Agente de IA para Negociação de Acordos Comerciais em Serviços Financeiros

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

Como criar um agente de IA que auxilia na negociação de acordos comerciais com parceiros, sugerindo termos baseados em análises de dados históricos e tendências de mercado.

Biblioteca de Prompts e Agentes

1. Propósito e Escopo

Este documento define todos os prompts, configurações de memória, transição entre estados, ferramentas como busca online e consulta a documentos e demais requisitos funcionais para o Fluxo de Agentes "Negociação de Acordos Comerciais em Serviços Financeiros", uma solução de automação projetada para otimizar negociações comerciais com parceiros. Essa documentação é um modelo de PRD ou Documento de Requisitos de Produto específicos para construção de Agentes de IA.

O objetivo principal é auxiliar na negociação de acordos comerciais, sugerindo termos baseados em análises de dados históricos e tendências de mercado, reduzindo inconsistências e aumentando a eficácia das negociações.

2. Contexto e Problema

Cenário Atual

O setor financeiro enfrenta desafios crescentes na negociação de acordos comerciais devido a:

  • Dificuldade em analisar grandes volumes de dados históricos para identificar padrões e tendências de mercado.
  • Falta de padronização nos termos de negociação, levando a inconsistências em acordos comerciais.
  • Necessidade de atualização constante com as mudanças do mercado financeiro.

Atualmente, a análise de dados e a sugestão de termos de negociação são processos manuais, o que pode levar a erros e decisões subótimas.


Problemas Identificados

  • Consumo de tempo: O processo manual de análise e negociação consome um tempo valioso dos profissionais, que poderia ser usado para estratégias de crescimento e inovação.
  • Inconsistências: A falta de padronização nos termos de negociação resulta em acordos comerciais variáveis e, muitas vezes, inconsistentes.
  • Desatualização: A rápida mudança no mercado financeiro exige atualizações constantes que são difíceis de serem acompanhadas manualmente.
  • Risco de erros: Análises manuais de dados e previsões de tendências são propensas a erros, impactando negativamente a eficácia e a rentabilidade dos acordos comerciais.

3. Impactos Esperados

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

  • Reduzir o tempo de negociação em pelo menos 70%.
  • Padronizar os termos de negociação para garantir consistência e alinhamento com as melhores práticas do setor.
  • Aumentar a precisão das análises de dados e previsões de mercado.
  • Melhorar a adaptabilidade às mudanças do mercado financeiro, garantindo negociações sempre atualizadas e relevantes.

4. Visão Geral da Solução

O agente de IA para negociação de acordos comerciais em serviços financeiros analisa dados históricos e tendências de mercado para sugerir termos de negociação padronizados e atualizados. 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 negociação de acordos comerciais.

A solução consiste em um fluxo de automação composto por 7 agentes de IA. O processo inicia com a preparação e padronização de dados históricos e termina com a validação de conformidade e risco dos termos sugeridos.

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

Agentes Função Principal
Agente de Preparação e Padronização de Dados Históricos (RF 1) Receber e padronizar dados históricos para uso analítico consistente.
Agente de Análise de Dados Históricos e Projeção de Tendências (RF 2) Identificar padrões e tendências, estimando faixas de termos comerciais recomendáveis.
Agente de Busca Online (RF 3) Realizar busca online de indicadores e notícias do mercado financeiro.
Agente de Consolidação de Insights de Mercado (RF 4) Consolidar resultados de busca em insights acionáveis para negociação.
Agente de Geração de Termos Padronizados de Negociação (RF 5) Sugerir termos padronizados e alinhados às melhores práticas.
Agente de Validação de Conformidade e Risco (RF 6) Validar termos sugeridos contra políticas internas e limites regulatórios.
Agente de Ajustes Pós-Feedback Humano (RF 7) Aplicar ajustes nos termos a partir de feedback humano.


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 Preparação e Padronização de Dados Históricos

1.1 Tarefa do Agente

Receber dados históricos de negociações e padronizar o dataset para uso analítico consistente em todo o fluxo.

1.2 Prompt ou Instruções do Agente 
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo arquivos CSV/JSON com registros de negociações. Estes dados contêm informações essenciais para a padronização e análise subsequente.

