Agente de IA para Organização de Acervo em Bibliotecas Escolares

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

Como criar um agente de IA que sugere a melhor organização para o acervo de uma biblioteca.

1. Propósito e Escopo

Este documento define todos os prompts, configurações de memória, transição entre estados e demais requisitos funcionais para o Fluxo de Agentes "Organização de Acervo em Bibliotecas Escolares", uma solução projetada para otimizar a organização de acervos em bibliotecas escolares com base em categorias, popularidade e frequência de uso. Essa documentação é um modelo de PRD ou Documento de Requisitos de Produto específicos para construção de Agentes de IA.

O objetivo principal é melhorar a eficiência na organização do acervo, facilitando a localização de livros por alunos e professores, e refletindo as mudanças nas preferências de leitura na organização física do acervo.

2. Contexto e Problema

Cenário Atual

As bibliotecas escolares enfrentam desafios significativos em relação à organização de seus acervos. Os problemas mais comuns incluem:

  • Organização ineficiente do acervo, dificultando a localização de livros por alunos e professores.
  • Mudanças frequentes nas preferências de leitura que não são refletidas na organização física do acervo.

Isso resulta em frustração para os usuários e subutilização dos recursos disponíveis.


Problemas Identificados

  • Localização Ineficiente: A disposição atual dos livros não facilita a busca por parte dos alunos e professores, tornando o processo de empréstimo demorado e frustrante.
  • Falta de Atualização: As mudanças nas preferências de leitura dos alunos e professores não são rapidamente refletidas na organização do acervo, o que pode levar à obsolescência de algumas seções e a superlotação de outras.

3. Impactos Esperados

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

  • Melhorar a eficiência na organização do acervo, facilitando a localização de livros por alunos e professores.
  • Refletir mudanças nas preferências de leitura na organização do acervo de forma dinâmica e atualizada.
  • Otimizar o uso do espaço físico da biblioteca, garantindo que os livros mais populares estejam facilmente acessíveis.

4. Visão Geral da Solução

O agente de IA para organização de acervo em bibliotecas escolares analisa dados de empréstimos e devoluções, identifica padrões de uso e popularidade dos livros, e sugere uma organização dinâmica do acervo. 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 organização do acervo da biblioteca escolar.

A solução consiste em um fluxo de automação composto por 2 agentes de IA. O processo inicia com a análise de dados de uso do acervo e termina com a geração de um plano de organização física do acervo.

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

Agentes Função Principal
Agente de Análise de Dados de Uso do Acervo (RF 1) Analisar dados de empréstimos e devoluções para identificar popularidade, tendências e itens com baixa circulação no acervo.
Agente de Sugestão de Organização do Acervo (RF 2) Gerar um plano de organização física e de exposição do acervo com base nas métricas de demanda, categorias e sazonalidade.

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 Análise de Dados de Uso do Acervo

1.1 Tarefa do Agente

Analisar dados de empréstimos e devoluções para identificar popularidade, tendências e itens com baixa circulação no acervo.

1.2 Prompt ou Instruções do Agente
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo dados estruturados de circulação e catálogo da biblioteca. Estes dados incluem informações sobre empréstimos, devoluções e detalhes do catálogo de livros disponíveis.

# 2. Objetivo
Analisar os dados para identificar padrões de uso e popularidade dos livros, e gerar relatórios que destaquem itens de alta e baixa demanda, bem como tendências emergentes de leitura.

# 3. Regras que você deve seguir para gerar sua resposta
- Calcule métricas de uso para janelas de 30, 90, 180 e 365 dias, considerando apenas registros dentro de cada janela para suas respectivas métricas.
- Descarte linhas com livro_id vazio e trate datas inválidas como ausentes.
- Para livros sem data_devolucao, considere o empréstimo em curso para cálculos de dias_medio_emprestimo usando a data atual ou a data de fim da janela.
- Gere relatórios que incluam resumos gerais, métricas por livro e por categoria, e uma lista de itens frios (baixa circulação).
- Classifique livros por popularidade e sazonalidade, destacando públicos predominantes (alunos, professores ou misto).

