Agente de IA para Orientação Vocacional Personalizada

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

Como criar um agente de IA que analisa perfis de alunos, interesses e habilidades para sugerir carreiras adequadas e caminhos educacionais personalizados.

1. Propósito e Escopo

Este documento define todos os prompts, configurações de memória, transição entre estados, ferramentas como busca online, consulta a documentos e demais requisitos funcionais para o Fluxo de Agentes "Orientação Vocacional Personalizada", uma solução de automação projetada para analisar perfis de alunos e sugerir carreiras adequadas e caminhos educacionais personalizados. Essa documentação é um modelo de PRD ou Documento de Requisitos de Produto específicos para construção de Agentes de IA.

O objetivo principal é transformar dados de perfil de aluno, incluindo interesses, habilidades e histórico educacional, em recomendações de carreira e planos educacionais personalizados.

2. Contexto e Problema

Cenário Atual

Os alunos enfrentam dificuldades em identificar carreiras que se alinhem aos seus interesses e habilidades. Além disso, há uma falta de orientação personalizada que considere o perfil individual do aluno, bem como a necessidade de planejamento educacional que suporte as escolhas de carreira.


Problemas Identificados

  • Dificuldade de identificação: Os alunos têm dificuldade em identificar carreiras que se alinhem aos seus interesses e habilidades.
  • Falta de personalização: A orientação atual não considera o perfil individual de cada aluno.
  • Necessidade de planejamento: Falta um planejamento educacional que suporte as escolhas de carreira.

3. Impactos Esperados

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

  • Melhorar a identificação de carreiras que se alinhem aos interesses e habilidades dos alunos.
  • Oferecer orientação personalizada que considere o perfil individual do aluno.
  • Prover planejamento educacional que suporte as escolhas de carreira dos alunos.

4. Visão Geral da Solução

O agente de IA para orientação vocacional personalizada analisa perfis de alunos, considerando interesses, habilidades e histórico educacional, para sugerir carreiras adequadas e caminhos educacionais personalizados. 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 orientação vocacional dos alunos.

A solução consiste em um fluxo de automação composto por 7 agentes de IA. O processo inicia com a padronização e validação do perfil do aluno e termina com a geração de recomendações de carreira e plano educacional personalizado.

A execução dos agentes é sequencial e linear, seguindo a ordem definida na tabela abaixo. O fluxo inclui etapas condicionais que são executadas apenas se critérios específicos forem atendidos, conforme detalhado após a tabela.

Agentes Função Principal
Agente de Padronização e Validação do Perfil do Aluno (RF 1) Validar, completar e padronizar o JSON de entrada do perfil do aluno.
Agente de Mapeamento para Áreas Ocupacionais e Lacunas de Competências (RF 2) Mapear interesses e habilidades normalizadas para famílias ocupacionais e identificar lacunas de competências.
Agente de Busca Online de Tendências de Mercado (RF 3) Realizar busca online para coletar dados recentes de demanda, crescimento, faixa salarial e requisitos comuns por família ocupacional.
Agente de Consolidação de Tendências e Escore de Oportunidade (RF 4) Consolidar resultados da busca de mercado e produzir indicadores comparáveis e um escore de oportunidade por família.
Agente de Busca Online de Cursos e Programas (RF 5) Realizar busca online de cursos, trilhas e certificações alinhados às lacunas identificadas e às preferencias do aluno.
Agente de Síntese de Opções Educacionais (RF 6) Organizar e classificar cursos e certificações por prioridade, cobrindo lacunas com restrições de orçamento e modalidade.
Agente de Recomendações de Carreira e Plano Educacional Personalizado (RF 7) Gerar recomendações finais de carreiras, justificativas, trilha educacional de curto/médio/longo prazo e metas mensuráveis.

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.

6. Requisitos Funcionais

RF 1. Agente de Padronização e Validação do Perfil do Aluno

1.1 Tarefa do Agente

Validar, completar (quando possível) e padronizar o JSON de entrada do perfil do aluno, gerando flags de controle para os próximos agentes.

1.2 Prompt ou Instruções do Agente
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo um JSON com o perfil do aluno, que inclui interesses, habilidades e histórico educacional. Este JSON é o ponto de partida para a análise e recomendações personalizadas.

# 2. Objetivo
Validar, completar e padronizar o JSON de entrada do perfil do aluno, gerando flags de controle para os próximos agentes.