# 2. Objetivo
Padronizar os dados de negociações para garantir consistência e usabilidade em análises futuras.

# 3. Regras que você deve seguir para gerar sua resposta
- Converter datas para formato ISO (YYYY-MM-DD) e descartar registros com datas inválidas ou futuras.
- Normalizar moedas para ISO-4217 e, se disponível, converter valores para moeda_base aplicando taxa de câmbio do dia da operação; quando ausente, marcar conversao_pendente=true e manter valor original.
- Padronizar valores categóricos (tipo_acordo, produto, status, canal, regiao) usando tabelas de referência fornecidas; quando não mapeados, classificar como 'outros' e registrar em dicionario_dados.itens_nao_mapeados.
- Remover duplicidades com chave composta (data_operacao, parceiro_id, tipo_acordo, produto, valor_bruto) mantendo o registro mais recente pelo timestamp de ingestão se existir.
- Tratar ausências: preencher desconto_aplicado=0 quando nulo e status != 'cancelado'; manter nulo quando impossível inferir sem ambiguidade e registrar no relatório de qualidade.
- Tratar outliers: identificar valores acima do percentil 99,5 por combinação (produto, tipo_acordo) e marcar flag_outlier=true sem remover; remover apenas se valor <= 0 para campos monetários.
- Calcular prazo_dias a partir de campos de data_inicio e data_fim, quando disponíveis; se ausentes, manter campo nulo e sinalizar em qualidade_dados.
- Restringir período de análise conforme parâmetros fornecidos; por padrão, últimos 36 meses completos.
- Gerar dicionario_dados com cada transformação aplicada, incluindo regras de padronização e critérios de descarte, para auditoria.
- Validar integridade mínima: rejeitar datasets com menos de 500 registros úteis ou cobrindo menos de 6 meses de histórico; definir qualidade_dados.apto_para_analise=true/false.
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 arquivos CSV/JSON de dados históricos 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 são arquivos CSV/JSON com registros de negociações.
  • Formatos Suportados: Esse agente deve ser capaz de receber arquivos nos formatos: .csv, .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 contendo o dataset normalizado e o dicionário de dados.
  • Exemplo de Estrutura de Output: 
     {"dataset_normalizado": [{"data_operacao": "AAAA-MM-DD", "parceiro_id": "string", "tipo_acordo": "string_padronizado", "produto": "string_padronizado", "moeda": "ISO-4217", "valor_bruto": number, "desconto_aplicado": number, "taxa": number, "prazo_dias": integer, "status": "string_padronizado", "canal": "string_padronizado", "regiao": "string_padronizado"}], "dicionario_dados": {"colunas_padronizadas": [...], "regras_de_transformacao": [...]}, "qualidade_dados": {"registros_totais": integer, "percentual_nulos": number, "registros_descartados": integer, "motivos_descarte": [...]}, "parametros_referencia": {"moeda_base": "ISO-4217", "periodo_analise": {"inicio": "AAAA-MM-DD", "fim": "AAAA-MM-DD"}}}
  • Número de caracteres esperado: O JSON gerado deve ser claro e direto, com um tamanho estimado em 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: Utiliza lógica interna para cálculos de normalização e detecção de outliers.
  • 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 Análise de Dados Históricos e Projeção de Tendências (RF 2).

RF 2. Agente de Análise de Dados Históricos e Projeção de Tendências

2.1 Tarefa do Agente

Identificar padrões e tendências a partir do dataset padronizado, estimando faixas de termos comerciais recomendáveis por produto/tipo de acordo.

2.2 Prompt ou Instruções do Agente 
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo o dataset normalizado e o dicionário de dados do agente anterior. Estes dados são essenciais para a análise de padrões e projeções de tendências.

# 2. Objetivo
Analisar os dados padronizados para identificar padrões e projetar tendências de mercado.

# 3. Regras que você deve seguir para gerar sua resposta
- Detectar sazonalidade observando picos recorrentes no mesmo mês/trimestre ao longo dos anos; marcar presenca e periodicidade quando correlação temporal recorrente for consistente.
- Classificar tendência (alta/baixa/estável) comparando medianas de janelas móveis trimestrais e o período imediatamente anterior; intensidade definida pela variação percentual trimestral composta.
- Calcular estatísticas robustas por chave (produto, tipo_acordo): mediana, p10, p90 para valor_bruto, desconto_aplicado, taxa e prazo_dias, reduzindo efeito de outliers.
- Gerar faixas recomendadas a partir dos quantis históricos (p10–p90), ajustadas pela direção e intensidade da tendência para o horizonte definido (padrão: 3 meses).
- Definir confianca_qualitativa como: alta (amostra >= 200 e cobertura >= 18 meses), media (amostra 50–199 ou cobertura 6–17 meses), baixa (demais casos).
- Sinalizar gaps: quando produto/tipo_acordo não tiver dados suficientes, retornar apenas 'padroes_identificados' vazios e registrar necessidade de dados externos/mercado para complementar.
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 contendo o dataset normalizado e o dicionário de dados.
  • 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 6.000 caracteres.

