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 "Elaboração de Planos de Estudo Personalizados", uma solução projetada para analisar o histórico acadêmico dos alunos e recomendar planos de estudo personalizados para preparação de exames e vestibulares. Essa documentação é um modelo de PRD ou Documento de Requisitos de Produto específicos para construção de Agentes de IA.
O objetivo principal é criar um agente que identifique áreas prioritárias de estudo e adapte o plano conforme o desempenho contínuo dos alunos, oferecendo um aprendizado mais personalizado e eficiente.
2. Contexto e Problema
Cenário Atual
Alunos enfrentam dificuldades significativas ao tentar identificar áreas prioritárias de estudo e montar um plano de estudos eficiente. Além disso, os métodos de ensino frequentemente carecem de personalização, não considerando as necessidades e o ritmo individual de cada aluno.
Problemas Identificados
- Dificuldade de priorização: Alunos têm dificuldade em identificar quais áreas de estudo precisam de mais atenção.
- Lacunas de personalização: Métodos de ensino padronizados não se ajustam às necessidades individuais dos alunos.
- Falta de adaptação contínua: Planos de estudo não são atualizados com base no progresso do aluno.
3. Impactos Esperados
A implementação deste agente visa alcançar os seguintes resultados:
- Melhorar a eficácia do estudo ao recomendar planos personalizados que se adaptam ao progresso do aluno.
- Aumentar a motivação do aluno ao fornecer um plano de estudos que respeita seu ritmo e necessidades.
- Facilitar a identificação de áreas de dificuldade para que os alunos possam focar onde mais precisam melhorar.
4. Visão Geral da Solução
O agente de IA para elaboração de planos de estudo personalizados analisa o histórico acadêmico dos alunos, identifica pontos fortes e fracos e recomenda um plano de estudos adaptativo para otimizar a preparação para exames e vestibulares. 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 elaboração de planos de estudo personalizados que seguem as especificidades do aluno.
A solução consiste em um fluxo de automação composto por 3 agentes de IA. O processo inicia com a análise do histórico acadêmico e termina com a adaptação contínua do plano de estudos com base no feedback do aluno.
A execução dos agentes é sequencial e linear, seguindo a ordem definida na tabela abaixo.
| Agentes | Função Principal |
|---|---|
Agente de Análise do Histórico Acadêmico (RF 1)
| Analisar o histórico acadêmico dos alunos para identificar pontos fortes e fracos. |
Agente de Recomendação de Plano de Estudo (RF 2)
| Recomendar um plano de estudos que priorize áreas de maior dificuldade. |
Agente de Adaptação do Plano de Estudo (RF 3)
| Adaptar o plano de estudos de acordo com o progresso do aluno, incorporando feedback contínuo. |
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 aluno receberá. Explore os links abaixo para entender melhor a solução em ação.
6. Requisitos Funcionais
RF 1. Agente de Análise do Histórico Acadêmico
1.1 Tarefa do Agente
Analisar o histórico acadêmico dos alunos para identificar pontos fortes e fracos.
1.2 Prompt ou Instruções do Agente
# 1. Contexto e explicações sobre inputs iniciais Você está recebendo o histórico acadêmico de um aluno em formato de texto ou planilha. Este documento contém informações sobre as disciplinas cursadas, notas obtidas e frequência de participação. # 2. Objetivo Analisar o histórico acadêmico para identificar pontos fortes e fracos do aluno. # 3. Regras que você deve seguir para gerar sua resposta - Analise o histórico acadêmico fornecido, identificando com precisão as disciplinas onde o aluno demonstra maior e menor desempenho. - Use critérios objetivos, como notas e frequência de participação, para determinar as áreas fortes e fracas. - Documente as áreas identificadas em um formato estruturado para uso posterior no fluxo. # 4. Exemplo de Output que você deve produzir **Áreas Fortes:** Matemática, Ciências **Áreas Fracas:** Literatura, História
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 documento de histórico acadêmico via API. Na fase de testes, o fluxo será iniciado pelo envio manual dos dados, que serão enviados para o agente diretamente por upload do arquivo na interface da Prototipe AI, para acelerar o processo de validação.
- Tipo do input: O input inicial para o fluxo é um documento de histórico acadêmico, que pode ser em formato de texto ou planilha.
-
Formatos Suportados: Esse agente deve ser capaz de receber documentos nos formatos:
.txt,.csv,.xlsx. - Número de caracteres esperado: Este agente deve ter capacidade para processar um input de texto com até 30.000 caracteres.
1.3.2 Especificação do Output
- Formato de output: O output deve ser um texto formatado que documenta as áreas fortes e fracas do aluno. A estrutura deve iniciar com um cabeçalho contendo os campos `Áreas Fortes` e `Áreas Fracas`.