# 3. Regras que você deve seguir para gerar sua resposta
- Se algum dos campos essenciais estiver faltando (interesses OU habilidades), defina flags.perfil_valido=false e inclua no output o campo erros_obrigatorios com a lista dos campos ausentes.
- Normalize capitalização e sinônimos: mapeie interesses para macroáreas padronizadas (ex.: tecnologia->Tecnologia; design->Design e Artes; biologia->Biociências).
- Converta niveis de habilidade para escala numérica 0 a 3 (0=none,1=basico,2=intermediario,3=avancado); se nivel ausente, atribua 1.
- Valide localidade no formato UF-PAIS (ex.: SP-BR). Se ausente, defina localidade="BR" e flags.tem_localidade=false.
- Defina flags.precisa_busca_mercado=true se houver pelo menos um interesse ou habilidade; caso contrário, false.
- Defina flags.precisa_busca_cursos=true se preferencias.orcamento_mensal existir OU se historico_educacional indicar transição (status="Concluido" ou "Cursando").
- Remova duplicatas em interesses e habilidades após normalização.
- Inclua campo resumo_perfil com até 50 palavras sintetizando interesses, habilidades e nível atual. 
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 JSON com o perfil do aluno 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 JSON na interface da Prototipe AI, para acelerar o processo de validação.
  • Tipo do input: O input inicial para o fluxo é um JSON contendo os dados do perfil do aluno.
  • Formatos Suportados: Esse agente deve ser capaz de receber dados nos formatos: .json.
  • Número de caracteres esperado: Este agente deve ter capacidade para processar um input de texto com até 10.000 caracteres.

1.3.2 Especificação do Output

  • Formato de output: O output deve ser um JSON estruturado com o perfil normalizado e flags de controle.
  • Exemplo de Estrutura de Output:
     {"perfil_normalizado": {"idade": 17, "localidade": "SP-BR", "interesses_normalizados": ["Tecnologia", "Biociências"], "habilidades_normalizadas": [{"competencia": "Raciocinio Logico", "nivel": 2}], "historico_educacional_normalizado": [{"nivel": "Ensino Medio", "status": "Cursando"}], "preferencias": {"modalidade": ["Presencial", "Online"], "orcamento_mensal": 600}}, "flags": {"perfil_valido": true, "precisa_busca_mercado": true, "precisa_busca_cursos": true, "tem_localidade": true}} 
  • Número de caracteres esperado: O JSON final deve ser conciso e informativo, com um tamanho estimado em torno de 1.500 caracteres, podendo variar conforme a complexidade do perfil descrito.

1.3.3 Parâmetros de Geração

  • Modelo: GPT-5
  • Temperatura: 0.5

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 Mapeamento para Áreas Ocupacionais e Lacunas de Competências (RF 2).

RF 2. Agente de Mapeamento para Áreas Ocupacionais e Lacunas de Competências

2.1 Tarefa do Agente

Mapear interesses e habilidades normalizadas para famílias ocupacionais e identificar lacunas de competências para cada família.

2.2 Prompt ou Instruções do Agente
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo um JSON com o perfil normalizado do aluno, que inclui interesses e habilidades normalizadas. Este JSON é a base para mapear áreas ocupacionais e identificar lacunas de competências.

# 2. Objetivo
Mapear interesses e habilidades normalizadas para famílias ocupacionais e identificar lacunas de competências para cada família.

# 3. Regras que você deve seguir para gerar sua resposta
- Crie uma lista de familias ocupacionais candidatas a partir das macroáreas (ex.: Tecnologia -> Desenvolvimento de Software, Analise de Dados, Suporte TI).
- Para cada familia, defina competencias_core (3 a 7 itens) e niveis_minimos; compare com habilidades_normalizadas para calcular aderencia = media ponderada de cobertura (0..1).
- Identifique lacunas quando nivel_atual < nivel_minimo; inclua nivel_atual e nivel_recomendado.
- Priorize ate 6 familias com maior aderencia; descarte familias com aderencia < 0.3.
- Inclua campo premissas_mapeamento listando como interesses influenciaram a selecao das familias.
- Se nao houver habilidades informadas, calcule aderencia apenas por interesses e marque campo aviso_sem_habilidades=true. 
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 estruturado com o perfil normalizado do aluno.
  • 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 5.000 caracteres.

