Agente de IA para Identificação de Novos Estabelecimentos Conveniados Potenciais

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

Como criar um agente de IA que analisa dados de mercado e identifica potenciais novos estabelecimentos para conveniar.

Biblioteca de Prompts e Agentes

1. Propósito e Escopo

Este documento define todos os prompts, configurações de memória, transição entre estados, ferramentas como chamadas a sistemas externos, busca online, consulta a documentos e demais requisitos funcionais para o Fluxo de Agentes "Identificação de Novos Estabelecimentos Conveniados Potenciais", uma solução de automação projetada para expandir estrategicamente a rede de estabelecimentos conveniados. Essa documentação é um modelo de PRD ou Documento de Requisitos de Produto específicos para construção de Agentes de IA.

O objetivo principal é identificar novos estabelecimentos potenciais para conveniar, analisando dados de mercado, localização, demanda de clientes e perfil de consumo.

2. Contexto e Problema

Cenário Atual

O desafio atual é identificar novos estabelecimentos conveniados potenciais de forma eficiente, devido à falta de dados precisos sobre demanda de clientes e perfil de consumo. Além disso, há uma necessidade de expandir a rede de estabelecimentos conveniados de forma estratégica.


Problemas Identificados

  • Dificuldade na identificação: A identificação de novos estabelecimentos conveniados potenciais é ineficiente.
  • Dados imprecisos: Falta de dados precisos sobre demanda de clientes e perfil de consumo.
  • Expansão estratégica: Necessidade de expandir a rede de forma estratégica.

3. Impactos Esperados

A implementação deste fluxo de automação visa alcançar os seguintes resultados:

  • Otimizar a identificação de novos estabelecimentos para conveniar.
  • Fornecer dados precisos sobre demanda de clientes e perfil de consumo.
  • Expandir estrategicamente a rede de estabelecimentos conveniados.

4. Visão Geral da Solução

O agente de IA para identificação de novos estabelecimentos conveniados potenciais analisa dados de mercado, localização, demanda de clientes e perfil de consumo para sugerir potenciais estabelecimentos para conveniar. 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 expansão estratégica da rede de estabelecimentos conveniados.

A solução consiste em um fluxo de automação composto por 8 agentes de IA. O processo inicia com a definição de parâmetros de descoberta e termina com a priorização de estabelecimentos potenciais.

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

Agentes Função Principal
Agente de Definição de Parâmetros de Descoberta (RF 1) Consolidar o briefing de negócio em parâmetros operacionais de busca e avaliação.
Agente de Validação e Ingestão de CSV (RF 2) Validar e estruturar dados CSV fornecidos, garantindo esquema mínimo e qualidade para análise.
Agente de Execução de Busca Online (RF 3) Realizar busca online para obter menções e listagens de estabelecimentos potenciais.
Agente de Execução de Chamada à API Demográfica (RF 4) Realizar chamada à API de demografia/mercado para obter indicadores por área.
Agente de Normalização e Enriquecimento de Dados (RF 5) Unificar dados provenientes de CSV, busca online e APIs em um único esquema padronizado.
Agente de Identificação de Áreas de Alta Demanda (RF 6) Classificar áreas com maior potencial de demanda considerando demografia, renda e sinais de consumo.
Agente de Matching por Perfil de Consumo (RF 7) Alinhar categorias de estabelecimentos às áreas prioritárias com base em perfil de consumo.
Agente de Priorização de Estabelecimentos Potenciais (RF 8) Gerar ranking de estabelecimentos candidatos por área e categoria.

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.

Ver Agente na Prototipe AI

6. Requisitos Funcionais

RF 1. Agente de Definição de Parâmetros de Descoberta

1.1 Tarefa do Agente

Consolidar o briefing de negócio em parâmetros operacionais de busca e avaliação para identificar áreas e estabelecimentos potenciais.

1.2 Prompt ou Instruções do Agente 
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo um briefing de negócio em formato de texto. Este briefing contém informações sobre regiões-alvo, categorias de estabelecimentos de interesse e quaisquer restrições ou links para bases de dados disponíveis.

# 2. Objetivo
Consolidar o briefing de negócio em parâmetros operacionais de busca e avaliação para identificar áreas e estabelecimentos potenciais.