2.3.2 Especificação do Output

  • Formato de output: O output deve ser um JSON contendo padrões identificados e projeções de tendências.
  • Exemplo de Estrutura de Output: 
     {"padroes_identificados": [{"chave": {"produto": "string", "tipo_acordo": "string"}, "sazonalidade": {"presenca": true/false, "periodicidade_meses": integer}, "tendencia": {"direcao": "alta/baixa/estavel", "intensidade": number}, "estatisticas": {"mediana_valor": number, "p10": number, "p90": number, "desconto_medio": number, "taxa_media": number, "prazo_medio": number}}], "projecoes": [{"chave": {"produto": "string", "tipo_acordo": "string"}, "horizonte_meses": 3, "faixas_recomendadas": {"desconto": {"min": number, "max": number}, "taxa": {"min": number, "max": number}, "prazo_dias": {"min": integer, "max": integer}}, "confianca_qualitativa": "baixa/media/alta"}]}
  • Número de caracteres esperado: O JSON gerado deve ser claro e direto, com um tamanho estimado em 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: Utiliza lógica interna para cálculos estatísticos e projeções de tendências.
  • 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.
  • Visibilidade da Resposta: A resposta gerada por este agente deve ser visível para o Agente de Busca Online (RF 3).

2.3.6 Regras de Orquestração e Transição

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

RF 3. Agente de Busca Online

3.1 Tarefa do Agente

Realizar busca online de indicadores e notícias do mercado financeiro relevantes às negociações.

3.2 Prompt ou Instruções do Agente 
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo parâmetros de busca prontos, incluindo consultas e fontes preferenciais. Estes parâmetros guiarão sua busca online por informações relevantes.

# 2. Objetivo
Executar buscas online para coletar indicadores e notícias do mercado financeiro que impactam as negociações.

# 3. Regras que você deve seguir para gerar sua resposta
- Este agente apenas executa a busca online com os parâmetros recebidos e retorna os resultados brutos sem interpretação.
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 parâmetros de busca em formato JSON.
  • 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 2.000 caracteres.

3.3.2 Especificação do Output

  • Formato de output: O output deve ser um JSON contendo os resultados da busca online.
  • Exemplo de Estrutura de Output: 
     {"resultados": [{"titulo": "string", "resumo": "string", "url": "string", "fonte": "string", "data_publicacao": "AAAA-MM-DD", "tipo": "indicador/noticia/regulacao/concorrencia"}]}
  • Número de caracteres esperado: O JSON gerado deve ser claro e direto, com um tamanho estimado em 2.000 caracteres.

3.3.3 Parâmetros de Geração

  • Modelo: GPT-5
  • Temperatura: Não se aplica (uso de ferramenta)

3.3.4 Ferramentas do Agente

  • Documentos: Não consulta documentos externos.
  • Calculadora: Não utiliza.
  • Busca Online: Utiliza busca online para coletar dados financeiros relevantes.
  • 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 Consolidação de Insights de Mercado (RF 4).

RF 4. Agente de Consolidação de Insights de Mercado

4.1 Tarefa do Agente

Consolidar e normalizar resultados de busca em insights acionáveis para negociação.

4.2 Prompt ou Instruções do Agente 
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo resultados de busca online com metadados de fonte, data_publicacao e tipo. Estes resultados precisam ser consolidados em insights acionáveis.

# 2. Objetivo
Consolidar resultados de busca em insights de mercado que possam ser usados nas negociações.

# 3. Regras que você deve seguir para gerar sua resposta
- Descartar itens com data_publicacao fora da janela_tempo_dias definida; por padrão, considerar 30 dias para notícias e 7 dias para taxas/indicadores.
- Deduplicar informações mantendo a fonte mais oficial (prioridade: reguladores > associações setoriais > veículos especializados > mídia geral).
- Extrair valores numéricos de taxas/índices, normalizando unidades (porcentagem em valor decimal, datas em ISO).
- Classificar impacto_esperado de movimentos de concorrentes com base no alcance (nacional/regional), magnitude do ajuste (ex.: variação de taxa >= 50 bps = alto) e relevância de produto.
- Consolidar consenso para taxas quando múltiplas fontes divergem: usar média recortada removendo extremos (top/bottom 10%).
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 resultados de busca online em formato JSON.
  • 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.

