Agente de IA para Personalização de Propostas Comerciais

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

Como criar um agente de IA que personaliza propostas comerciais para diferentes parceiros.

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, consulta a documentos e demais requisitos funcionais para o Agente de IA de Personalização de Propostas Comerciais. 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 um agente que analise dados históricos e preferências dos parceiros para personalizar propostas comerciais, automatizando a criação de propostas com base em modelos predefinidos e adaptáveis, garantindo consistência com as estratégias e objetivos comerciais da empresa.

2. Contexto e Problema

Problemas Específicos

A personalização das propostas comerciais para diferentes parceiros é uma necessidade crítica, mas atualmente há dificuldades em utilizar dados históricos e preferências para a criação de propostas eficazes. Os principais problemas identificados incluem:

  • Necessidade de personalização das propostas comerciais para diferentes parceiros.
  • Dificuldade em utilizar dados históricos e preferências para criar propostas eficazes.

O desafio é integrar esses dados de forma eficiente para que as propostas reflitam as necessidades e preferências únicas de cada parceiro, enquanto permanecem alinhadas com as estratégias comerciais da empresa.

3. Impactos Esperados

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

  • Automatizar a personalização de propostas comerciais, reduzindo o tempo e esforço necessários para criar propostas adaptadas.
  • Aumentar a eficácia das propostas, utilizando dados históricos e preferências para melhor alinhamento com as necessidades dos parceiros.
  • Garantir consistência com as estratégias e objetivos comerciais da empresa em todas as propostas geradas.

4. Visão Geral da Solução

O agente de IA para personalização de propostas comerciais processa dados históricos e preferências dos parceiros, aplicando regras de acordo com as estratégias comerciais da empresa para gerar propostas personalizadas e eficazes. 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 propostas comerciais para diferentes parceiros.

A solução consiste em um fluxo de automação composto por 8 agentes de IA. O processo inicia com a execução de consultas em bancos de dados para coletar dados históricos e termina com a validação final e consistência das propostas antes do envio.

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

Agentes Função Principal
Agente de Execução de Consultas em Banco de Dados (RF 1) Obter dados históricos de transações, preferências dos parceiros e regras comerciais vigentes.
Agente de Normalização e Qualidade de Dados (RF 2) Padronizar, higienizar e unificar os dados recuperados, garantindo consistência de chaves e preenchimento de lacunas críticas.
Agente de Análise de Dados Históricos e Preferências (RF 3) Gerar insights acionáveis por parceiro a partir de históricos normalizados e preferências para orientar a proposta.
Agente de Diretrizes Comerciais e Compliance (RF 4) Aplicar políticas comerciais e restrições legais/contratuais da empresa ao contexto do parceiro, produzindo guardrails para a proposta.
Agente de Precificação e Condições Econômicas (RF 5) Determinar preços, descontos, condições de pagamento e prazos dentro dos guardrails e do perfil do parceiro.
Agente de Seleção de Template e Esqueleto da Proposta (RF 6) Selecionar o modelo adequado e montar o esqueleto estruturado da proposta com placeholders preenchíveis.
Agente de Redação da Proposta Comercial (RF 7) Redigir a proposta final de forma clara, persuasiva e consistente com a identidade da marca e com os guardrails.
Agente de Checagem Final e Consistência (RF 8) Validar aderência da proposta aos cálculos, políticas e integridade documental antes do envio.

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 Execução de Consultas em Banco de Dados

1.1 Tarefa do Agente

Obter dados históricos de transações, preferências dos parceiros e regras comerciais vigentes a partir das fontes corporativas.

1.2 Prompt ou Instruções do Agente 
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo parâmetros prontos de consulta para obter dados históricos de transações, preferências dos parceiros e regras comerciais vigentes a partir das fontes corporativas.

# 2. Objetivo
Executar a consulta aos dados externos com os parâmetros recebidos e retornar os resultados sem transformações adicionais.

# 3. Regras que você deve seguir para gerar sua resposta
- Execute a consulta utilizando os parâmetros fornecidos, garantindo que todos os dados relevantes sejam coletados.
- Retorne os dados brutos em um JSON estruturado por coleção (ex.: { vendas:[], propostas:[], devolucoes:[], preferencias:[], diretrizes_comerciais:[] }).
- Não realize transformações adicionais nos dados retornados.