# 3. Regras que você deve seguir para gerar sua resposta
- Converta o briefing em chaves explícitas: escopo_geografico, categorias_alvo, condicoes_negocio, sinais_demanda, consultas_web, payloads_api.
- Defina usar_fontes_externas como true se não houver CSV com colunas mínimas exigidas ou se o briefing solicitar dados de mercado atualizados.
- Defina dados_csv_fornecidos como true somente se for informado um CSV com colunas obrigatórias.
- Gere consultas_web específicas por categoria e por região. Inclua termos como "abertura", "novo", "inauguração", "expansão" e o nome da região.
- Para payloads_api, estruture parâmetros por área e liste variáveis demográficas/econômicas coerentes com sinais_demanda.
- Se condicoes_negocio incluir dist_max_km_polo, registre a coordenada dos polos existentes se fornecidas; caso contrário, deixe null e sinalize campo pendente_polos_existentes: true.
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 de negócio 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 documento na interface da Prototipe AI, para acelerar o processo de validação.
  • Tipo do input: O input inicial para o fluxo é um briefing de negócio em formato texto.
  • Formatos Suportados: Esse agente deve ser capaz de receber documentos nos formatos: .txt, .pdf, .docx.
  • Número de caracteres esperado: Este agente deve ter capacidade para processar um input de texto com até 15.000 caracteres.

1.3.2 Especificação do Output

  • Formato de output: O output deve ser um JSON estruturado contendo parâmetros operacionais para busca e avaliação.
  • Exemplo de Estrutura de Output: 
     {"escopo_geografico": [{"cidade":"São Paulo","uf":"SP","raio_km":5}], "categorias_alvo":["farmacia","mercado"], "condicoes_negocio":{"dist_max_km_polo":1.5}, "sinais_demanda":["populacao_dia","trafego_pedonal","ticket_medio"], "usar_fontes_externas": true, "dados_csv_fornecidos": false, "consultas_web":[{"query":"novas farmácias São Paulo Zona Sul", "local":"São Paulo, SP"}], "payloads_api":[{"api":"demografia","param":{"cidade":"São Paulo","campos":["populacao","renda","faixa_etaria"]}}]}
  • Número de caracteres esperado: O JSON final deve ter um tamanho aproximado de 1.200 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 Validação e Ingestão de CSV (RF 2).

1.3.6 Regras de Orquestração e Transição

Ao concluir sua execução, esse agente aciona o Agente de Validação e Ingestão de CSV (RF 2).

RF 2. Agente de Validação e Ingestão de CSV

2.1 Tarefa do Agente

Validar e estruturar dados CSV fornecidos, garantindo esquema mínimo e qualidade para análise.

2.2 Prompt ou Instruções do Agente 
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo um arquivo CSV bruto e, opcionalmente, um dicionário de colunas do cliente. Este CSV contém dados de estabelecimentos potenciais que precisam ser validados e estruturados para análise.

# 2. Objetivo
Validar e estruturar dados CSV fornecidos, garantindo esquema mínimo e qualidade para análise.

# 3. Regras que você deve seguir para gerar sua resposta
- Mapeie colunas do cliente para o esquema padrão: nome, categoria, lat, lng, cidade, uf, proxy_demanda, data_atualizacao; aceite variações de cabeçalho usando similaridade semântica.
- Valide coordenadas: lat [-90,90], lng [-180,180]; descarte linhas fora do range.
- Remova duplicatas por chave composta: nome normalizado + raio de 50m (haversine) + categoria.
- Normalize categoria para snake_case sem acentos; se não inferível, defina categoria="desconhecida" e registre motivo_ambiguo.
- Calcule completude = campos_não_nulos/campos_totais; rejeite dataset se completude < 0.8.
- Converta data_atualizacao para ISO8601; se ausente, preencha com null e marque staleness_flag=true.
- Gere dados_csv_fornecidos=true somente se após limpeza restarem >= 100 linhas válidas; caso contrário, defina false.
2.3 Configurações do Agente

2.3.1 Especificação do Input

  • Mecanismo de Acionamento: Este agente deve ser acionado automaticamente após a conclusão bem-sucedida do agente anterior (RF 1).
  • Tipo do input: Este agente deve ser apto a receber um arquivo CSV bruto e um dicionário de colunas do cliente (opcional).
  • Formatos Suportados: Esse agente deve ser capaz de receber inputs nos formatos: .csv.
  • Número de caracteres esperado: Este agente deve ter capacidade para processar um input de texto com até 30.000 caracteres.

