Agente de IA para Elaboração de Relatório de Perfil de Investidor

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

Como criar um agente de IA que analisa dados coletados de entrevistas e questionários para gerar relatórios personalizados.

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 Relatório de Perfil de Investidor", uma solução projetada para sintetizar dados coletados de entrevistas e questionários em relatórios personalizados de perfil de investidor. Essa documentação é um modelo de PRD ou Documento de Requisitos de Produto específicos para construção de Agentes de IA.

O objetivo principal é transformar as informações coletadas em relatórios detalhados que destacam recomendações personalizadas de investimento, alinhadas aos objetivos e perfil de risco do investidor.

2. Contexto e Problema

Cenário Atual

No cenário atual, a análise e síntese de dados coletados de entrevistas e questionários para a elaboração de relatórios de perfil de investidor é um processo manual e suscetível a erros. Os principais desafios incluem:

  • Síntese eficaz das informações coletadas para gerar relatórios precisos.
  • Necessidade de personalização das recomendações de investimento com base no perfil do investidor.

Problemas Identificados

  • Tempo e Recursos: O processo manual consome tempo e recursos significativos, limitando a capacidade de atender a um grande número de clientes.
  • Precisão e Consistência: A análise manual pode levar a inconsistências e erros nos relatórios gerados.
  • Personalização: A dificuldade em personalizar recomendações de investimento com base em perfis individuais pode resultar em sugestões genéricas ou inadequadas.

3. Impactos Esperados

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

  • Aumento da Eficiência: Automatizar a síntese de dados e geração de relatórios reduzirá o tempo necessário para produzir cada relatório.
  • Melhoria na Precisão: A aplicação de algoritmos de análise de dados assegurará maior precisão e consistência nos relatórios gerados.
  • Personalização Avançada: As recomendações serão mais bem alinhadas aos objetivos e perfil de risco de cada investidor.

4. Visão Geral da Solução

O agente de IA para elaboração de relatórios de perfil de investidor processa dados coletados de entrevistas e questionários, aplica algoritmos de análise de dados para interpretar as respostas e gera relatórios detalhados com recomendações personalizadas. 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 relatórios de perfil de investidor que seguem as especificidades de cada cliente.

A solução consiste em um fluxo de automação composto por 4 agentes de IA. O processo inicia com a normalização e validação dos dados de entrada e termina com a elaboração do relatório final do perfil de investidor.

Agentes Função Principal
Agente de Normalização e Validação de Entradas (RF 1) Unificar e validar os dados brutos de entrevistas e questionários em um esquema padronizado.
Agente de Síntese de Dados de Entrevistas e Questionários (RF 2) Gerar uma síntese coerente e acionável dos dados normalizados.
Agente de Classificação de Perfil de Investidor (RF 3) Classificar o perfil de risco do investidor e definir limites de adequação com base na síntese.
Agente de Elaboração de Relatório de Perfil de Investidor (RF 4) Produzir o relatório final do perfil de investidor com recomendações personalizadas.

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 Normalização e Validação de Entradas

1.1 Tarefa do Agente

Unificar e validar os dados brutos de entrevistas e questionários em um esquema padronizado, pronto para análise.

1.2 Prompt ou Instruções do Agente
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo dados brutos heterogêneos de entrevistas e questionários em JSON. Esses dados contêm informações de texto livre, múltipla escolha, escalas e números.

# 2. Objetivo
Unificar e validar esses dados em um JSON único e padronizado com campos normalizados, tipos coerentes, valores em escalas definidas e lista de inconsistências ou ausências tratadas.

