1. Propósito e Escopo
Este documento define todos os prompts, configurações de memória, transição entre estados e demais requisitos funcionais para um agente de IA destinado à personalização de trilhas de aprendizagem. Este agente é projetado para adaptar conteúdos e atividades conforme o ritmo e interesse de cada aluno, promovendo um aprendizado mais eficiente e engajante. Essa documentação é um modelo de PRD ou Documento de Requisitos de Produto específicos para construção de Agentes de IA.
O objetivo principal é oferecer trilhas de aprendizagem personalizadas, ajustando os conteúdos em tempo real com base no progresso e feedback dos alunos, e sugerindo atividades que aumentem o engajamento e a eficácia do aprendizado.
2. Contexto e Problema
Problemas Identificados
- Necessidade de personalização das trilhas de aprendizagem para atender diferentes perfis de alunos.
- Dificuldade em adaptar conteúdos e atividades conforme o ritmo e interesse de cada aluno.
- Falta de ferramentas para monitorar e ajustar as trilhas de aprendizagem em tempo real.
3. Impactos Esperados
A implementação deste agente de IA visa alcançar os seguintes resultados:
- Personalização efetiva das trilhas de aprendizagem para cada aluno.
- Melhora no engajamento dos alunos através de conteúdos e atividades adaptados aos seus interesses.
- Ajustes em tempo real das trilhas de aprendizagem, com base no feedback e progresso dos alunos.
4. Visão Geral da Solução
O agente de IA para personalização de trilhas de aprendizagem adapta conteúdos e atividades conforme o ritmo e interesse de cada aluno, monitorando o progresso e ajustando as trilhas em tempo real. 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 trilhas de aprendizagem.
A solução consiste em um fluxo de automação composto por múltiplos agentes de IA. O processo inicia com a coleta de informações do aluno e termina com a personalização contínua da trilha de aprendizagem.
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 Coleta de Informações do Aluno (RF 1)
| Coletar informações iniciais do aluno, como nome e email. |
Agente de Análise de Progresso (RF 2)
| Monitorar o progresso e feedback dos alunos em tempo real. |
Agente de Personalização da Trilha (RF 3)
| Adaptar conteúdos e atividades com base no progresso e interesses dos alunos. |
Agente de Sugestão de Conteúdos (RF 4)
| Oferecer sugestões de conteúdos e atividades para enriquecer a trilha de aprendizagem. |
Regras de Execução Condicional ou Edges
- Ativação do Agente de Sugestão de Conteúdos (RF 4): Este agente só será executado se o feedback do aluno indicar interesse ou dificuldade em um tópico específico. Caso contrário, o fluxo pulará esta etapa e prosseguirá diretamente para o Agente de Análise de Progresso (RF 2).
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 Coleta de Informações do Aluno
1.1 Tarefa do Agente
Coletar informações iniciais do aluno, como nome completo e email, para personalização da trilha de aprendizagem.
1.2 Prompt ou Instruções do Agente
# 1. Contexto e explicações sobre inputs iniciais Você está recebendo um novo aluno que deseja iniciar uma trilha de aprendizagem personalizada. Este aluno deve fornecer seu nome completo e email para que possamos personalizar sua experiência de aprendizagem. # 2. Objetivo Coletar informações básicas do aluno para iniciar o processo de personalização da trilha de aprendizagem. # 3. Regras que você deve seguir para gerar sua resposta - Solicite o nome completo e o email do aluno na primeira interação. - Confirme as informações recebidas antes de prosseguir com a personalização da trilha de aprendizagem. - Armazene os dados de forma segura, garantindo a privacidade do aluno. # 4. Exemplo de Output que você deve produzir Nome Completo: João Silva Email: joao.silva@email.com
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 pela interação inicial do aluno na plataforma de aprendizagem. Na fase de testes, o fluxo será iniciado pelo envio manual dos dados, que serão enviados para o agente diretamente pela interface da Prototipe AI, para acelerar o processo de validação.
- Tipo do input: O input inicial para o fluxo é textual, fornecido diretamente pelo aluno.
- Formatos Suportados: Esse agente deve ser capaz de receber inputs em texto plano.
- Número de caracteres esperado: Este agente deve ter capacidade para processar um input de texto com até 500 caracteres.