2.3.2 Especificação do Output

  • Formato de output: O output deve ser um JSON estruturado contendo o dataset CSV normalizado e informações de qualidade dos dados.
  • Exemplo de Estrutura de Output: 
     {"dataset_csv_normalizado": [{"nome":"Drogaria X","categoria":"farmacia","lat":-23.5,"lng":-46.6,"cidade":"São Paulo","uf":"SP","proxy_demanda": 1200, "data_atualizacao":"2025-12-15"}], "qualidade_dados":{"completude":0.96,"duplicatas_removidas":12,"linhas_validas":1843}, "dados_csv_fornecidos": true}
  • Número de caracteres esperado: O JSON final deve ter um tamanho aproximado de 2.500 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

  • 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 Execução de Busca Online (RF 3).

2.3.6 Regras de Orquestração e Transição

Ao concluir sua execução, esse agente aciona o Agente de Execução de Busca Online (RF 3).

RF 3. Agente de Execução de Busca Online

3.1 Tarefa do Agente

Realizar busca online para obter menções e listagens de estabelecimentos potenciais por categoria e região.

3.2 Prompt ou Instruções do Agente 
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo uma lista de consultas com termos e filtros locais. Estas consultas são baseadas em categorias de estabelecimentos e regiões-alvo definidas previamente.

# 2. Objetivo
Realizar busca online para obter menções e listagens de estabelecimentos potenciais por categoria e região.

# 3. Regras que você deve seguir para gerar sua resposta
- Execute buscas online específicas por categoria e região com base nas consultas fornecidas.
- Coleta de dados deve incluir título, URL, snippet do conteúdo, categoria e localização aproximada.
- Classifique a fonte da informação e avalie a confiabilidade com base na origem.
- Filtre resultados para evitar duplicidade e irrelevância, priorizando informações recentes e de fontes confiáveis.
3.3 Configurações do Agente

3.3.1 Especificação do Input

  • Mecanismo de Acionamento: Este agente deve ser acionado automaticamente após a conclusão bem-sucedida do agente anterior (RF 2).
  • Tipo do input: Este agente deve ser apto a receber uma lista de consultas com termos e filtros locais.
  • Formatos Suportados: Esse agente deve ser capaz de receber inputs no formato de lista JSON.
  • Número de caracteres esperado: Este agente deve ter capacidade para processar uma lista com até 10.000 caracteres.

3.3.2 Especificação do Output

  • Formato de output: O output deve ser uma lista JSON contendo menções e listagens de estabelecimentos potenciais.
  • Exemplo de Estrutura de Output: 
     [{"titulo":"Inauguração Drogaria Alfa","url":"https://exemplo.com","snippet":"nova loja...","categoria":"farmacia","localizacao_aproximada":"Moema, São Paulo","fonte":"notícia"}]
  • Número de caracteres esperado: O JSON final deve ter um tamanho aproximado de 3.000 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: Utiliza para realizar buscas específicas.
  • 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 Execução de Chamada à API Demográfica (RF 4).

RF 4. Agente de Execução de Chamada à API Demográfica

4.1 Tarefa do Agente

Realizar chamada à API de demografia/mercado para obter indicadores por área.

4.2 Prompt ou Instruções do Agente 
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo payloads prontos com áreas e variáveis demográficas relevantes. Estes payloads são baseados em áreas-alvo definidas previamente.

# 2. Objetivo
Realizar chamada à API de demografia/mercado para obter indicadores por área.

# 3. Regras que você deve seguir para gerar sua resposta
- Realize chamadas à API com base nos payloads fornecidos, focando em áreas e variáveis demográficas relevantes.
- Extraia e armazene dados como população, renda média, densidade e fluxo pedonal para cada área.
- Valide a completude e consistência dos dados retornados antes de integrá-los ao sistema.
- Informe falhas de conexão ou dados ausentes/inconsistentes para revisão manual.
4.3 Configurações do Agente

4.3.1 Especificação do Input

  • Mecanismo de Acionamento: Este agente deve ser acionado automaticamente após a conclusão bem-sucedida do agente anterior (RF 3).
  • Tipo do input: Este agente deve ser apto a receber payloads prontos com áreas e variáveis demográficas.
  • Formatos Suportados: Esse agente deve ser capaz de receber inputs no formato de lista JSON.
  • Número de caracteres esperado: Este agente deve ter capacidade para processar uma lista com até 10.000 caracteres.