# 4. Exemplo de Output que você deve produzir
{
  "resumo_geral": {
    "periodo_analise": {"inicio": "YYYY-MM-DD", "fim": "YYYY-MM-DD"},
    "total_emprestimos": number,
    "itens_unicos": number
  },
  "metricas_por_livro": [
    {
      "livro_id": string,
      "titulo": string,
      "categoria_principal": string,
      "emprestimos_30d": number,
      "emprestimos_90d": number,
      "emprestimos_180d": number,
      "emprestimos_365d": number,
      "dias_medio_emprestimo": number,
      "atrasos_percentual": number, 
      "recencia_factor": number, 
      "tendencia_crescimento": number, 
      "popularidade_score": number, 
      "classe_demanda": "alta" | "media" | "baixa",
      "sazonalidade_pico": ["Meses"],
      "publico_predominante": "alunos" | "professores" | "misto"
    }
  ],
  "metricas_por_categoria": [
    {
      "categoria": string,
      "share_demanda_90d": number,
      "popularidade_media": number,
      "itens_frios": number,
      "tendencia_categoria": number
    }
  ],
  "itens_frios": ["livro_id", ...],
  "parametros_norma": {
    "p90_uso_30d": number,
    "media_180d": number,
    "desvio_180d": number
  }
} 
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 estruturados de circulação e catálogo via API. Na fase de testes, o fluxo será iniciado pelo envio manual dos dados, que serão enviados para o agente diretamente por upload de um arquivo CSV na interface da Prototipe AI, para acelerar o processo de validação.
  • Tipo do input: Dados estruturados de circulação e catálogo.
  • Formatos Suportados: Esse agente deve ser capaz de receber dados nos formatos: .json, .csv.
  • Número de caracteres esperado: Este agente deve ter capacidade para processar um input de até 100.000 caracteres.

1.3.2 Especificação do Output

  • Formato de output: O output deve ser um arquivo no formato JSON contendo resumos gerais, métricas por livro e por categoria, e uma lista de itens frios.
  • Exemplo de Estrutura de Output:
     {
      "resumo_geral": {
        "periodo_analise": {"inicio": "YYYY-MM-DD", "fim": "YYYY-MM-DD"},
        "total_emprestimos": number,
        "itens_unicos": number
      },
      "metricas_por_livro": [
        {
          "livro_id": string,
          "titulo": string,
          "categoria_principal": string,
          "emprestimos_30d": number,
          "emprestimos_90d": number,
          "emprestimos_180d": number,
          "emprestimos_365d": number,
          "dias_medio_emprestimo": number,
          "atrasos_percentual": number, 
          "recencia_factor": number, 
          "tendencia_crescimento": number, 
          "popularidade_score": number, 
          "classe_demanda": "alta" | "media" | "baixa",
          "sazonalidade_pico": ["Meses"],
          "publico_predominante": "alunos" | "professores" | "misto"
        }
      ],
      "metricas_por_categoria": [
        {
          "categoria": string,
          "share_demanda_90d": number,
          "popularidade_media": number,
          "itens_frios": number,
          "tendencia_categoria": number
        }
      ],
      "itens_frios": ["livro_id", ...],
      "parametros_norma": {
        "p90_uso_30d": number,
        "media_180d": number,
        "desvio_180d": number
      }
    } 
  • Número de caracteres esperado: O JSON gerado terá um tamanho aproximado 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.
  • Calculadora: Utiliza lógica interna para calcular métricas de uso e popularidade.
  • Busca Online: Não utiliza.
  • Sistemas Externos: Não utiliza.

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 Sugestão de Organização do Acervo (RF 2).

1.3.6 Regras de Orquestração e Transição

Ao concluir sua execução, esse agente aciona o Agente de Sugestão de Organização do Acervo (RF 2).

RF 2. Agente de Sugestão de Organização do Acervo

2.1 Tarefa do Agente

Gerar um plano de organização física e de exposição do acervo com base nas métricas de demanda, categorias e sazonalidade.

2.2 Prompt ou Instruções do Agente
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo a saída completa do Agente de Análise de Dados de Uso do Acervo, além de parâmetros de espaço da biblioteca.

# 2. Objetivo
Gerar um plano de organização física do acervo que maximize a eficiência no uso do espaço e melhore o acesso aos livros mais populares e em alta demanda.