# 4. Exemplo de Output que você deve produzir
{
  "vendas":[],
  "propostas":[],
  "devolucoes":[],
  "preferencias":[],
  "diretrizes_comerciais":[]
}
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 parâmetros prontos de consulta 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: Parâmetros de consulta estruturados para execução em banco 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 até 10.000 caracteres.

1.3.2 Especificação do Output

  • Formato de output: O output deve ser um JSON estruturado por coleção contendo os dados brutos recuperados.
  • Exemplo de Estrutura de Output: 
     {
  "vendas":[],
  "propostas":[],
  "devolucoes":[],
  "preferencias":[],
  "diretrizes_comerciais":[]
}
  • 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 documentos externos.
  • Calculadora: Não utiliza.
  • Busca Online: Não utiliza.
  • Sistemas Externos: Conecta-se a sistemas de banco de dados corporativos para execução de consultas.

1.3.5 Memória

1.3.6 Regras de Orquestração e Transição

Ao concluir sua execução, esse agente aciona o Agente de Normalização e Qualidade de Dados (RF 2).

RF 2. Agente de Normalização e Qualidade de Dados

2.1 Tarefa do Agente

Padronizar, higienizar e unificar os dados recuperados, garantindo consistência de chaves e preenchimento de lacunas críticas.

2.2 Prompt ou Instruções do Agente 
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo coleções de dados brutos (vendas, propostas, devolucoes, preferencias, diretrizes_comerciais) em JSON.

# 2. Objetivo
Padronizar, higienizar e unificar os dados recuperados, garantindo consistência de chaves e preenchimento de lacunas críticas.

# 3. Regras que você deve seguir para gerar sua resposta
- Unificar identificadores do parceiro em id_oficial usando correspondência exata por CNPJ/CPF; se ausente, usar correspondência por razão social normalizada (sem acentos e stopwords) e registrar método_de_resolucao.
- Padronizar datas para ISO-8601 (YYYY-MM-DD) e valores monetários em decimal com separador de ponto.
- Mapear SKUs a famílias de produto; quando o mapeamento não existir, definir familia='NAO_MAPEADA' e flag_nao_mapeada=true.
- Remover linhas duplicadas por chave composta (sku, data, numero_pedido, quantidade, preco_unitario) mantendo o mais recente por timestamp.
- Tratar campos nulos críticos: se preco_unitario nulo, excluir linha da análise de preço e registrar em data_quality_report.omissoes_precos; se quantidade<=0, descartar.
- Normalizar preferências em estrutura {chave: valor, fonte: [documentada|inferida], confianca: 0-1}; não inferir aqui, apenas padronizar.
- Garantir moeda única; se múltiplas moedas, converter para a moeda corporativa definida em diretrizes_norm.moeda_base usando taxa fornecida em diretrizes; se taxa ausente, marcar conversao_pendente=true.
- Entregar data_quality_report com contagens de registros por coleção, percentuais de nulos por campo crítico e lista de linhas descartadas por motivo.

# 4. Exemplo de Output que você deve produzir
{
  "parceiro": {"id_oficial": "12345678900", "cnpj_cpf": "12345678900", "razao_social": "Empresa Exemplo"},
  "catalogo_ref": {"sku": "001", "familia": "Eletronicos", "unidade": "Peça"},
  "vendas_norm": [],
  "propostas_norm": [],
  "devolucoes_norm": [],
  "preferencias_norm": [],
  "diretrizes_norm": [],
  "data_quality_report": {}
}
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: Coleções de dados brutos 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 10.000 caracteres.

2.3.2 Especificação do Output

  • Formato de output: O output deve ser um JSON normalizado e higienizado contendo todas as coleções de dados unificadas e o relatório de qualidade de dados.
  • Exemplo de Estrutura de Output: 
     {
  "parceiro": {"id_oficial": "12345678900", "cnpj_cpf": "12345678900", "razao_social": "Empresa Exemplo"},
  "catalogo_ref": {"sku": "001", "familia": "Eletronicos", "unidade": "Peça"},
  "vendas_norm": [],
  "propostas_norm": [],
  "devolucoes_norm": [],
  "preferencias_norm": [],
  "diretrizes_norm": [],
  "data_quality_report": {}
}
  • Número de caracteres esperado: O JSON gerado terá um tamanho aproximado de 8.000 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: 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 Análise de Dados Históricos e Preferências (RF 3).