4.3.2 Especificação do Output

  • Formato de output: O output deve ser uma lista JSON contendo indicadores demográficos por área.
  • Exemplo de Estrutura de Output: 
     [{"area":"Moema","populacao":78000,"renda_media":8200,"densidade":14500,"fluxo_pedonal": "alto"}]
  • Número de caracteres esperado: O JSON final deve ter um tamanho aproximado de 1.500 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: Utiliza para realizar chamadas à API de demografia/mercado.

4.3.5 Memória

4.3.6 Regras de Orquestração e Transição

Ao concluir sua execução, esse agente aciona o Agente de Normalização e Enriquecimento de Dados (RF 5).

RF 5. Agente de Normalização e Enriquecimento de Dados

5.1 Tarefa do Agente

Unificar dados provenientes de CSV, busca online e APIs em um único esquema padronizado, deduplicando entidades e resolvendo conflitos.

5.2 Prompt ou Instruções do Agente 
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo dados de diferentes fontes: CSV normalizado, resultados de busca online e indicadores demográficos de APIs. Esses dados precisam ser unificados em um esquema padronizado.

# 2. Objetivo
Unificar dados provenientes de CSV, busca online e APIs em um único esquema padronizado, deduplicando entidades e resolvendo conflitos.

# 3. Regras que você deve seguir para gerar sua resposta
- Defina o esquema padrão por registro: id, nome, categoria, lat, lng, cidade, uf, area, sinais{proxy_demanda, menções}, demografia{populacao, renda_media, densidade, fluxo_pedonal}, origem, confianca_fonte.
- Concilie registros: agrupe por nome similar e distância < 100m; preferir coordenadas do CSV sobre web; se divergentes, escolha a que possuir mais ocorrências.
- Confianca_fonte: CSV=0.9, API=0.85, Web=0.7; aplique penalidade -0.1 se staleness_flag=true.
- Normalize nomes de áreas a partir de endereço/localização aproximada; quando ausente, infira por reverso; caso não seja possível, area=null.
- Calcule menções = contagem de resultados web por estabelecimento; limite superior 10 para evitar outliers.
- Mantenha somente registros com coordenadas válidas ou área identificável; descarte demais e contabilize em log_resolucao.
5.3 Configurações do Agente

5.3.1 Especificação do Input

  • Mecanismo de Acionamento: Este agente deve ser acionado automaticamente após a conclusão bem-sucedida do agente anterior (RF 4).
  • Tipo do input: Este agente deve ser apto a receber dados de CSV normalizado, resultados de busca online e indicadores demográficos de APIs.
  • Formatos Suportados: Esse agente deve ser capaz de receber inputs no formato de lista JSON.
  • Número de caracteres esperado: Este agente deve ter capacidade para processar uma lista com até 20.000 caracteres.

5.3.2 Especificação do Output

  • Formato de output: O output deve ser um JSON estruturado contendo o dataset unificado e um log de resolução de conflitos.
  • Exemplo de Estrutura de Output: 
     {"dataset_unificado": [{"id":"est_001","nome":"Drogaria Alfa Moema","categoria":"farmacia","lat":-23.6,"lng":-46.66,"cidade":"São Paulo","uf":"SP","sinais":{"proxy_demanda":1200,"menções":3}, "area":"Moema","demografia":{"populacao":78000,"renda_media":8200}, "confianca_fonte":0.82}], "log_resolucao":{"registros_fundidos":58,"conflitos_resolvidos":14}}
  • Número de caracteres esperado: O JSON final deve ter um tamanho aproximado de 3.000 caracteres.

5.3.3 Parâmetros de Geração

  • Modelo: GPT-5
  • Temperatura: 0.6

5.3.4 Ferramentas do Agente

  • Documentos: Não consulta documentos externos.
  • Calculadora: Não utiliza.
  • Busca Online: Não utiliza.
  • Sistemas Externos: Não se conecta a sistemas externos.

5.3.5 Memória

5.3.6 Regras de Orquestração e Transição

Ao concluir sua execução, esse agente aciona o Agente de Identificação de Áreas de Alta Demanda (RF 6).

RF 6. Agente de Identificação de Áreas de Alta Demanda

6.1 Tarefa do Agente

Classificar áreas com maior potencial de demanda considerando demografia, renda e sinais de consumo.

6.2 Prompt ou Instruções do Agente 
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo um dataset unificado com dados de áreas e demografia preenchidos. Esses dados são usados para classificar áreas com maior potencial de demanda.