# 3. Regras que você deve seguir para gerar sua resposta
- Crie zonas de organização com base na demanda dos últimos 90 dias, distribuindo o espaço em zonas de alta, média e baixa demanda.
- Alinhe a alocação de categorias com a popularidade média e as tendências identificadas, garantindo que os livros mais populares estejam em locais de fácil acesso.
- Proponha realocações de livros conforme necessário para otimizar o uso do espaço e aumentar a visibilidade de itens de alta demanda.
- Inclua recomendações para sinalização e rotulagem que ajudem na navegação dos usuários pela biblioteca.

# 4. Exemplo de Output que você deve produzir
{
  "zonificacao": [
    {"zona": "A", "proposito": "Alta demanda e acesso rápido", "bays_atribuidos": [1,2], "capacidade_total": number },
    {"zona": "B", "proposito": "Demanda média", "bays_atribuidos": [3,4,5], "capacidade_total": number },
    {"zona": "C", "proposito": "Baixa demanda/arquivo", "bays_atribuidos": [6,7,8,9,10], "capacidade_total": number }
  ],
  "alocacao_categorias": [
    {"categoria": string, "zona": "A"|"B"|"C", "racional": string}
  ],
  "posicionamento_livros": [
    {"livro_id": string, "zona": "A"|"B"|"C", "bay": number, "prateleira": number, "face_out": true/false}
  ],
  "sinalizacao": {
    "placas_zona": [{"zona": "A", "texto": "Recomendados e mais emprestados"}],
    "rotulos_prateleira": [{"categoria": string, "cor": string, "icone": string}]
  },
  "realocacoes_sugeridas": [
    {"livro_id": string, "de": {"bay": number, "prateleira": number}, "para": {"bay": number, "prateleira": number}, "motivo": string}
  ],
  "revisao_periodica": {"frequencia": "mensal", "criterio_rebalanceamento": "se desvio de demanda > 15%"}
} 
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 a saída completa do Agente de Análise de Dados de Uso do Acervo e parâmetros de espaço em 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 até 50.000 caracteres.

2.3.2 Especificação do Output

  • Formato de output: O output deve ser um arquivo no formato JSON detalhando o plano de organização do acervo, incluindo zonificação, alocação de categorias, posicionamento de livros e recomendações de sinalização.
  • Exemplo de Estrutura de Output:
     {
      "zonificacao": [
        {"zona": "A", "proposito": "Alta demanda e acesso rápido", "bays_atribuidos": [1,2], "capacidade_total": number },
        {"zona": "B", "proposito": "Demanda média", "bays_atribuidos": [3,4,5], "capacidade_total": number },
        {"zona": "C", "proposito": "Baixa demanda/arquivo", "bays_atribuidos": [6,7,8,9,10], "capacidade_total": number }
      ],
      "alocacao_categorias": [
        {"categoria": string, "zona": "A"|"B"|"C", "racional": string}
      ],
      "posicionamento_livros": [
        {"livro_id": string, "zona": "A"|"B"|"C", "bay": number, "prateleira": number, "face_out": true/false}
      ],
      "sinalizacao": {
        "placas_zona": [{"zona": "A", "texto": "Recomendados e mais emprestados"}],
        "rotulos_prateleira": [{"categoria": string, "cor": string, "icone": string}]
      },
      "realocacoes_sugeridas": [
        {"livro_id": string, "de": {"bay": number, "prateleira": number}, "para": {"bay": number, "prateleira": number}, "motivo": string}
      ],
      "revisao_periodica": {"frequencia": "mensal", "criterio_rebalanceamento": "se desvio de demanda > 15%"}
    } 
  • Número de caracteres esperado: O JSON gerado terá um tamanho aproximado de 5.000 caracteres.

2.3.3 Parâmetros de Geração

  • Modelo: GPT-5
  • Temperatura: 0.6

2.3.4 Ferramentas do Agente

  • Documentos: Não consulta.
  • Calculadora: Utiliza lógica interna para otimizar a organização do acervo.
  • Busca Online: Não utiliza.
  • Sistemas Externos: Não utiliza.

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 completa o fluxo e é o produto final a ser utilizado para reorganizar o acervo.

2.3.6 Regras de Orquestração e Transição

A execução deste agente finaliza o fluxo e o plano de organização gerado deve ser implementado pela equipe da biblioteca.

© 2025 prototipe.ai. Todos os direitos reservados.