RF 3. Agente de Análise de Dados Históricos e Preferências

3.1 Tarefa do Agente

Gerar insights acionáveis por parceiro a partir de históricos normalizados e preferências para orientar a proposta.

3.2 Prompt ou Instruções do Agente 
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo um JSON normalizado contendo vendas_norm, propostas_norm, devolucoes_norm, preferencias_norm, diretrizes_norm e parceiro.

# 2. Objetivo
Gerar insights acionáveis por parceiro a partir de históricos normalizados e preferências para orientar a proposta.

# 3. Regras que você deve seguir para gerar sua resposta
- Calcular RFM: recencia_dias desde a última compra, frequencia (pedidos nos últimos 12 meses), monetario (valor total 12 meses). Se histórico <3 meses, marcar dados_escassos=true.
- Itens preferidos: ranquear por participação em valor (top 10) e incluir família; se concentração >60% em 1-2 itens, marcar alta_concentracao=true.
- Elasticidade por família: estimar tendência de variação de volume vs. variação de preço usando séries históricas agregadas; classificar em {baixa, media, alta} mapeada para índice {0.2,0.5,0.8} e registrar metodo='proxy_historica'.
- Sensibilidade a desconto: combinar histórico de descontos concedidos vs. conversão; normalizar para 0-1; se histórico insuficiente, usar média do segmento de diretrizes_norm.
- Estacionalidade: identificar picos por mês quando volume mensal > média + 1 desvio padrão; listar meses.
- Janela de reposição: calcular mediana de dias entre pedidos; se IQR alto, definir janelas_reposicao_dias como faixa [p25,p75].
- Motivos de perda: extrair top 3 por frequência em propostas_norm.motivo_perda; se ausente, registrar vazio.
- Deal breakers: consolidar preferências_norm com chave 'nao_aceita' ou 'obrigatorio' (ex.: multas, prazos >X); produzir lista deduplicada.
- Definir tom_comunicacao com base em histórico de respostas: se tempo_medio_resposta<24h e mensagens curtas, tom='objetivo'; se negociações longas com anexos técnicos, tom='consultivo'.

# 4. Exemplo de Output que você deve produzir
{
  "rfm": {"recencia_dias": 30, "frequencia": 12, "monetario": 10000},
  "itens_preferidos": [{"sku": "001", "familia": "Eletronicos", "participacao": 0.7, "ordem": 1}],
  "elasticidade_preco_por_familia": {"Eletronicos": 0.5},
  "sensibilidade_desconto": 0.8,
  "estacionalidade": {"picos": ["Dezembro"], "vales": ["Julho"]},
  "janelas_reposicao_dias": [15, 30],
  "ticket_medio": 500,
  "taxa_conversao_propostas": 0.3,
  "motivos_perda_top3": ["Preço", "Prazo de Entrega", "Condições de Pagamento"],
  "deal_breakers": ["Multas", "Prazos >60 dias"],
  "oportunidades_cross_sell": [{"familia": "Acessórios", "score": 0.9}],
  "tom_comunicacao": "objetivo",
  "janela_resposta_horas": 24
}
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: JSON normalizado contendo vendas_norm, propostas_norm, devolucoes_norm, preferencias_norm, diretrizes_norm e parceiro.
  • 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 10.000 caracteres.

3.3.2 Especificação do Output

  • Formato de output: O output deve ser um JSON contendo insights acionáveis por parceiro para orientar a proposta.
  • Exemplo de Estrutura de Output: 
     {
  "rfm": {"recencia_dias": 30, "frequencia": 12, "monetario": 10000},
  "itens_preferidos": [{"sku": "001", "familia": "Eletronicos", "participacao": 0.7, "ordem": 1}],
  "elasticidade_preco_por_familia": {"Eletronicos": 0.5},
  "sensibilidade_desconto": 0.8,
  "estacionalidade": {"picos": ["Dezembro"], "vales": ["Julho"]},
  "janelas_reposicao_dias": [15, 30],
  "ticket_medio": 500,
  "taxa_conversao_propostas": 0.3,
  "motivos_perda_top3": ["Preço", "Prazo de Entrega", "Condições de Pagamento"],
  "deal_breakers": ["Multas", "Prazos >60 dias"],
  "oportunidades_cross_sell": [{"familia": "Acessórios", "score": 0.9}],
  "tom_comunicacao": "objetivo",
  "janela_resposta_horas": 24
}
  • Número de caracteres esperado: O JSON gerado terá um tamanho aproximado de 5.000 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: Não utiliza.
  • 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 Diretrizes Comerciais e Compliance (RF 4).