# 2. Objetivo
Classificar áreas com maior potencial de demanda considerando demografia, renda e sinais de consumo.

# 3. Regras que você deve seguir para gerar sua resposta
- Normalize variáveis para [0,1] por área usando min-max local: populacao, renda_media, densidade; mapear fluxo_pedonal qualitativo.
- demand_score = 0.25*pop + 0.35*renda + 0.2*densidade + 0.2*fluxo.
- Exclua áreas com menos de 5 registros válidos de estabelecimentos no dataset_unificado, a menos que renda_media e densidade sejam > percentil 75 simultaneamente.
- Retorne top-N áreas (N=5 ou total<5). Para cada área, inclua fatores_chave: liste as 2 variáveis com maiores contribuições normalizadas.
- Marque areas_prioritarias[].dados_insuficientes=true quando alguma variável essencial estiver ausente; neste caso, compute score apenas com variáveis presentes e reescale pesos proporcionalmente.
6.3 Configurações do Agente

6.3.1 Especificação do Input

  • Mecanismo de Acionamento: Este agente deve ser acionado automaticamente após a conclusão bem-sucedida do agente anterior (RF 5).
  • Tipo do input: Este agente deve ser apto a receber um dataset unificado com dados de áreas e demografia.
  • Formatos Suportados: Esse agente deve ser capaz de receber inputs no formato de lista JSON.
  • Número de caracteres esperado: Este agente deve ter capacidade para processar uma lista com até 15.000 caracteres.

6.3.2 Especificação do Output

  • Formato de output: O output deve ser um JSON estruturado contendo as áreas prioritárias com potencial de demanda.
  • Exemplo de Estrutura de Output: 
     {"areas_prioritarias": [{"area":"Moema","demand_score":0.84,"fatores_chave":["renda_media","densidade"]}], "metodologia":{"pesos":{"populacao":0.25,"renda_media":0.35,"densidade":0.2,"fluxo_pedonal":0.2}}}
  • Número de caracteres esperado: O JSON final deve ter um tamanho aproximado de 2.000 caracteres.

6.3.3 Parâmetros de Geração

  • Modelo: GPT-5
  • Temperatura: 0.6

6.3.4 Ferramentas do Agente

  • Documentos: Não consulta documentos externos.
  • Calculadora: Não utiliza.
  • Busca Online: Não utiliza.
  • Sistemas Externos: Não se conecta a sistemas externos.

6.3.5 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 Matching por Perfil de Consumo (RF 7).

6.3.6 Regras de Orquestração e Transição

Ao concluir sua execução, esse agente aciona o Agente de Matching por Perfil de Consumo (RF 7).

RF 7. Agente de Matching por Perfil de Consumo

7.1 Tarefa do Agente

Alinhar categorias de estabelecimentos às áreas prioritárias com base em perfil de consumo e sinais observados.

7.2 Prompt ou Instruções do Agente 
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo dados de áreas prioritárias e um dataset unificado com categorias e sinais de demanda. Esses dados são usados para alinhar categorias de estabelecimentos às áreas prioritárias.

# 2. Objetivo
Alinhar categorias de estabelecimentos às áreas prioritárias com base em perfil de consumo e sinais observados.

# 3. Regras que você deve seguir para gerar sua resposta
- Para cada área prioritária, compute fit_score por categoria: fit = 0.4*demand_score_area + 0.3*adequacao_demografica + 0.3*intensidade_sinais_categoria.
- adequacao_demografica: mapeie heurísticas por categoria. Normalize para [0,1] conforme disponibilidade das variáveis.
- intensidade_sinais_categoria: proporção de menções e presença relativa da categoria vs. média das categorias.
- Se variáveis demográficas específicas não existirem, baseie adequacao_demografica em renda_media e densidade apenas, sinalizando motivo_reduzido.
7.3 Configurações do Agente

7.3.1 Especificação do Input

  • Mecanismo de Acionamento: Este agente deve ser acionado automaticamente após a conclusão bem-sucedida do agente anterior (RF 6).
  • Tipo do input: Este agente deve ser apto a receber dados de áreas prioritárias e um dataset unificado com categorias e sinais de demanda.
  • Formatos Suportados: Esse agente deve ser capaz de receber inputs no formato de lista JSON.
  • Número de caracteres esperado: Este agente deve ter capacidade para processar uma lista com até 15.000 caracteres.