# 3. Regras que você deve seguir para gerar sua resposta
- Mapeie todos os campos recebidos para um esquema alvo com as chaves: identificacao.{nome,idade,sexo,estado_civil}, renda.{mensal_liquida,estabilidade_meses}, patrimonio.{total,liquidez_imediata}, objetivos.[{descricao,prioridade,horizonte_anos,valor_objetivo}], conhecimento.{autoavaliacao_1a5,experiencia_anos,exposicao_produtos:[produtos]}, risco.{tolerancia_1a5,capacidade_perda_percentual,necessidade_liquidez_1a5}, preferencias.{esg_boolean,restricoes_setoriais:[setor],preferencia_tributaria:[opcao]}, constraints.{nao_investir_em:[itens]}
- Converta escalas textuais para numéricas onde aplicável: {muito_baixo=1, baixo=2, médio=3, alto=4, muito_alto=5}. Normalize sim/nao para boolean. Remova símbolos monetários e converta valores para número em BRL.
- Trate campos ausentes definindo null e registre em inconsistencias.missing_fields a lista de chaves ausentes. Não infira valores não declarados.
- Valide faixas: idade [18..100]; renda_mensal >= 0; patrimonio_total >= 0; capacidade_perda_percentual [0..100]; horizontes em anos [0..60]. Valores fora de faixa devem ser corrigidos para null e registrados em inconsistencias.out_of_range com {campo,valor_recebido,faixa_esperada}.
- Detecte contradições: necessidade_liquidez_1a5 >=4 e horizonte_anos >=20 para o mesmo objetivo; capacidade_perda_percentual <5 e tolerancia_1a5>=4; renda_mensal=0 e patrimonio_total alto (>1e6). Liste em inconsistencias.contradicoes com {tipo,descricao,evidencias}.
- Derive campos auxiliares: idade_grupo ∈ {18-25,26-35,36-45,46-60,60+}; renda_faixa ∈ {ate_3k,3k-10k,10k-25k,25k-50k,50k+}; patrimonio_faixa ∈ {ate_50k,50k-200k,200k-1m,1m-5m,5m+}.
- Padronize prioridades de objetivos para inteiros 1 (mais alto) a 3 (mais baixo); se ausente, atribua 2 e marque em inconsistencias.assumptions.
- Saída deve incluir carimbo: meta.processing_version='v1' e meta.timestamp_iso. 
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 dados de entrevistas e questionários via API. Na fase de testes, os dados serão enviados pelo agente diretamente por upload de um arquivo JSON na interface da Prototipe AI, para acelerar o processo de validação.
  • Tipo do input: O input inicial para o fluxo é um arquivo JSON contendo dados brutos de entrevistas e questionários.
  • Formatos Suportados: Esse agente deve ser capaz de receber arquivos 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 JSON único e padronizado com campos normalizados, tipos coerentes e uma lista de inconsistências ou ausências tratadas.
  • Exemplo de Estrutura de Output:
     {
      "identificacao": {
        "nome": "João Silva",
        "idade": 30,
        "sexo": "masculino",
        "estado_civil": "solteiro"
      },
      "renda": {
        "mensal_liquida": 5000,
        "estabilidade_meses": 24
      },
      "patrimonio": {
        "total": 200000,
        "liquidez_imediata": 50000
      },
      "objetivos": [
        {
          "descricao": "Comprar uma casa",
          "prioridade": 1,
          "horizonte_anos": 10,
          "valor_objetivo": 300000
        }
      ],
      "conhecimento": {
        "autoavaliacao_1a5": 3,
        "experiencia_anos": 5,
        "exposicao_produtos": ["ações", "fundos imobiliários"]
      },
      "risco": {
        "tolerancia_1a5": 4,
        "capacidade_perda_percentual": 10,
        "necessidade_liquidez_1a5": 2
      },
      "preferencias": {
        "esg_boolean": true,
        "restricoes_setoriais": ["tabaco"],
        "preferencia_tributaria": ["isencao_IR"]
      },
      "constraints": {
        "nao_investir_em": ["armas"]
      },
      "inconsistencias": {
        "missing_fields": [],
        "out_of_range": [],
        "contradicoes": []
      },
      "meta": {
        "processing_version": "v1",
        "timestamp_iso": "2025-12-22T08:08:00Z"
      }
    } 
  • Número de caracteres esperado: O JSON final deve ser conciso e informativo, com um tamanho estimado em torno 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

1.3.6 Regras de Orquestração e Transição

Ao concluir sua execução, esse agente aciona o Agente de Síntese de Dados de Entrevistas e Questionários (RF 2).

RF 2. Agente de Síntese de Dados de Entrevistas e Questionários

2.1 Tarefa do Agente

Gerar uma síntese coerente e acionável dos dados normalizados para suportar classificação de perfil.

2.2 Prompt ou Instruções do Agente
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo um JSON padronizado e validado produzido pelo Agente de Normalização e Validação de Entradas. Este JSON contém indicadores-chave e uma lista consolidada de riscos e necessidades do investidor.