-
Exemplo de Estrutura de Output:
**Áreas Fortes:** Matemática, Ciências **Áreas Fracas:** Literatura, História
- Número de caracteres esperado: O texto final deve ser conciso e informativo, com um tamanho estimado em torno de 500 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 Recomendação de Plano de Estudo (RF 2).
1.3.6 Regras de Orquestração e Transição
Ao concluir sua execução, esse agente aciona o Agente de Recomendação de Plano de Estudo (RF 2).
RF 2. Agente de Recomendação de Plano de Estudo
2.1 Tarefa do Agente
Recomendar um plano de estudos que priorize áreas de maior dificuldade.
2.2 Prompt ou Instruções do Agente
# 1. Contexto e explicações sobre inputs iniciais Você está recebendo dados sobre os pontos fortes e fracos do aluno. Este documento foi gerado por um agente anterior e detalha as disciplinas onde o aluno demonstra maior e menor desempenho. # 2. Objetivo Recomendar um plano de estudos que priorize áreas de maior dificuldade. # 3. Regras que você deve seguir para gerar sua resposta - Com base nos dados de desempenho do aluno, elabore um plano de estudos que enfatize a melhoria nas áreas de dificuldade identificadas. - Priorize a alocação de tempo e recursos para essas disciplinas, garantindo um equilíbrio com as áreas fortes para manutenção do desempenho. - Estruture o plano de estudos de forma clara e prática, facilitando a adesão do aluno. # 4. Exemplo de Output que você deve produzir **Plano de Estudo:** - Segunda-feira: Literatura - Terça-feira: História
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 texto que documenta as áreas fortes e fracas do aluno, gerado pelo agente anterior.
-
Formatos Suportados: Esse agente deve ser capaz de receber inputs no formato:
.txt. - Número de caracteres esperado: Este agente deve ter capacidade para processar um input de texto com até 500 caracteres.
2.3.2 Especificação do Output
- Formato de output: O output deve ser um texto formatado que descreve o plano de estudos recomendado. A estrutura deve listar os dias da semana e as disciplinas associadas a cada dia.
-
Exemplo de Estrutura de Output:
**Plano de Estudo:** - Segunda-feira: Literatura - Terça-feira: História
- Número de caracteres esperado: O texto final deve ser claro e direto, com um tamanho estimado em torno de 300 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: Não utiliza.
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 Adaptação do Plano de Estudo (RF 3).
2.3.6 Regras de Orquestração e Transição
Ao concluir sua execução, esse agente aciona o Agente de Adaptação do Plano de Estudo (RF 3).
RF 3. Agente de Adaptação do Plano de Estudo
3.1 Tarefa do Agente
Adaptar o plano de estudos de acordo com o progresso do aluno, incorporando feedback contínuo.
3.2 Prompt ou Instruções do Agente
# 1. Contexto e explicações sobre inputs iniciais Você está recebendo feedback do aluno sobre o progresso no plano de estudos. Este feedback inclui informações sobre as áreas onde o aluno está progredindo ou enfrentando dificuldades adicionais. # 2. Objetivo Adaptar o plano de estudos para refletir o progresso do aluno, garantindo suporte adequado e desafios equilibrados. # 3. Regras que você deve seguir para gerar sua resposta - Receba e analise o feedback contínuo do aluno sobre o plano de estudos atual. - Identifique áreas onde o aluno está progredindo ou enfrentando dificuldades adicionais. - Ajuste o plano de estudos para refletir essas mudanças, garantindo que o aluno receba suporte adequado e um desafio equilibrado. - Documente todas as adaptações para futuras referências e ajustes. # 4. Exemplo de Output que você deve produzir **Plano de Estudo Adaptado:** - Segunda-feira: Literatura - Terça-feira: História - Quarta-feira: Revisão de Matemática
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 feedback do aluno sobre o progresso no plano de estudos.
-
Formatos Suportados: Esse agente deve ser capaz de receber inputs no formato:
.txt. - Número de caracteres esperado: Este agente deve ter capacidade para processar um input de texto com até 1.000 caracteres.
3.3.2 Especificação do Output
- Formato de output: O output deve ser um texto formatado que descreve o plano de estudos adaptado. A estrutura deve listar os dias da semana e as disciplinas associadas a cada dia, com as adaptações necessárias.
-
Exemplo de Estrutura de Output:
**Plano de Estudo Adaptado:** - Segunda-feira: Literatura - Terça-feira: História - Quarta-feira: Revisão de Matemática
- Número de caracteres esperado: O texto final deve ser claro e direto, com um tamanho estimado em torno de 500 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
- 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.
3.3.6 Regras de Orquestração e Transição
A execução deste agente finaliza o fluxo. O plano de estudos adaptado é o resultado que deve ser disponibilizado ao aluno.