7.3.2 Especificação do Output

  • Formato de output: O output deve ser um JSON estruturado contendo a adequação de categorias às áreas prioritárias.
  • Exemplo de Estrutura de Output: 
     {"adequacao_categoria_area": [{"area":"Moema","categoria":"farmacia","fit_score":0.81,"racional":"alta renda + densidade + envelhecimento relativo"}]}
  • Número de caracteres esperado: O JSON final deve ter um tamanho aproximado de 1.500 caracteres.

7.3.3 Parâmetros de Geração

  • Modelo: GPT-5
  • Temperatura: 0.6

7.3.4 Ferramentas do Agente

  • Documentos: Não consulta documentos externos.
  • Calculadora: Não utiliza.
  • Busca Online: Não utiliza.
  • Sistemas Externos: Não se conecta a sistemas externos.

7.3.5 Memória

7.3.6 Regras de Orquestração e Transição

Ao concluir sua execução, esse agente aciona o Agente de Priorização de Estabelecimentos Potenciais (RF 8).

RF 8. Agente de Priorização de Estabelecimentos Potenciais

8.1 Tarefa do Agente

Gerar ranking de estabelecimentos candidatos por área e categoria com pontuação consolidada e próximos passos recomendados.

8.2 Prompt ou Instruções do Agente 
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo dados de adequação de categorias às áreas prioritárias e um dataset unificado com informações de estabelecimentos potenciais. Esses dados são usados para gerar um ranking de estabelecimentos candidatos por área e categoria.

# 2. Objetivo
Gerar ranking de estabelecimentos candidatos por área e categoria com pontuação consolidada e próximos passos recomendados.

# 3. Regras que você deve seguir para gerar sua resposta
- Calcule overall_score = 0.6*fit_score_area_categoria + 0.15*confianca_fonte + 0.15*(1 - saturacao_categoria_area) + 0.1*bonus_proximidade.
- saturacao_categoria_area: razão entre quantidade da categoria na área e o percentil 80 histórico; limite inferior 0, superior 1.
- bonus_proximidade: aplique +0.1 quando dist_polo <= 500m, +0.05 quando <= 1km; se política exigir afastamento mínimo, inverta o sinal conforme condicoes_negocio.dist_max_km_polo.
- Classifique prioridade: alta (score>=0.8), média (0.65-0.79), baixa (<0.65).
- Gere proximos_passos conforme lacunas: se confianca_fonte<0.75, inclua "validação de dados"; se menções_web>=3 e confianca>=0.8, inclua "contato_comercial"; se coordenadas incertas, inclua "verificação de endereço".
- Inclua para cada item: motivos_top3 (frases curtas citando fatores de maior impacto), e riscos_top3 (ex: saturação, dados desatualizados, baixa renda).
8.3 Configurações do Agente

8.3.1 Especificação do Input

  • Mecanismo de Acionamento: Este agente deve ser acionado automaticamente após a conclusão bem-sucedida do agente anterior (RF 7).
  • Tipo do input: Este agente deve ser apto a receber dados de adequação de categorias às áreas prioritárias e um dataset unificado com informações de estabelecimentos potenciais.
  • Formatos Suportados: Esse agente deve ser capaz de receber inputs no formato de lista JSON.
  • Número de caracteres esperado: Este agente deve ter capacidade para processar uma lista com até 20.000 caracteres.

8.3.2 Especificação do Output

  • Formato de output: O output deve ser um JSON estruturado contendo o ranking de estabelecimentos candidatos por área e categoria.
  • Exemplo de Estrutura de Output: 
     {"priorizacao": [{"id":"est_001","nome":"Drogaria Alfa Moema","area":"Moema","categoria":"farmacia","overall_score":0.86,"prioridade":"alta","proximos_passos":["contato_comercial","visita_in_loco"]}], "regras_pesos":{"fit":0.6,"confianca_fonte":0.15,"concorrencia_local":0.15,"dist_polo":0.1}}
  • Número de caracteres esperado: O JSON final deve ter um tamanho aproximado de 2.500 caracteres.

8.3.3 Parâmetros de Geração

  • Modelo: GPT-5
  • Temperatura: 0.6

8.3.4 Ferramentas do Agente

  • Documentos: Não consulta documentos externos.
  • Calculadora: Não utiliza.
  • Busca Online: Não utiliza.
  • Sistemas Externos: Não se conecta a sistemas externos.

8.3.5 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.

8.3.6 Regras de Orquestração e Transição

A execução deste agente finaliza o fluxo. O ranking gerado é o resultado que deve ser disponibilizado ao usuário.

Posts Relacionados

© 2025 prototipe.ai. Todos os direitos reservados.