PrototipeAI | Agente de IA para Personalização de Planos de Estudo

1. Propósito e Escopo

Este documento define todos os prompts e detalhes de requisitos para o Agente de IA para Personalização de Planos de Estudo, uma solução projetada para sugerir planos de estudo personalizados baseados em dados de desempenho acadêmico e preferências de aprendizagem de cada aluno. Essa documentação é um modelo de PRD ou Documento de Requisitos de Produto específicos para construção de Agentes de IA.

O objetivo principal é criar planos de estudo que atendam às necessidades e preferências individuais dos alunos, adaptando-se às mudanças no desempenho e nas preferências dos alunos.

2. Contexto e Problema

Cenário Atual

No cenário educacional atual, muitos alunos enfrentam dificuldades para obter planos de estudo que realmente atendam às suas necessidades específicas. Os métodos tradicionais costumam ser genéricos e não consideram as preferências individuais de aprendizagem, o que pode levar a um desinteresse e a um desempenho acadêmico abaixo do esperado.

Problemas Identificados

Dificuldade em personalização: Criar planos de estudo que atendam às necessidades e preferências individuais dos alunos.
Falta de adaptação: Planos de estudo não se adaptam às mudanças no desempenho e nas preferências dos alunos.

3. Impactos Esperados

A implementação deste agente de IA visa alcançar os seguintes resultados:

Melhorar o desempenho acadêmico dos alunos ao fornecer planos de estudo que se adaptem às suas necessidades.
Aumentar o engajamento dos alunos com materiais de estudo que respeitam suas preferências de aprendizagem.
Facilitar o ajuste contínuo dos planos de estudo com base no progresso acadêmico real.

4. Visão Geral da Solução

O agente de IA para personalização de planos de estudo analisa dados de desempenho acadêmico e preferências de aprendizagem de cada aluno, sugere planos de estudo personalizados e adaptáveis, e ajusta os planos conforme necessário para garantir a eficácia. 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 personalização de planos de estudo.

A solução consiste em dois agentes principais. O processo começa com a análise do desempenho acadêmico e das preferências de aprendizagem do aluno, seguido pela sugestão de um plano de estudo personalizado.

Agentes	Função Principal
`Agente de Análise de Desempenho Acadêmico` (RF 1)	Analisar dados de desempenho acadêmico e preferências de aprendizagem de cada aluno.
`Agente de Sugerir Planos de Estudo` (RF 2)	Sugerir planos de estudo personalizados e adaptáveis para cada aluno.

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.

Ver Agente na Prototipe AI

6. Requisitos Funcionais

RF 1. Agente de Análise de Desempenho Acadêmico

1.1 Tarefa do Agente

Analisar dados de desempenho acadêmico e preferências de aprendizagem de cada aluno.

1.2 Prompt ou Instruções do Agente

 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo dados de desempenho acadêmico e preferências de aprendizagem de um aluno. Estes dados estão em formato JSON e incluem informações sobre notas, frequência, participação e preferências de estilo de aprendizagem.

# 2. Objetivo
Analisar os dados de desempenho acadêmico e preferências de aprendizagem para identificar padrões e preparar um relatório que destaque áreas de força e necessidade de melhoria.

# 3. Regras que você deve seguir para gerar sua resposta
- Extraia e analise os dados de desempenho acadêmico de cada aluno, focando em notas, frequência e participação.
- Identifique padrões nas preferências de aprendizagem, como estilos de aprendizado preferidos e horários de estudo mais eficazes.
- Avalie a consistência do desempenho ao longo do tempo para detectar melhorias ou declínios.
- Use insights obtidos para preparar um relatório que destaque áreas de força e necessidade de melhoria.
- Certifique-se de que os dados estejam atualizados e consistentes antes de iniciar a análise.

# 4. Exemplo de Output que você deve produzir
{
  "desempenho_analise": "Análise detalhada do desempenho atual.",
  "preferencias_analise": "Análise das preferências de aprendizagem."
}

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 de desempenho acadêmico e preferências de aprendizagem via API. Na fase de testes, os dados serão enviados para o agente diretamente por upload de um arquivo JSON na interface da Prototipe AI, para acelerar o processo de validação.
Tipo do input: Dados de desempenho acadêmico e preferências de aprendizagem do aluno 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 10.000 caracteres.

1.3.2 Especificação do Output

Formato de output: O output deve ser um JSON contendo a análise do desempenho acadêmico e das preferências de aprendizagem.

Exemplo de Estrutura de Output:

 {
  "desempenho_analise": "Análise detalhada do desempenho atual.",
  "preferencias_analise": "Análise das preferências de aprendizagem."
}

Número de caracteres esperado: O JSON gerado deve ser conciso e informativo, com um tamanho estimado em torno de 2.000 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: 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 Sugerir Planos de Estudo (RF 2).

1.3.6 Regras de Orquestração e Transição

Ao concluir sua execução, esse agente aciona o Agente de Sugerir Planos de Estudo (RF 2).

RF 2. Agente de Sugerir Planos de Estudo

2.1 Tarefa do Agente

Sugerir planos de estudo personalizados e adaptáveis para cada aluno.

2.2 Prompt ou Instruções do Agente

 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo uma análise de desempenho acadêmico e preferências de aprendizagem de um aluno. Estes dados estão em formato JSON e foram gerados pelo agente anterior.

# 2. Objetivo
Sugerir um plano de estudo personalizado e adaptável que maximize o desempenho acadêmico do aluno.

# 3. Regras que você deve seguir para gerar sua resposta
- Utilize a análise de desempenho acadêmico e preferências para criar um plano de estudo inicial.
- Inclua no plano atividades e materiais que correspondam ao estilo de aprendizado preferido do aluno.
- Proponha cronogramas de estudo que maximizem a eficiência com base nos horários mais produtivos identificados.
- Estabeleça metas claras e mensuráveis para o progresso acadêmico.
- Revise e ajuste o plano regularmente com base em feedback e novas análises de desempenho.

# 4. Exemplo de Output que você deve produzir
{
  "plano_estudo": "Plano de estudo personalizado e adaptável."
}

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 análise de desempenho acadêmico e preferências de aprendizagem em formato JSON, gerada pelo agente anterior.
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.

2.3.2 Especificação do Output

Formato de output: O output deve ser um JSON contendo o plano de estudo personalizado e adaptável.