Agente de IA para Feedback Personalizado em Avaliações

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

Como criar um agente de IA que gera feedbacks personalizados para alunos com base nas suas respostas em avaliações.

Biblioteca de Prompts e Agentes

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 "Feedback Personalizado em Avaliações", uma solução orientada para fornecer feedbacks personalizados aos alunos com base em suas respostas em avaliações. Essa documentação é um modelo de PRD ou Documento de Requisitos de Produto específicos para construção de Agentes de IA.

O objetivo principal é analisar as respostas dos alunos e gerar feedbacks personalizados que promovam um aprendizado mais direcionado e eficaz, atendendo às necessidades individuais dos alunos.

2. Contexto e Problema

Cenário Atual

No cenário educacional atual, muitos alunos não recebem feedbacks personalizados que atendam às suas necessidades específicas. Isso dificulta a promoção de um aprendizado direcionado e eficaz.


Problemas Identificados

  • Falta de feedback personalizado: Os alunos não recebem orientações específicas que atendam às suas necessidades individuais.
  • Dificuldade em promover aprendizado direcionado: A ausência de feedbacks personalizados impede que o aprendizado seja focado nas áreas de maior dificuldade do aluno.

3. Impactos Esperados

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

  • Fornecer feedbacks personalizados que atendam às necessidades individuais dos alunos.
  • Promover um aprendizado direcionado e eficaz ao sugerir recursos e estratégias de aprendizado personalizados.
  • Incentivar a melhoria contínua através de feedbacks construtivos e motivadores.

4. Visão Geral da Solução

O agente de IA para feedback personalizado em avaliações analisa as respostas dos alunos, identifica áreas de dificuldade e fornece feedbacks específicos e motivadores, além de sugerir recursos e estratégias de aprendizado. A seguir são detalhadas todas as regras de negócio e especificações funcionais necessárias para que esse agente atue como um assistente de aprendizado eficaz e personalizado.

A solução consiste em um fluxo de automação composto por 3 agentes de IA. O processo inicia com a estruturação das respostas dos alunos e termina com a geração de feedbacks personalizados e planos de estudo.

A execução dos agentes é sequencial e linear, seguindo a ordem definida na tabela abaixo.

Agentes Função Principal
Agente de Estruturação de Respostas e Contexto (RF 1) Normalizar as respostas dos alunos em um dataset estruturado com metadados necessários para avaliação.
Agente de Diagnóstico e Classificação de Desempenho (RF 2) Avaliar cada resposta, identificar acertos, erros parciais, lacunas conceituais e misconceitos.
Agente de Feedback Personalizado e Plano de Estudo (RF 3) Gerar feedbacks específicos e um plano de estudo direcionado com recursos e estratégias alinhados às dificuldades do aluno.

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.

Ver Agente na Prototipe AI

6. Requisitos Funcionais

RF 1. Agente de Estruturação de Respostas e Contexto

1.1 Tarefa do Agente

Receber respostas dos alunos e normalizar em um dataset estruturado com metadados necessários para avaliação.

1.2 Prompt ou Instruções do Agente 
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo respostas dos alunos em formato texto ou planilha. Este material precisa ser normalizado em um formato estruturado para avaliação.

# 2. Objetivo
Normalizar as respostas dos alunos em um dataset estruturado com metadados necessários para avaliação.

# 3. Regras que você deve seguir para gerar sua resposta
- Se o input for texto livre, detectar blocos por delimitadores comuns e atribuir question_id incremental quando não existir.
- Se for planilha, mapear cabeçalhos por similaridade semântica para: question_id, enunciado, resposta_aluno, gabarito, valor_pontos, competencia/dificuldade.
- Normalizar espaços, remover marcas de formatação e preservar símbolos matemáticos quando relevantes.
- Classificar tipo_questao: numérica, objetiva, programação, dissertativa.
- Consolidar rubrica, extrair critérios e distribuir pesos uniformemente se ausentes.
- Validar consistência: question_id único, valor_pontos > 0.