4.3.2 Especificação do Output

  • Formato de output: O output deve ser um JSON contendo insights de mercado consolidados.
  • Exemplo de Estrutura de Output: 
     {"insights_de_mercado": {"taxas_referencia": [{"nome": "CDI/Selic/etc.", "valor": number, "data": "AAAA-MM-DD"}], "indices_precificacao": [{"indice": "string", "nivel": number, "data": "AAAA-MM-DD"}], "movimentos_concorrentes": [{"acao": "string", "descricao": "string", "impacto_esperado": "baixo/medio/alto", "data": "AAAA-MM-DD"}], "mudancas_regulatorias": [{"regra": "string", "resumo": "string", "efetiva_em": "AAAA-MM-DD"}]}, "confiabilidade": {"fontes_unicas": integer, "fontes_correlatas": integer, "itens_descartados_por_staleness": integer}}
  • Número de caracteres esperado: O JSON gerado deve ser claro e direto, com um tamanho estimado em 2.500 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: Utiliza lógica interna para normalização e deduplicação de dados.
  • Busca Online: Não utiliza.
  • Sistemas Externos: Não se conecta a sistemas externos.

4.3.5 Memória

4.3.6 Regras de Orquestração e Transição

Ao concluir sua execução, esse agente aciona o Agente de Geração de Termos Padronizados de Negociação (RF 5).

RF 5. Agente de Geração de Termos Padronizados de Negociação

5.1 Tarefa do Agente

Sugerir termos padronizados e alinhados às melhores práticas, combinando padrões históricos e insights de mercado.

5.2 Prompt ou Instruções do Agente 
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo padrões identificados e projeções do agente de análise, junto com insights de mercado do agente de consolidação. Estes dados são essenciais para a geração de termos de negociação.

# 2. Objetivo
Gerar termos padronizados de negociação que sejam consistentes com as melhores práticas do setor.

# 3. Regras que você deve seguir para gerar sua resposta
- Mapear cada sugestão a uma cláusula do catálogo padrão (ex.: preço, desconto, taxa de financiamento, prazo, volumes mínimos, SLA, penalidades).
- Definir valor_sugerido pela mediana histórica ajustada pela direção/intensidade da tendência; quando existir taxa de referência de mercado aplicável, ancorar sugestão como 'referência + spread' e explicitar a âncora na justificativa.
- Estabelecer faixa_permitida usando p10–p90 históricos ajustados por condições atuais de mercado; nunca extrapolar além de p5–p95 salvo justificativa explícita de evento extraordinário.
- Atribuir nivel_risco: baixo (dentro da mediana ± 0,5 desvio interquartil), medio (entre p10–p90), alto (fora de p10–p90).
- Preencher referencias_dados indicando, para cada termo, quais evidências foram usadas (histórico, projeção, indicador X, notícia Y).
- Incluir parametros_negociaveis para cada termo com limites duros e limites-alvo (quando aplicável) para apoiar a condução de concessões graduais.
5.3 Configurações do Agente

5.3.1 Especificação do Input

  • Mecanismo de Acionamento: Este agente deve ser acionado automaticamente após a conclusão do agente anterior (RF 4).
  • Tipo do input: Este agente deve ser apto a receber padrões identificados, projeções e insights de mercado em formato JSON.
  • 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 4.000 caracteres.

5.3.2 Especificação do Output

  • Formato de output: O output deve ser um JSON contendo os termos de negociação padronizados.
  • Exemplo de Estrutura de Output: 
     {"termos_sugeridos": [{"clausula_id": "string", "nome": "Desconto Comercial", "descricao": "string", "valor_sugerido": number, "faixa_permitida": {"min": number, "max": number}, "moeda": "ISO-4217", "justificativa": "string", "referencias_dados": ["tipo:historico/projecao/mercado", "fonte"], "nivel_risco": "baixo/medio/alto", "parametros_negociaveis": [{"parametro": "prazo_dias", "min": integer, "max": integer}]}], "assumptions": ["suposição 1", "suposição 2"]}
  • Número de caracteres esperado: O JSON gerado deve ser claro e direto, com um tamanho estimado em 3.500 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: Utiliza lógica interna para cálculos de mediana e faixas permitidas.
  • 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 Validação de Conformidade e Risco (RF 6).

RF 6. Agente de Validação de Conformidade e Risco

6.1 Tarefa do Agente

Validar termos sugeridos contra políticas internas e limites regulatórios aplicáveis ao setor financeiro.

6.2 Prompt ou Instruções do Agente 
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo termos sugeridos, políticas internas e restrições regulatórias relevantes para validação. Estes dados são essenciais para garantir a conformidade dos termos de negociação.

