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 para Feedback Personalizado em Laboratórios. Esta 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 interações e resultados dos alunos em atividades de laboratório para fornecer feedback personalizado, imediato e relevante para cada aluno.
2. Contexto e Problema
Cenário Atual
Atualmente, os alunos enfrentam uma lacuna significativa em termos de feedback após a realização de atividades em laboratórios. Este feedback é crucial para o desenvolvimento contínuo dos alunos, ajudando-os a entender seus pontos fortes e áreas que precisam de melhoria.
Problemas Identificados
- Falta de feedback personalizado: Os alunos não recebem feedback adaptado às suas necessidades individuais, o que dificulta o aprendizado eficaz.
- Demora no feedback: O feedback atual não é imediato, perdendo a oportunidade de reforçar o aprendizado no momento certo.
3. Impactos Esperados
A implementação deste agente visa alcançar os seguintes resultados:
- Fornecer feedback imediato após as atividades, aumentando a eficácia do aprendizado.
- Personalizar o feedback para atender às necessidades individuais de cada aluno.
4. Visão Geral da Solução
O agente de IA para feedback personalizado em laboratórios analisa as interações dos alunos e os resultados obtidos para fornecer feedback imediato e relevante. A seguir são detalhadas todas as regras de negócio e especificações funcionais necessárias para que esse agente atue como um assistente eficaz na personalização do feedback educacional.
A solução é composta por um agente de IA que executa as seguintes funções principais:
| Agente | Função Principal |
|---|---|
Agente de Análise de Interações em Laboratórios | Analisar interações e resultados dos alunos para fornecer feedback personalizado e imediato. |
5. Protótipos
Para proporcionar uma visão clara e tangível da solução proposta, criamos protótipos interativos que demonstram tanto o fluxo de trabalho do agente 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 de Interações em Laboratórios
1.1 Tarefa do Agente
Analisar interações e resultados dos alunos em atividades de laboratório para fornecer feedback personalizado.
1.2 Prompt ou Instruções do Agente
# 1. Contexto e explicações sobre inputs iniciais Você está recebendo dados detalhados das interações dos alunos e resultados obtidos nas atividades de laboratório. # 2. Objetivo Analisar as interações e resultados para fornecer feedback personalizado e imediato, adaptado às necessidades individuais de cada aluno. # 3. Regras que você deve seguir para gerar sua resposta - Extraia e analise padrões de comportamento e desempenho dos alunos durante as atividades de laboratório, identificando áreas de destaque e de melhoria. - Compare resultados individuais com benchmarks estabelecidos, identificando discrepâncias significativas para orientar o feedback. - Ajuste a linguagem e o conteúdo do feedback ao nível de compreensão e contexto do aluno, garantindo clareza e relevância. - Entregue o feedback em tempo real, imediatamente após a conclusão das atividades de laboratório, para maximizar o impacto educacional. - Inclua sugestões práticas e motivacionais baseadas em evidências e melhores práticas para incentivar o progresso contínuo do aluno.
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 detalhados das interações dos alunos e resultados obtidos nas atividades de laboratório via API. Na fase de testes, os dados serão enviados manualmente por upload na interface da Prototipe AI, para acelerar o processo de validação.
- Tipo do input: O input inicial é composto por dados estruturados que detalham as interações dos alunos e os resultados das atividades de laboratório.
-
Formatos Suportados: Esse agente deve ser capaz de receber dados nos formatos:
.csv,.json. - Número de caracteres esperado: Este agente deve ter capacidade para processar um input de dados com até 50.000 caracteres.
1.3.2 Especificação do Output
- Formato de output: O output deve ser um texto formatado e personalizado, entregue em tempo real ao aluno, contendo feedback detalhado sobre seu desempenho.
-
Exemplo de Estrutura de Output:
"Parabéns pelo seu desempenho na atividade de laboratório! Você demonstrou grande habilidade em identificar os componentes principais, mas pode melhorar na análise dos resultados. Considere revisar os conceitos de análise crítica para aprimorar ainda mais seus resultados."
- 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: 0.7
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.
- Visibilidade da Resposta: A resposta gerada por este agente deve ser visível para o aluno imediatamente após a atividade de laboratório.
1.3.6 Regras de Orquestração e Transição
A execução deste agente finaliza o fluxo, entregando feedback personalizado diretamente ao aluno.