2.3.2 Especificação do Output

  • Formato de output: O output deve ser um JSON estruturado com o mapeamento ocupacional e lacunas de competências.
  • Exemplo de Estrutura de Output:
     {"mapeamento_ocupacional": [{"familia": "Desenvolvimento de Software", "codigo_referencia": "TEC-DEV", "competencias_core": [{"competencia": "Programacao", "nivel_minimo": 2}], "aderencia": 0.72, "lacunas": [{"competencia": "Programacao", "nivel_atual": 1, "nivel_recomendado": 2}]}], "resumo_lacunas": {"total_lacunas": 3}} 
  • Número de caracteres esperado: O JSON final deve ser conciso e informativo, com um tamanho estimado em torno de 2.000 caracteres.

2.3.3 Parâmetros de Geração

  • Modelo: GPT-5
  • Temperatura: 0.5

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 Busca Online de Tendências de Mercado (RF 3).

RF 3. Agente de Busca Online de Tendências de Mercado

3.1 Tarefa do Agente

Realizar busca online para coletar dados recentes de demanda, crescimento, faixa salarial e requisitos comuns por família ocupacional.

3.2 Prompt ou Instruções do Agente
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo um JSON com parâmetros de busca que incluem famílias ocupacionais e localidade. Este JSON é a base para a busca online de tendências de mercado.

# 2. Objetivo
Realizar busca online para coletar dados recentes de demanda, crescimento, faixa salarial e requisitos comuns por família ocupacional.

# 3. Regras que você deve seguir para gerar sua resposta
- Realize buscas em fontes confiáveis e atualizadas para coletar dados de mercado sobre as famílias ocupacionais especificadas.
- Inclua informações sobre demanda, crescimento, faixa salarial e requisitos comuns para cada família.
- Estruture os resultados em um JSON que inclua as fontes consultadas e um resumo dos dados coletados. 
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 como input um JSON com parâmetros de busca, incluindo famílias ocupacionais e localidade.
  • 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 estruturado com os resultados da busca de mercado, incluindo dados de demanda, crescimento, faixa salarial e requisitos comuns.
  • Exemplo de Estrutura de Output:
     {"resultados_busca_mercado": [{"familia": "Desenvolvimento de Software", "fontes": [{"url": "https://exemplo", "trecho": "alta demanda"}], "indicadores_brutos": {"crescimento": "+8%", "vagas": 1200, "salario_mediano": 6500}}]} 
  • Número de caracteres esperado: O JSON final deve ser conciso e informativo, com um tamanho estimado em torno de 1.500 caracteres.

3.3.3 Parâmetros de Geração

  • Modelo: GPT-5
  • Temperatura: 0.5

3.3.4 Ferramentas do Agente

  • Documentos: Não consulta documentos externos.
  • Calculadora: Não utiliza.
  • Busca Online: Utiliza para coleta de dados de mercado.
  • 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 Tendências e Escore de Oportunidade (RF 4).

RF 4. Agente de Consolidação de Tendências e Escore de Oportunidade

4.1 Tarefa do Agente

Consolidar resultados da busca de mercado e produzir indicadores comparáveis e um escore de oportunidade por família.

4.2 Prompt ou Instruções do Agente
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo um JSON com os resultados da busca de mercado e o mapeamento ocupacional. Este JSON é a base para consolidar tendências e calcular escores de oportunidade.

# 2. Objetivo
Consolidar resultados da busca de mercado e produzir indicadores comparáveis e um escore de oportunidade por família.

# 3. Regras que você deve seguir para gerar sua resposta
- Normalize crescimento para valor decimal (ex.: "+8%" -> 0.08); normalize salarios para moeda local quando aplicavel.
- Calcule demanda_relativa escalando vagas da familia pela soma de vagas das familias candidatas (0..1).
- Escore de oportunidade = 0.4*demanda_relativa + 0.3*crescimento_anual_pct_normalizado + 0.3*salario_mediano_normalizado; normalize crescimento e salario por min-max entre familias candidatas.
- Se localidade nao especifica (ex.: "BR"), utilize medias nacionais; caso contrario, privilegie dados regionais.
- Liste ate 5 fontes_citadas por familia, preservando URLs unicas e trechos sintese de 20-30 palavras.
- Se nao houver dados de mercado para alguma familia, marque indicador indisponivel e atribua escores com media das demais dimensoes disponiveis. 
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 como input um JSON com os resultados da busca de mercado e o mapeamento ocupacional.
  • 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.

4.3.2 Especificação do Output

  • Formato de output: O output deve ser um JSON estruturado com os indicadores de mercado e escores de oportunidade por família.
  • Exemplo de Estrutura de Output:
     {"indicadores_mercado": [{"familia": "Desenvolvimento de Software", "demanda_relativa": 0.85, "crescimento_anual_pct": 0.08, "salario_mediano_local": 6500, "fontes_citadas": ["https://exemplo"], "escore_oportunidade": 0.78}], "metodologia": {"pesos": {"demanda": 0.4, "crescimento": 0.3, "salario": 0.3}}} 
  • Número de caracteres esperado: O JSON final deve ser conciso e informativo, com um tamanho estimado em torno de 2.500 caracteres.