# 2. Objetivo
Validar termos de negociação sugeridos para garantir conformidade com políticas internas e regulatórias.

# 3. Regras que você deve seguir para gerar sua resposta
- Comparar cada termo com limites de política: exemplo, desconto máximo por produto/tipo_acordo, taxa mínima, prazo máximo; quando excedido, mover para pendencias com motivo 'excede_limite'.
- Checar aderência a referenciais obrigatórios (ex.: taxas atreladas a CDI/Selic quando exigido) e a regras de redondeamento/precificação mínima por canal.
- Verificar restrições regulatórias conhecidas (ex.: vedações de venda casada, transparência de custos, requisitos de divulgação) e sinalizar 'nao_conforme_regulacao' quando aplicável.
- Exigir justificativa e referência de dados para qualquer termo com nivel_risco='alto'; ausência implica motivo 'falta_evidencia'.
- Definir aprovacao_humana_requerida=true quando houver ao menos 1 pendencia crítica ou quando a soma de termos de risco alto > 0.
6.3 Configurações do Agente

6.3.1 Especificação do Input

  • Mecanismo de Acionamento: Este agente deve ser acionado automaticamente após a conclusão do agente anterior (RF 5).
  • Tipo do input: Este agente deve ser apto a receber termos sugeridos, políticas internas e restrições regulatórias em formato JSON.
  • 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.

6.3.2 Especificação do Output

  • Formato de output: O output deve ser um JSON contendo termos aprovados, pendências e alertas.
  • Exemplo de Estrutura de Output: 
     {"termos_aprovados": [...], "pendencias": [{"clausula_id": "string", "motivo": "excede_limite/nao_conforme_regulacao/falta_evidencia", "detalhe": "string"}], "alertas": ["string"], "aprovacao_humana_requerida": true/false}
  • Número de caracteres esperado: O JSON gerado deve ser claro e direto, com um tamanho estimado em 2.500 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: Utiliza lógica interna para validação de conformidade e risco.
  • 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.
  • Visibilidade da Resposta: A resposta gerada por este agente deve ser visível para o Agente de Ajustes Pós-Feedback Humano (RF 7).

6.3.6 Regras de Orquestração e Transição

Ao concluir sua execução, esse agente aciona o Agente de Ajustes Pós-Feedback Humano (RF 7).

RF 7. Agente de Ajustes Pós-Feedback Humano

7.1 Tarefa do Agente

Aplicar ajustes nos termos a partir de feedback humano, preservando rastreabilidade das alterações.

7.2 Prompt ou Instruções do Agente 
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo termos aprovados/pendências do agente de validação e instruções/decisões do humano. Estes dados são essenciais para realizar ajustes finais nos termos de negociação.

# 2. Objetivo
Aplicar ajustes nos termos de negociação com base no feedback humano, garantindo rastreabilidade.

# 3. Regras que você deve seguir para gerar sua resposta
- Aplicar apenas alterações explicitamente indicadas no feedback humano, mantendo os limites regulatórios como restrição inegociável.
- Registrar em log_alteracoes cada mudança com justificativa, preservando o valor anterior e novo.
- Revalidar consequências cruzadas: ajustes em desconto devem refletir em preço líquido e margem; ajustes em prazo afetam risco e custo de capital.
- Se ajustes resultarem em nova violação de política/regulação, retornar status='ajustes_pendentes' com indicação clara do conflito.
7.3 Configurações do Agente

7.3.1 Especificação do Input

  • Mecanismo de Acionamento: Este agente deve ser acionado automaticamente após a conclusão do agente anterior (RF 6), apenas se aprovacao_humana_requerida for true.
  • Tipo do input: Este agente deve ser apto a receber termos aprovados/pendências e feedback humano em formato JSON.
  • 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 4.000 caracteres.

7.3.2 Especificação do Output

  • Formato de output: O output deve ser um JSON contendo termos finalizados e log de alterações.
  • Exemplo de Estrutura de Output: 
     {"termos_finalizados": [...], "log_alteracoes": [{"clausula_id": "string", "campo": "string", "valor_anterior": "any", "valor_novo": "any", "justificativa": "string"}], "status": "aprovado/ajustes_pendentes"}
  • Número de caracteres esperado: O JSON gerado deve ser claro e direto, com um tamanho estimado em 3.500 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: Utiliza lógica interna para validação de ajustes e rastreabilidade.
  • Busca Online: Não utiliza.
  • Sistemas Externos: Não se conecta a sistemas externos.

7.3.5 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 é o entregável final e não é passada para outros agentes internos.

7.3.6 Regras de Orquestração e Transição

A execução deste agente finaliza o fluxo. Os termos finalizados são o resultado que deve ser disponibilizado ao usuário.

Posts Relacionados

© 2025 prototipe.ai. Todos os direitos reservados.