# 2. Objetivo
Gerar uma síntese coerente e acionável desses dados para suportar a classificação de perfil de investidor.

# 3. Regras que você deve seguir para gerar sua resposta
- Construa indicadores: horizonte_global_anos = média ponderada dos objetivos por prioridade (peso 3 para prioridade 1, 2 para 2, 1 para 3); necessidade_liquidez = máximo de risco.necessidade_liquidez_1a5 e sinalizadores de objetivos com horizonte <=1 ano.
- Calcule estabilidade_renda_score: se estabilidade_meses>=24 então 5; 12-23 então 4; 6-11 então 3; 1-5 então 2; 0 então 1.
- Determine conhecimento_score = clamp(conhecimento.autoavaliacao_1a5,1,5); experiencia_score = min(5, 1 + floor(conhecimento.experiencia_anos/3)).
- Produza resumo_narrativo em até 120 palavras cobrindo: renda_faixa, patrimonio_faixa, principais objetivos (top 3), horizonte_global_anos, necessidade_liquidez, preferências ESG/tributárias e restrições.
- Consolide riscos_identificados: ['alta_necessidade_liquidez' se necessidade_liquidez>=4, 'baixa_capacidade_perda' se capacidade_perda_percentual<=5, 'renda_instavel' se estabilidade_renda_score<=2, 'conhecimento_baixo' se conhecimento_score<=2].
- Liste inconsistencias herdadas do agente anterior e acrescente divergencias se resumo_narrativo exigir suavizações (sem alterar números).
- Garanta que todos os números estejam em escala 1..5 onde indicado e anos em inteiros. Inclua meta.processing_version='v1' e herde meta.timestamp_iso. 
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 JSON padronizado e validado contendo dados de entrevistas e questionários.
  • 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.

2.3.2 Especificação do Output

  • Formato de output: O output deve ser um JSON de síntese com indicadores-chave, resumo narrativo e lista consolidada de riscos e necessidades.
  • Exemplo de Estrutura de Output:
     {
      "indicadores_chave": {
        "horizonte_global_anos": 10,
        "necessidade_liquidez": 3,
        "estabilidade_renda_score": 4,
        "conhecimento_score": 3,
        "experiencia_score": 4
      },
      "resumo_narrativo": "João Silva possui uma renda mensal na faixa de 3k-10k e um patrimônio na faixa de 50k-200k. Seus principais objetivos incluem comprar uma casa, e ele possui um horizonte global de 10 anos. Suas necessidades de liquidez são moderadas, e ele tem preferências por investimentos ESG e restrições setoriais em tabaco."
      "riscos_identificados": ["renda_instavel", "conhecimento_baixo"],
      "inconsistencias": {
        "missing_fields": [],
        "out_of_range": [],
        "contradicoes": []
      },
      "meta": {
        "processing_version": "v1",
        "timestamp_iso": "2025-12-22T08:08:00Z"
      }
    } 
  • Número de caracteres esperado: O JSON de síntese deve ser conciso e informativo, com um tamanho estimado em torno de 3.000 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

2.3.6 Regras de Orquestração e Transição

Ao concluir sua execução, esse agente aciona o Agente de Classificação de Perfil de Investidor (RF 3).

RF 3. Agente de Classificação de Perfil de Investidor

3.1 Tarefa do Agente

Classificar o perfil de risco do investidor e definir limites de adequação (suitability) com base na síntese.

3.2 Prompt ou Instruções do Agente
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo um JSON de síntese com indicadores de risco, horizonte, conhecimento/experiência e necessidades do investidor.

# 2. Objetivo
Classificar o perfil de risco do investidor e definir limites de adequação (suitability) com base na síntese recebida.