4.3.3 Parâmetros de Geração

  • Modelo: GPT-5
  • Temperatura: 0.5

4.3.4 Ferramentas do Agente

  • Documentos: Não consulta documentos externos.
  • Calculadora: Utiliza lógica interna para calcular escores de oportunidade.
  • 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 Busca Online de Cursos e Programas (RF 5).

RF 5. Agente de Busca Online de Cursos e Programas

5.1 Tarefa do Agente

Realizar busca online de cursos, trilhas e certificações alinhados às lacunas identificadas e às preferencias do aluno.

5.2 Prompt ou Instruções do Agente
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo um JSON com parâmetros de busca que incluem competências prioritárias, modalidades e localidade. Este JSON é a base para a busca online de cursos e programas educacionais.

# 2. Objetivo
Realizar busca online de cursos, trilhas e certificações alinhados às lacunas identificadas e às preferencias do aluno.

# 3. Regras que você deve seguir para gerar sua resposta
- Realize buscas em plataformas educacionais confiáveis e atualizadas para coletar dados de cursos e programas educacionais.
- Inclua informações sobre carga horária, custo, modalidade e provedores de cursos para cada competência.
- Estruture os resultados em um JSON que inclua as fontes consultadas e um resumo dos cursos encontrados. 
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 como input um JSON com parâmetros de busca, incluindo competências prioritárias, modalidades e localidade.
  • 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.

5.3.2 Especificação do Output

  • Formato de output: O output deve ser um JSON estruturado com os resultados da busca de cursos, incluindo informações sobre carga horária, custo, modalidade e provedores.
  • Exemplo de Estrutura de Output:
     {"resultados_busca_cursos": [{"competencia": "Programacao", "ofertas": [{"titulo": "Logica de Programacao", "provedor": "X", "modalidade": "Online", "carga_horaria": 40, "custo_mensal": 120, "url": "https://curso-x"}]}]} 
  • Número de caracteres esperado: O JSON final deve ser conciso e informativo, com um tamanho estimado em torno de 1.500 caracteres.

5.3.3 Parâmetros de Geração

  • Modelo: GPT-5
  • Temperatura: 0.5

5.3.4 Ferramentas do Agente

  • Documentos: Não consulta documentos externos.
  • Calculadora: Não utiliza.
  • Busca Online: Utiliza para coleta de dados de cursos e programas.
  • Sistemas Externos: Não se conecta a sistemas externos.

5.3.5 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 Síntese de Opções Educacionais (RF 6).

5.3.6 Regras de Orquestração e Transição

Ao concluir sua execução, esse agente aciona o Agente de Síntese de Opções Educacionais (RF 6).

RF 6. Agente de Síntese de Opções Educacionais

6.1 Tarefa do Agente

Organizar e classificar cursos e certificações por prioridade, cobrindo lacunas com restrições de orçamento e modalidade.

6.2 Prompt ou Instruções do Agente
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo um JSON com os resultados da busca de cursos e o resumo das lacunas de competências. Este JSON é a base para organizar e classificar cursos e certificações por prioridade.

# 2. Objetivo
Organizar e classificar cursos e certificações por prioridade, cobrindo lacunas com restrições de orçamento e modalidade.

# 3. Regras que você deve seguir para gerar sua resposta
- Associe cada curso a uma competencia alvo; calcule ajuste_lacuna (0..1) com base em carga_horaria, conteudo e nivel versus nivel_recomendado.
- Filtre por modalidade conforme preferencias; se vazio, mantenha ambos e marque alerta_preferencia_modalidade=true.
- Respeite orcamento_mensal: priorize combinacoes de cursos cujo custo agregado mensal <= orcamento; se exceder, sinalize sugestoes_economicas com alternativas mais baratas.
- Selecione ate 3 top_ofertas por competencia prioritaria.
- Calcule cobertura_lacunas_pct como proporcao de lacunas com pelo menos uma oferta com ajuste_lacuna >= 0.6. 
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 como input um JSON com os resultados da busca de cursos e o resumo das lacunas de competências.
  • 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 estruturado com as opções educacionais organizadas e classificadas por prioridade.
  • Exemplo de Estrutura de Output:
     {"opcoes_educacionais": [{"competencia": "Programacao", "top_ofertas": [{"titulo": "Logica de Programacao", "ajuste_lacuna": 0.6, "custo_mensal": 120, "modalidade": "Online", "url": "https://curso-x"}]}], "cobertura_lacunas_pct": 0.75} 
  • Número de caracteres esperado: O JSON final deve ser conciso e informativo, com um tamanho estimado em torno de 1.500 caracteres.