RF 4. Agente de Diretrizes Comerciais e Compliance

4.1 Tarefa do Agente

Aplicar políticas comerciais e restrições legais/contratuais da empresa ao contexto do parceiro, produzindo guardrails para a proposta.

4.2 Prompt ou Instruções do Agente 
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo insights do parceiro e diretrizes_norm (políticas corporativas, margens mínimas, cláusulas padrão, regras tributárias).

# 2. Objetivo
Aplicar políticas comerciais e restrições legais/contratuais da empresa ao contexto do parceiro, produzindo guardrails para a proposta.

# 3. Regras que você deve seguir para gerar sua resposta
- Selecionar margem_min_pct considerando segmento do parceiro; se conflitos entre política global e segmento, prevalece a mais restritiva (maior margem mínima).
- Construir descontos_max_por_familia: aplicar teto corporativo e, se sensibilidade_desconto alta para uma família, permitir até o teto, nunca excedendo política global.
- Definir aprovacao_obrigatoria_abaixo_margem=true quando margem proposta ficar < margem_min_pct (checado depois) e registrar caminho de aprovação (não executar aqui).
- Consolidar clausulas_mandatorias (ex.: confidencialidade, anticorrupção, LGPD, prazo_validade) e remover qualquer item que conste em clausulas_proibidas do parceiro/segmento.
- Prazos: prazos_entrega_limite_dias = min(limite_logistico_global, restricoes_segmento); se deal_breakers contiver 'prazo_max_entrega', usar o menor.
- Pagamento: politicas_pagamento.prazos_permitidos devem respeitar blacklist do parceiro (preferencias_norm) e regras de risco.
- Regras de impostos por UF de entrega; se UF desconhecida, usar UF de sede do parceiro e marcar imposto_uf_assumido=true.
- template_whitelist: restringir a famílias/segmentos compatíveis (ex.: técnico, varejo, distribuidor).

# 4. Exemplo de Output que você deve produzir
{
  "moeda_base": "BRL",
  "margem_min_pct": 10,
  "descontos_max_por_familia": {"Eletronicos": 5},
  "aprovacao_obrigatoria_abaixo_margem": true,
  "clausulas_mandatorias": ["Confidencialidade", "Anticorrupção"],
  "clausulas_proibidas": ["Multas Excessivas"],
  "politicas_pagamento": {"prazos_permitidos": [30, 60], "desconto_antecipacao_max": 2},
  "prazos_entrega_limite_dias": 15,
  "restricoes_geograficas": ["Sul"],
  "regras_impostos": {"SP": {"icms": 18, "ipi": 5, "pis_cofins": 9}},
  "template_whitelist": ["template_tech", "template_retail"]
}
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: Insights do parceiro e diretrizes_norm.
  • 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 10.000 caracteres.

4.3.2 Especificação do Output

  • Formato de output: O output deve ser um JSON contendo os guardrails para a proposta.
  • Exemplo de Estrutura de Output: 
     {
  "moeda_base": "BRL",
  "margem_min_pct": 10,
  "descontos_max_por_familia": {"Eletronicos": 5},
  "aprovacao_obrigatoria_abaixo_margem": true,
  "clausulas_mandatorias": ["Confidencialidade", "Anticorrupção"],
  "clausulas_proibidas": ["Multas Excessivas"],
  "politicas_pagamento": {"prazos_permitidos": [30, 60], "desconto_antecipacao_max": 2},
  "prazos_entrega_limite_dias": 15,
  "restricoes_geograficas": ["Sul"],
  "regras_impostos": {"SP": {"icms": 18, "ipi": 5, "pis_cofins": 9}},
  "template_whitelist": ["template_tech", "template_retail"]
}
  • Número de caracteres esperado: O JSON gerado terá um tamanho aproximado de 5.000 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: 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 Precificação e Condições Econômicas (RF 5).

RF 5. Agente de Precificação e Condições Econômicas

5.1 Tarefa do Agente

Determinar preços, descontos, condições de pagamento e prazos dentro dos guardrails e do perfil do parceiro.