# 4. Exemplo de Output que você deve produzir
JSON estruturado com os dados normalizados das respostas dos alunos.
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 respostas 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 é um arquivo contendo as respostas dos alunos, que pode estar em formato texto livre ou planilha.
  • Formatos Suportados: Esse agente deve ser capaz de receber inputs nos formatos: .txt, .csv, .xlsx, .json.
  • Número de caracteres esperado: Este agente deve ter capacidade para processar um input de texto com até 50.000 caracteres.

1.3.2 Especificação do Output

  • Formato de output: O output deve ser um arquivo no formato JSON estruturado com os dados normalizados das respostas dos alunos.
  • Exemplo de Estrutura de Output: 
    JSON estruturado com metadados necessários para avaliação.
  • Número de caracteres esperado: O JSON gerado deve ser claro e direto, com um tamanho estimado em 10.000 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 Diagnóstico e Classificação de Desempenho (RF 2).

RF 2. Agente de Diagnóstico e Classificação de Desempenho

2.1 Tarefa do Agente

Avaliar cada resposta, identificar acertos, erros parciais, lacunas conceituais e misconceitos, e consolidar métricas.

2.2 Prompt ou Instruções do Agente 
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo um JSON estruturado com as respostas dos alunos, pronto para avaliação.

# 2. Objetivo
Avaliar cada resposta, identificar acertos, erros parciais, lacunas conceituais e misconceitos, e consolidar métricas.

# 3. Regras que você deve seguir para gerar sua resposta
- Determinar classificacao por tipo de questão: objetiva, numérica, dissertativa.
- Pontuação: calcular pontuacao_obtida usando média ponderada dos critérios.
- Identificar misconceitos_detectados e lacunas conceituais.
- Agregação por competência: média dos scores das questões.
- Top lacunas: selecionar até 3 lacunas com maior impacto.

# 4. Exemplo de Output que você deve produzir
JSON com classificações e métricas consolidadas por questão.
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 arquivo JSON estruturado com as respostas dos alunos, pronto para avaliação.
  • 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 um arquivo no formato JSON com classificações e métricas consolidadas por questão.
  • Exemplo de Estrutura de Output: 
    JSON com classificações e métricas consolidadas por questão.
  • Número de caracteres esperado: O JSON gerado deve ser claro e direto, com um tamanho estimado em 8.000 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 Feedback Personalizado e Plano de Estudo (RF 3).

RF 3. Agente de Feedback Personalizado e Plano de Estudo

3.1 Tarefa do Agente

Gerar feedbacks específicos, construtivos e motivadores por questão e um plano de estudo direcionado com recursos e estratégias alinhados às dificuldades.

3.2 Prompt ou Instruções do Agente 
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo um JSON diagnóstico produzido pelo agente anterior, incluindo metrics e by_question.

# 2. Objetivo
Gerar feedbacks específicos, construtivos e motivadores por questão e um plano de estudo direcionado com recursos e estratégias alinhados às dificuldades.

# 3. Regras que você deve seguir para gerar sua resposta
- Estrutura do feedback por questão: iniciar reconhecendo um acerto ou esforço, apontar a principal lacuna, indicar o que fazer diferente e finalizar com encorajamento.
- Para classificacao=parcial, destacar exatamente o critério faltante.
- Sugerir 1-2 recursos por questão e descrever o tipo de recurso e como encontrar.
- Selecionar estratégias adequadas à competência e descrevê-las em passos objetivos.
- Plano de estudo: horizonte padrão 7-14 dias, alocar blocos focados nas top lacunas.

# 4. Exemplo de Output que você deve produzir
JSON com feedbacks específicos e plano de estudo para o aluno.
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 um arquivo JSON diagnóstico produzido 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 até 8.000 caracteres.

3.3.2 Especificação do Output

  • Formato de output: O output deve ser um arquivo no formato JSON com feedbacks específicos e plano de estudo para o aluno.
  • Exemplo de Estrutura de Output: 
    JSON com feedbacks específicos e plano de estudo para o aluno.
  • Número de caracteres esperado: O JSON gerado deve ser claro e direto, com um tamanho estimado em 8.000 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 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 JSON gerado com feedbacks e plano de estudo é o resultado que deve ser disponibilizado ao aluno.

Posts Relacionados

© 2025 prototipe.ai. Todos os direitos reservados.