agente aciona o Agente de Revisão e Ajustes Finais (RF 5).
RF 5. Agente de Revisão e Ajustes Finais
5.1 Tarefa do Agente
Aplicar os ajustes recomendados pelo QA e devolver materiais revisados com controle de versão e changelog.
5.2 Prompt ou Instruções do Agente
# 1. Contexto e explicações sobre inputs iniciais Você está recebendo os materiais didáticos, juntamente com o relatório de qualidade e ajustes recomendados. # 2. Objetivo Aplicar os ajustes recomendados pelo QA e devolver materiais revisados com controle de versão e changelog. # 3. Regras que você deve seguir para gerar sua resposta - Este agente só deve executar quando qa_relatorio.aprovado=false; caso contrário, retorne materiais inalterados e copie versão existente. - Para cada item em ajustes_recomendados, aplique a ação no alvo indicado mantendo intenção pedagógica e alinhamento ao objetivo da aula. - Atualize versão semântica: incremente o componente minor (ex.: 1.0 -> 1.1). Registre cada alteração em changelog com alvo, mudança e motivo. - Após ajustes, reavalie rapidamente regras básicas: extensão da explicacao (120–180 palavras), presença de diferenciações e engajamento; defina aprovacao_final_prevista=true se critérios aparentes forem atendidos. - Preserve estrutura JSON dos materiais; não remova campos obrigatórios adicionados por agentes anteriores.
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 dois artefatos como input: os materiais didáticos e o relatório de qualidade.
-
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 25.000 caracteres.
5.3.2 Especificação do Output
- Formato de output: O output deve ser um arquivo no formato JSON contendo os materiais revisados e aprovados. A estrutura deve incluir controle de versão e changelog.
-
Exemplo de Estrutura de Output:
{ "materiais_revisados": { "versao": "1.1", "por_aula": [...], "changelog": [ {"alvo": "por_aula[0].explicacao", "mudanca": "reduzido para ~150 palavras", "motivo": "leiturabilidade"} ] }, "aprovacao_final_prevista": true } - Número de caracteres esperado: O JSON gerado deve ser claro e direto, com um tamanho estimado em 5.000 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: Não utiliza.
- 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 é o entregável final e não precisa ser visível para outros agentes.
5.3.6 Regras de Orquestração e Transição
A execução deste agente finaliza o fluxo. Os materiais revisados e aprovados são o resultado que deve ser disponibilizado ao usuário.