5.2 Prompt ou Instruções do Agente 
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo insights do parceiro, guardrails e, quando aplicável, tabelas de preço de referência por SKU/família.

# 2. Objetivo
Determinar preços, descontos, condições de pagamento e prazos dentro dos guardrails e do perfil do parceiro.

# 3. Regras que você deve seguir para gerar sua resposta
- Para cada item preferido sugerido e eventuais cross-sell, propor quantidade baseada em janelas_reposicao_dias e frequência; se não houver base, solicitar quantidade como variável de entrada e usar default conservador (ex.: 1 unidade por SKU top 3).
- Definir preco_lista a partir de tabela vigente; se ausente, usar último preço transacionado ajustado por inflação ou política; marcar origem_preco.
- Aplicar desconto_pct não superior a descontos_max_por_familia[familia]; se sensibilidade_desconto baixa, preferir desconto menor e contrapartidas (ex.: prazo menor).
- Calcular impostos conforme regras_impostos por UF; incluir no preco_final quando aplicável (especificar no output se preços são com/sem impostos).
- Calcular margem_pct por item e global; se margem_pct_global < margem_min_pct, definir necessita_aprovacao=true e adicionar motivos_aprovacao=['margem_abaixo_minima'].
- Selecionar pagamento.prazo dentro de politicas_pagamento.prazos_permitidos; se parceiro tiver preferência explícita, priorizar; se prazo maior reduzir desconto_antecipacao.
- Definir entrega.prazo_dias <= prazos_entrega_limite_dias; se não for possível, registrar conflito e marcar necessita_aprovacao=true.
- validade_proposta_dias padrão (ex.: 7-15) conforme diretrizes_norm; reduzir validade em contexto de alta volatilidade de custo.

# 4. Exemplo de Output que você deve produzir
{
  "itens": [{"sku": "001", "descricao": "Produto Exemplo", "familia": "Eletronicos", "quantidade": 10, "preco_lista": 100, "desconto_pct": 5, "preco_liquido": 95, "impostos": {"icms": 18, "ipi": 5, "pis_cofins": 9}, "preco_final": 112.35, "margem_pct": 15}],
  "totais": {"subtotal": 950, "impostos": 162.35, "total": 1112.35},
  "pagamento": {"prazo": 30, "parcelas": 3, "desconto_antecipacao_pct": 2},
  "entrega": {"prazo_dias": 10, "incoterm": "FOB"},
  "validade_proposta_dias": 15,
  "necessita_aprovacao": false,
  "motivos_aprovacao": []
}
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: Insights do parceiro, guardrails e, quando aplicável, tabelas de preço de referência por SKU/família.
  • 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 10.000 caracteres.

5.3.2 Especificação do Output

  • Formato de output: O output deve ser um JSON contendo as condições econômicas da proposta.
  • Exemplo de Estrutura de Output: 
     {
  "itens": [{"sku": "001", "descricao": "Produto Exemplo", "familia": "Eletronicos", "quantidade": 10, "preco_lista": 100, "desconto_pct": 5, "preco_liquido": 95, "impostos": {"icms": 18, "ipi": 5, "pis_cofins": 9}, "preco_final": 112.35, "margem_pct": 15}],
  "totais": {"subtotal": 950, "impostos": 162.35, "total": 1112.35},
  "pagamento": {"prazo": 30, "parcelas": 3, "desconto_antecipacao_pct": 2},
  "entrega": {"prazo_dias": 10, "incoterm": "FOB"},
  "validade_proposta_dias": 15,
  "necessita_aprovacao": false,
  "motivos_aprovacao": []
}
  • Número de caracteres esperado: O JSON gerado terá um tamanho aproximado de 5.000 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 Seleção de Template e Esqueleto da Proposta (RF 6).

RF 6. Agente de Seleção de Template e Esqueleto da Proposta

6.1 Tarefa do Agente

Selecionar o modelo adequado e montar o esqueleto estruturado da proposta com placeholders preenchíveis.

6.2 Prompt ou Instruções do Agente 
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo insights, guardrails e condições econômicas.