# 3. Regras que você deve seguir para gerar sua resposta
- Compute risk_score (0..100) com pesos: tolerancia_1a5 (40%), horizonte_global_anos (20%), conhecimento_score (15%), experiencia_score (10%), estabilidade_renda_score (10%), necessidade_liquidez (−15%).
- Normalização dos componentes: tolerancia_norm = (tolerancia_1a5−1)/4*100; conhecimento_norm idem; experiencia_norm idem; estabilidade_norm idem; horizonte_norm = min(horizonte_global_anos,30)/30*100; liquidez_norm = (necessidade_liquidez−1)/4*100; risk_score = 0.40*tolerancia_norm + 0.20*horizonte_norm + 0.15*conhecimento_norm + 0.10*experiencia_norm + 0.10*estabilidade_norm − 0.15*liquidez_norm.
- Ajustes: se idade_grupo='60+' subtraia 5 pontos; se capacidade_perda_percentual>=25 some 3 pontos; se 'alta_necessidade_liquidez' subtraia 5 adicionais.
- Mapeie categoria: Conservador (<30), Moderado (30..59), Arrojado (60..79), Agressivo (>=80).
- Defina faixas de alocação máximas por categoria: Conservador {renda_fixa: 80-100, multimercado: 0-10, renda_variavel: 0-10, internacional: 0-10, caixa: 0-20, alternativos: 0-5}; Moderado {renda_fixa: 50-80, multimercado: 0-20, renda_variavel: 0-30, internacional: 0-20, caixa: 0-15, alternativos: 0-10}; Arrojado {renda_fixa: 30-60, multimercado: 0-25, renda_variavel: 10-50, internacional: 0-30, caixa: 0-10, alternativos: 0-15}; Agressivo {renda_fixa: 10-40, multimercado: 0-30, renda_variavel: 20-70, internacional: 0-40, caixa: 0-10, alternativos: 0-20}.
- Imponha restrições: se necessidade_liquidez>=4, caixa mínimo 10%; se horizonte_global_anos<=2, renda_variavel máximo 10% e alternativos 0%; se conhecimento_score<=2, desabilitar derivativos e produtos complexos.
- Inclua suitability_flags: {produtos_complexos_permitidos:boolean, investimento_no_exterior_permitido:boolean, alavancagem_permitida:false sempre}. Baseie 'exterior' em tolerancia_norm>=50 e horizonte_global_anos>=3.
- Justifique em até 80 palavras a categoria com dados objetivos (tolerância, horizonte, liquidez, conhecimento).
- Inclua meta.processing_version='v1' e herde meta.timestamp_iso. 
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 como input um JSON de síntese contendo indicadores de risco, horizonte, conhecimento/experiência e necessidades do investidor.
  • 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 3.000 caracteres.

3.3.2 Especificação do Output

  • Formato de output: O output deve ser um JSON de perfil contendo categoria, score, justificativas, limites de alocação por classe de ativos e restrições de suitability.
  • Exemplo de Estrutura de Output:
     {
      "categoria": "Moderado",
      "risk_score": 55,
      "justificativa": "Com base na tolerância ao risco moderada, horizonte de 10 anos e necessidade de liquidez, o perfil é classificado como Moderado.",
      "limites_de_alocacao": {
        "renda_fixa": "50-80%",
        "multimercado": "0-20%",
        "renda_variavel": "0-30%",
        "internacional": "0-20%",
        "caixa": "0-15%",
        "alternativos": "0-10%"
      },
      "restricoes": {
        "produtos_complexos_permitidos": false,
        "investimento_no_exterior_permitido": true,
        "alavancagem_permitida": false
      },
      "meta": {
        "processing_version": "v1",
        "timestamp_iso": "2025-12-22T08:08:00Z"
      }
    } 
  • Número de caracteres esperado: O JSON de perfil deve ser conciso e informativo, com um tamanho estimado em torno de 2.000 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

3.3.6 Regras de Orquestração e Transição

Ao concluir sua execução, esse agente aciona o Agente de Elaboração de Relatório de Perfil de Investidor (RF 4).

RF 4. Agente de Elaboração de Relatório de Perfil de Investidor

4.1 Tarefa do Agente

Produzir o relatório final do perfil de investidor com recomendações personalizadas, alinhadas a objetivos e perfil de risco.

4.2 Prompt ou Instruções do Agente
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo um JSON de perfil (categoria, score, limites) e a síntese de dados do investidor.

# 2. Objetivo
Produzir o relatório final do perfil de investidor com recomendações personalizadas, alinhadas a objetivos e perfil de risco.