6.3.3 Parâmetros de Geração

  • Modelo: GPT-5
  • Temperatura: 0.5

6.3.4 Ferramentas do Agente

  • Documentos: Não consulta documentos externos.
  • Calculadora: Utiliza lógica interna para calcular ajuste_lacuna e cobertura_lacunas_pct.
  • Busca Online: Não utiliza.
  • Sistemas Externos: Não se conecta a sistemas externos.

6.3.5 Memória

6.3.6 Regras de Orquestração e Transição

Ao concluir sua execução, esse agente aciona o Agente de Recomendações de Carreira e Plano Educacional Personalizado (RF 7).

RF 7. Agente de Recomendações de Carreira e Plano Educacional Personalizado

7.1 Tarefa do Agente

Gerar recomendações finais de carreiras, justificativas, trilha educacional de curto/médio/longo prazo e metas mensuráveis.

7.2 Prompt ou Instruções do Agente
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo um JSON com o perfil normalizado, mapeamento ocupacional, indicadores de mercado e opções educacionais. Este JSON é a base para gerar recomendações finais de carreiras e planos educacionais personalizados.

# 2. Objetivo
Gerar recomendações finais de carreiras, justificativas, trilha educacional de curto/médio/longo prazo e metas mensuráveis.

# 3. Regras que você deve seguir para gerar sua resposta
- Combine aderencia (do mapeamento) e escore_oportunidade (de mercado) em escore_final = 0.6*aderencia + 0.4*escore_oportunidade; quando nao houver mercado, use escore_final=aderencia.
- Limite sugestoes_carreira a 3 familias com maior escore_final; inclua justificativas de ate 40 palavras citando competencias fortes e fontes de mercado quando disponiveis.
- Defina trilha educacional com horizontes: curto (0-3m), medio (4-12m), longo (13-24m+); cada acao deve ter meta, KPI e estimativa de custo mensal quando aplicavel.
- Monte cronograma_semanal respeitando disponibilidade implicita (assuma 4-8h/semana para ensino medio e 8-12h/semana para pos-ensino medio se nao informado).
- Inclua plano de fechamento de lacunas ordenado por criticidade (competencias com maior diferenca nivel_recomendado-nivel_atual primeiro).
- Se tem_localidade=false, acrescente observacao que os dados de mercado sao nacionais e podem variar regionalmente. 
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).
  • Tipo do input: Este agente deve ser apto a receber como input um JSON com o perfil normalizado, mapeamento ocupacional, indicadores de mercado e opções educacionais.
  • 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.

7.3.2 Especificação do Output

  • Formato de output: O output deve ser um JSON estruturado com as recomendações de carreira e plano educacional personalizado.
  • Exemplo de Estrutura de Output:
     {"sugestoes_carreira": [{"familia": "Desenvolvimento de Software", "nivel_entrada": "Junior", "justificativa": "Aderencia 0.72 e alta demanda regional", "escore_final": 0.80}], "plano_educacional": {"curto_prazo_meses": [{"acao": "Curso Logica de Programacao", "meta": "Concluir com nota >=8", "kpi": "certificado", "custo_mensal": 120}], "medio_prazo_meses": [...], "longo_prazo_meses": [...]}, "cronograma_semanal": [{"semana": 1, "horas": 6, "atividades": ["Aula 1-2", "Praticas"]}], "riscos_e_mitigacoes": ["Risco: sobrecarga escolar; Mitigacao: reduzir 2h/semana em semanas de prova"]} 
  • Número de caracteres esperado: O JSON final deve ser conciso e informativo, com um tamanho estimado em torno de 3.500 caracteres.

7.3.3 Parâmetros de Geração

  • Modelo: GPT-5
  • Temperatura: 0.5

7.3.4 Ferramentas do Agente

  • Documentos: Não consulta documentos externos.
  • Calculadora: Utiliza lógica interna para calcular escores finais e cronograma semanal.
  • 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 subsequente.
  • 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. As recomendações geradas são o resultado que deve ser disponibilizado ao usuário.

© 2025 prototipe.ai. Todos os direitos reservados.