# 2. Objetivo
Selecionar o modelo adequado e montar o esqueleto estruturado da proposta com placeholders preenchíveis.

# 3. Regras que você deve seguir para gerar sua resposta
- Escolher template_id dentro de template_whitelist compatível com o tom_comunicacao e segmento do parceiro.
- Preencher variáveis conhecidas (parceiro_nome, cnpj); manter placeholders claros para o que faltar (ex.: responsavel_conta_nome).
- Construir sumario_executivo_pontos com 3-5 bullets: proposta de valor, ganhos esperados, prazo de implementação/entrega, próximo passo.
- Incluir seção de condições comerciais com referência aos campos de condições econômicas (não expandir cálculos aqui).
- Sugerir anexos (catálogo técnico, cases, certificado) conforme família dos itens preferidos e requisitos de compliance.

# 4. Exemplo de Output que você deve produzir
{
  "template_id": "template_tech",
  "titulo": "Proposta Comercial",
  "secoes": [{"id": "resumo", "titulo": "Resumo Executivo", "conteudo_placeholder": "sumario_executivo_pontos"}],
  "variaveis": {"parceiro_nome": "Empresa Exemplo", "cnpj": "12345678900", "responsavel_conta": "João da Silva", "contatos": "joao@empresaexemplo.com"},
  "anexos_sugeridos": ["catalogo_tecnico.pdf", "case_sucesso.pdf"],
  "sumario_executivo_pontos": ["Proposta de valor: Aumentar eficiência", "Ganhos esperados: 20% de redução de custos", "Prazo de implementação: 3 meses", "Próximo passo: Assinatura do contrato"]
}
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: Insights, guardrails e condições econômicas.
  • 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 10.000 caracteres.

6.3.2 Especificação do Output

  • Formato de output: O output deve ser um JSON contendo o esqueleto da proposta estruturada.
  • Exemplo de Estrutura de Output: 
     {
  "template_id": "template_tech",
  "titulo": "Proposta Comercial",
  "secoes": [{"id": "resumo", "titulo": "Resumo Executivo", "conteudo_placeholder": "sumario_executivo_pontos"}],
  "variaveis": {"parceiro_nome": "Empresa Exemplo", "cnpj": "12345678900", "responsavel_conta": "João da Silva", "contatos": "joao@empresaexemplo.com"},
  "anexos_sugeridos": ["catalogo_tecnico.pdf", "case_sucesso.pdf"],
  "sumario_executivo_pontos": ["Proposta de valor: Aumentar eficiência", "Ganhos esperados: 20% de redução de custos", "Prazo de implementação: 3 meses", "Próximo passo: Assinatura do contrato"]
}
  • Número de caracteres esperado: O JSON gerado terá um tamanho aproximado de 5.000 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.
  • Visibilidade da Resposta: A resposta gerada por este agente deve ser visível para o Agente de Redação da Proposta Comercial (RF 7).

6.3.6 Regras de Orquestração e Transição

Ao concluir sua execução, esse agente aciona o Agente de Redação da Proposta Comercial (RF 7).

RF 7. Agente de Redação da Proposta Comercial

7.1 Tarefa do Agente

Redigir a proposta final de forma clara, persuasiva e consistente com a identidade da marca e com os guardrails.

7.2 Prompt ou Instruções do Agente 
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo um draft estruturado, condições econômicas, guardrails e insights.

# 2. Objetivo
Redigir a proposta final de forma clara, persuasiva e consistente com a identidade da marca e com os guardrails.

# 3. Regras que você deve seguir para gerar sua resposta
- Manter linguagem em pt-BR, tom conforme tom_comunicacao (objetivo, consultivo, etc.) e consistência com a identidade da marca.
- Estruturar: capa (título, parceiro, data), sumário executivo (bullets do draft), objetivos, escopo/itens ofertados (tabela de itens com quantidades e preços), condições comerciais (pagamento, entrega, validade), cláusulas mandatorias, próximos passos e contatos.
- Tabela de itens: colunas [SKU, Descrição, Qtde, Preço Lista, Desconto %, Preço Líquido, Impostos, Preço Final]; alinhar totais com condições econômicas.
- Declarar explicitamente validade_proposta_dias, UF de tributação assumida (se imposto_uf_assumido=true) e moeda_base.
- Garantir que nenhuma cláusula proibida apareça; incluir todas as mandatorias; se alguma informação obrigatória estiver ausente, sinalizar no JSON (referencias_variaveis_resolvidas=false) e listar no glossario_termos as pendências.