# 3. Regras que você deve seguir para gerar sua resposta
- Estruture o relatório em seções: 1) Resumo Executivo; 2) Dados do Investidor (somente informações não sensíveis além do primeiro nome e faixas); 3) Perfil e Justificativa; 4) Objetivos e Horizontes; 5) Recomendações de Alocação (% por classe: caixa, renda fixa, multimercado, renda variável, internacional, alternativos); 6) Sugestões de Produtos Exemplificativos (genéricos, sem marcas); 7) Rebalanceamento e Próximos Passos; 8) Disclaimers de suitability.
- Calcule a alocação sugerida garantindo que o somatório seja 100%, respeitando as faixas da categoria e restrições (ex.: liquidez>=10% quando necessidade_liquidez>=4; RV<=10% se horizonte<=2). Aumente caixa/renda_fixa para objetivos de curto prazo; aumente RV e internacional para horizonte longo e alta tolerância, dentro dos limites.
- Considere preferências: se preferencias.esg_boolean=true, priorize estratégias ESG; se preferencia_tributaria inclui 'isencao_IR', destaque LCIs/LCAs/CRI/CRA isentos dentro de renda fixa quando elegíveis.
- Evite recomendações de ativos específicos por ticker/marca. Use categorias (ex.: 'ETF de índice amplo', 'título público IPCA+ 2030').
- Inclua plano de rebalanceamento: periodicidade trimestral ou semestral conforme volatilidade esperada da categoria (Conservador: semestral; Moderado/Arrojado/Agressivo: trimestral).
- Apresente riscos principais: alinhe com riscos_identificados da síntese. Inclua aviso de que retornos não são garantidos e que a decisão final cabe ao investidor/assessor.
- Anexe JSON de metadados ao final do relatório com: {categoria, risk_score, faixas_usadas, alocacao_recomendada_por_classe, restricoes_aplicadas, data_iso}.
- Mantenha linguagem clara, sem jargões excessivos. Números com 0 casa decimal para percentuais. Não extrapole além dos dados fornecidos; quando houver incerteza, explicite suposições no texto. 
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 como input um JSON de perfil contendo categoria, score, limites de alocação por classe de ativos e restrições de suitability, além da síntese de dados do investidor.
  • 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.

4.3.2 Especificação do Output

  • Formato de output: O output deve ser um relatório de perfil de investidor em formato markdown, com seções padronizadas e recomendações de alocação; anexo de metadados em JSON.
  • Exemplo de Estrutura de Output:
     # Resumo Executivo
    João Silva possui perfil de risco Moderado com um horizonte de investimento de 10 anos. As recomendações a seguir são personalizadas de acordo com seus objetivos e restrições.
    
    # Dados do Investidor
    - Nome: João Silva
    - Renda Mensal: 3k-10k
    - Patrimônio: 50k-200k
    
    # Perfil e Justificativa
    O perfil de risco é classificado como Moderado com base na tolerância ao risco, horizonte de 10 anos e necessidade de liquidez.
    
    # Objetivos e Horizontes
    - Comprar uma casa em 10 anos
    
    # Recomendações de Alocação
    - Renda Fixa: 50-80%
    - Multimercado: 0-20%
    - Renda Variável: 0-30%
    - Internacional: 0-20%
    - Caixa: 0-15%
    - Alternativos: 0-10%
    
    # Sugestões de Produtos Exemplificativos
    - ETF de índice amplo
    - Título público IPCA+ 2030
    
    # Rebalanceamento e Próximos Passos
    Recomenda-se um rebalanceamento trimestral devido à volatilidade esperada.
    
    # Disclaimers de Suitability
    Retornos não são garantidos. A decisão final cabe ao investidor/assessor.
    
    ---
    
    {
      "categoria": "Moderado",
      "risk_score": 55,
      "faixas_usadas": {
        "renda_fixa": "50-80%",
        "multimercado": "0-20%",
        "renda_variavel": "0-30%",
        "internacional": "0-20%",
        "caixa": "0-15%",
        "alternativos": "0-10%"
      },
      "alocacao_recomendada_por_classe": {
        "renda_fixa": 65,
        "multimercado": 10,
        "renda_variavel": 15,
        "internacional": 5,
        "caixa": 5,
        "alternativos": 0
      },
      "restricoes_aplicadas": {
        "produtos_complexos_permitidos": false,
        "investimento_no_exterior_permitido": true,
        "alavancagem_permitida": false
      },
      "data_iso": "2025-12-22T08:08:00Z"
    } 
  • Número de caracteres esperado: O relatório final deve ser detalhado e informativo, com um tamanho estimado em torno de 10.000 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 é o entregável final e não é passada para outros agentes internos.

4.3.6 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.