1. Propósito e Escopo
Este documento define todos os prompts, configurações de memória, transição entre estados, consulta a documentos e demais requisitos funcionais para o Agente de IA para Criação de Relatórios de Atividades Extracurriculares. Essa documentação é um modelo de PRD ou Documento de Requisitos de Produto específicos para construção de Agentes de IA.
O objetivo deste agente é coletar, organizar e analisar dados de atividades extracurriculares, permitindo a personalização de relatórios para atender às necessidades dos usuários e gerar insights acionáveis para melhorar a oferta de atividades.
2. Contexto e Problema
Cenário Atual
As instituições educacionais enfrentam desafios significativos na gestão e análise de atividades extracurriculares. A necessidade de relatórios detalhados e personalizáveis sobre essas atividades é crucial para melhorar a oferta e o engajamento dos alunos.
Atualmente, a compilação e análise de grandes volumes de dados de atividades extracurriculares são processos manuais e demorados. Isso resulta em relatórios inconsistentes e pouco informativos, que não conseguem oferecer insights acionáveis para a melhoria contínua das atividades.
Problemas Identificados
- Necessidade de relatórios detalhados e personalizáveis: As instituições precisam de relatórios que possam ser ajustados conforme suas necessidades específicas.
- Dificuldade em compilar e analisar grandes volumes de dados: O processo manual atual é ineficiente e propenso a erros.
- Falta de insights acionáveis: Os relatórios existentes não fornecem recomendações claras que possam ser implementadas para melhorar as atividades.
3. Impactos Esperados
A implementação deste agente de IA visa alcançar os seguintes resultados:
- Aumentar a eficiência na geração de relatórios detalhados e personalizados.
- Melhorar a precisão e a consistência dos dados analisados.
- Gerar insights acionáveis que possam orientar melhorias nas atividades extracurriculares.
- Reduzir o tempo necessário para compilar e analisar dados de atividades.
4. Visão Geral da Solução
O agente de IA para criação de relatórios de atividades extracurriculares coleta e organiza dados de diversas fontes, permitindo a personalização dos relatórios e gerando insights acionáveis. A seguir são detalhadas todas as regras de negócio e especificações funcionais necessárias para que esse agente atue como um assistente eficiente e autônomo na geração de relatórios personalizados.
A solução é composta por um fluxo de automação que abrange a coleta de dados, normalização, análise e geração de relatórios personalizados.
| Agentes | Função Principal |
|---|---|
Agente de Preparação de Coleta Multi-Fonte | Transformar o briefing do usuário e as fontes disponíveis em parâmetros padronizados de coleta. |
Agente de Execução de Chamada à API | Realizar chamada à API de sistemas externos para obter dados de atividades extracurriculares. |
Agente de Execução de Consulta a Documento | Realizar consulta a documentos para extrair informações relacionadas às atividades. |
Agente de Consolidação, Normalização e Deduplicação de Dados | Unificar dados coletados de múltiplas fontes no esquema alvo, tratar formatos e remover duplicidades. |
Agente de Validação de Qualidade e Regras de Negócio | Aplicar validações de integridade, qualidade dos dados e regras de negócio específicas do contexto escolar. |
Agente de Definição de Personalização do Relatório | Traduzir preferências do usuário em uma especificação formal de relatório. |
Agente de Geração de Relatório de Atividades | Aplicar a especificação do relatório ao dataset validado para produzir um relatório detalhado e personalizável. |
Agente de Geração de Insights Acionáveis | Identificar padrões, gargalos e oportunidades a partir do relatório e dos sumários, propondo ações concretas. |
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 usuário receberá. Explore os links abaixo para entender melhor a solução em ação.
6. Requisitos Funcionais
RF 1. Agente de Preparação de Coleta Multi-Fonte
1.1 Tarefa do Agente
Transformar o briefing do usuário e as fontes disponíveis em parâmetros padronizados de coleta (APIs, documentos e arquivos) e mapear o esquema alvo.
1.2 Prompt ou Instruções do Agente
# 1. Contexto e explicações sobre inputs iniciais
Você está recebendo um briefing do usuário contendo informações sobre atividades extracurriculares e fontes disponíveis para coleta de dados.
# 2. Objetivo
Transformar o briefing e as fontes disponíveis em parâmetros padronizados de coleta, como APIs, documentos e arquivos, e mapear o esquema alvo.
# 3. Regras que você deve seguir para gerar sua resposta
- Converter toda instrução de período para ISO-8601 (YYYY-MM-DD) e incluir em todos os payloads de coleta quando aplicável.
- Normalizar filtros do usuário em operadores explícitos (ex.: min_participantes => {"operador": ">=", "valor": 10}).
- Mapear campos heterogêneos de fontes para o esquema_alvo; quando inexistentes, definir política: preencher como null e registrar em "campos_ausentes" para a etapa de validação.
- Incluir paginação padrão nos parâmetros de API (page=1, per_page=1000) sem ultrapassar limites conhecidos quando informados no input.
- Produzir lista de chaves de unicidade preliminar: ["id"], fallback: ["nome","data","local"]. 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 briefing do usuário 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 briefing do usuário que contém informações sobre atividades extracurriculares e fontes de dados disponíveis.
-
Formatos Suportados: Esse agente deve ser capaz de receber briefings 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 contendo os parâmetros de coleta padronizados e o esquema alvo mapeado.
-
Exemplo de Estrutura de Output:
{ "parametros_coleta": [ { "fonte_id": "api_sistema_x", "tipo": "api", "payload": { "endpoint": "/atividades", "query": { "data_inicio": "2025-01-01", "data_fim": "2025-06-30", "categoria": ["esportes", "arte"] }, "campos": ["id", "nome", "categoria", "data", "duracao_min", "participantes", "local", "responsavel"] } } ], "esquema_alvo": { "id": "string", "nome": "string", "categoria": "string", "data": "date", "duracao_min": "number", "participantes": "number", "local": "string", "responsavel": "string", "status": "string", "publico_alvo": "string" } } - Número de caracteres esperado: O JSON gerado deve ter um tamanho aproximado de 2.000 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 próximo agente no fluxo.
1.3.6 Regras de Orquestração e Transição
Ao concluir sua execução, esse agente aciona o próximo agente no fluxo.