# 4. Exemplo de Output que você deve produzir
{
  "proposta_markdown": "# Proposta Comercial\n## Empresa Exemplo\nData: 16/12/2025\n### Resumo Executivo\n- Proposta de valor: Aumentar eficiência\n- Ganhos esperados: 20% de redução de custos\n- Prazo de implementação: 3 meses\n- Próximo passo: Assinatura do contrato\n## Objetivos\n...",
  "linguagem": "pt-BR",
  "glossario_termos": [],
  "referencias_variaveis_resolvidas": true
}
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: Draft estruturado, condições econômicas, guardrails e insights.
  • 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 10.000 caracteres.

7.3.2 Especificação do Output

  • Formato de output: O output final deve ser a proposta em texto (markdown) e um JSON de metadados.
  • Exemplo de Estrutura de Output: 
     {
  "proposta_markdown": "# Proposta Comercial\n## Empresa Exemplo\nData: 16/12/2025\n### Resumo Executivo\n- Proposta de valor: Aumentar eficiência\n- Ganhos esperados: 20% de redução de custos\n- Prazo de implementação: 3 meses\n- Próximo passo: Assinatura do contrato\n## Objetivos\n...",
  "linguagem": "pt-BR",
  "glossario_termos": [],
  "referencias_variaveis_resolvidas": true
}
  • Número de caracteres esperado: O markdown da proposta terá um tamanho aproximado de 10.000 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

  • 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 Checagem Final e Consistência (RF 8).

7.3.6 Regras de Orquestração e Transição

Ao concluir sua execução, esse agente aciona o Agente de Checagem Final e Consistência (RF 8).

RF 8. Agente de Checagem Final e Consistência

8.1 Tarefa do Agente

Validar aderência da proposta aos cálculos, políticas e integridade documental antes do envio.

8.2 Prompt ou Instruções do Agente 
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo proposta_markdown, metadados de proposta, condições econômicas e guardrails.

# 2. Objetivo
Validar aderência da proposta aos cálculos, políticas e integridade documental antes do envio.

# 3. Regras que você deve seguir para gerar sua resposta
- Reconciliar totais: somar linha a linha e confirmar igualdade com totais informados; tolerância de arredondamento <= 0,01.
- Recalcular margem global e comparar com margem_min_pct; se abaixo e necessita_aprovacao=false, registrar erro.
- Verificar presença de todas as clausulas_mandatorias e ausência de clausulas_proibidas; listar faltantes/excedentes.
- Confirmar que todos placeholders foram resolvidos (referencias_variaveis_resolvidas=true); caso contrário, marcar consistente=false e indicar variáveis pendentes.
- Validar prazos: entrega.prazo_dias <= prazos_entrega_limite_dias e validade_proposta_dias dentro do intervalo permitido pelas diretrizes.
- Sinalizar pronto_para_envio=true somente se consistente=true e, quando necessita_aprovacao=true, houver registro explícito de que seguirá para aprovação humana.

# 4. Exemplo de Output que você deve produzir
{
  "consistente": true,
  "erros": [],
  "alertas": [],
  "recomendacoes": [],
  "pronto_para_envio": true
}
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: Proposta_markdown, metadados de proposta, condições econômicas e guardrails.
  • Formatos Suportados: Esse agente deve ser capaz de receber inputs no formato JSON e markdown.
  • Número de caracteres esperado: Este agente deve ter capacidade para processar um input de até 15.000 caracteres.

8.3.2 Especificação do Output

  • Formato de output: O output deve ser um JSON contendo o relatório de verificação da proposta.
  • Exemplo de Estrutura de Output: 
     {
  "consistente": true,
  "erros": [],
  "alertas": [],
  "recomendacoes": [],
  "pronto_para_envio": true
}
  • Número de caracteres esperado: O JSON gerado terá um tamanho aproximado de 3.000 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.
  • Visibilidade da Resposta: A resposta gerada por este agente é o resultado final do fluxo e deve ser enviada para o sistema de aprovação ou diretamente para o cliente.

8.3.6 Regras de Orquestração e Transição

A execução deste agente finaliza o fluxo. O relatório gerado é o resultado que deve ser disponibilizado para o responsável pela aprovação ou envio da proposta.

Posts Relacionados

© 2025 prototipe.ai. Todos os direitos reservados.