1.3.2 Especificação do Output
- Formato de output: O output deve ser um texto formatado em JSON, contendo os campos `nome_completo` e `email` do aluno.
-
Exemplo de Estrutura de Output:
{ "nome_completo": "João Silva", "email": "joao.silva@email.com" } - Número de caracteres esperado: O texto final deve ser conciso, com um tamanho estimado em torno de 100 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 Análise de Progresso (RF 2).
1.3.6 Regras de Orquestração e Transição
Ao concluir sua execução, esse agente aciona o Agente de Análise de Progresso (RF 2).
RF 2. Agente de Análise de Progresso
2.1 Tarefa do Agente
Monitorar o progresso e feedback dos alunos em tempo real para ajustar a trilha de aprendizagem conforme necessário.
2.2 Prompt ou Instruções do Agente
# 1. Contexto e explicações sobre inputs iniciais Você está recebendo dados de progresso e feedback de alunos que estão em uma trilha de aprendizagem personalizada. Esses dados são fundamentais para ajustar as trilhas conforme necessário. # 2. Objetivo Monitorar o progresso dos alunos e ajustar as trilhas de aprendizagem com base no feedback e progresso registrado. # 3. Regras que você deve seguir para gerar sua resposta - Analise o progresso do aluno e identifique áreas que necessitam de ajustes. - Registre feedbacks específicos para cada atividade concluída pelo aluno. - Ajuste a trilha de aprendizagem em tempo real, promovendo conteúdos e atividades que atendam ao ritmo e interesse do aluno. # 4. Exemplo de Output que você deve produzir Progresso Atual: 75% Feedback: "Achei a atividade prática bastante desafiadora, mas muito enriquecedora."
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 dados de progresso e feedback dos alunos em texto plano.
- Formatos Suportados: Esse agente deve ser capaz de receber inputs em texto plano.
- 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 texto formatado em JSON, registrando o progresso atual do aluno e feedbacks específicos.
-
Exemplo de Estrutura de Output:
{ "progresso_atual": "75%", "feedback": "Achei a atividade prática bastante desafiadora, mas muito enriquecedora." } - Número de caracteres esperado: O texto final deve ser claro e direto, com um tamanho estimado em torno de 150 caracteres.
2.3.3 Parâmetros de Geração
- Modelo: GPT-5
- Temperatura: 0.6
2.3.4 Ferramentas do Agente
- Documentos: Não consulta.
- Calculadora: Não utiliza.
- 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 deve ser visível para o Agente de Personalização da Trilha (RF 3).
2.3.6 Regras de Orquestração e Transição
Ao concluir sua execução, esse agente aciona o Agente de Personalização da Trilha (RF 3).
RF 3. Agente de Personalização da Trilha
3.1 Tarefa do Agente
Adaptar conteúdos e atividades com base no progresso e interesses dos alunos, garantindo uma trilha de aprendizagem personalizada e eficaz.
3.2 Prompt ou Instruções do Agente
# 1. Contexto e explicações sobre inputs iniciais Você está recebendo dados de progresso e feedback dos alunos, além de informações sobre seus interesses específicos. Com esses dados, é possível personalizar ainda mais a trilha de aprendizagem. # 2. Objetivo Adaptar conteúdos e atividades para melhor atender aos interesses e necessidades dos alunos. # 3. Regras que você deve seguir para gerar sua resposta - Analise os interesses e progresso do aluno para sugerir ajustes na trilha de aprendizagem. - Personalize atividades para garantir que estejam alinhadas com os interesses dos alunos. - Certifique-se de que as sugestões de conteúdos sejam relevantes e promovam o engajamento. # 4. Exemplo de Output que você deve produzir Conteúdos Sugeridos: "Introdução à Programação em Python" Atividades Sugeridas: "Desafio de Lógica com Python"
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 dados de progresso, feedback e interesses dos alunos em texto plano.
- Formatos Suportados: Esse agente deve ser capaz de receber inputs em texto plano.
- Número de caracteres esperado: Este agente deve ter capacidade para processar um input de texto com até 3.000 caracteres.
3.3.2 Especificação do Output
- Formato de output: O output deve ser um texto formatado em JSON, detalhando os conteúdos e atividades sugeridos para personalizar a trilha de aprendizagem.
-
Exemplo de Estrutura de Output:
{ "conteudos_sugeridos": "Introdução à Programação em Python", "atividades_sugeridas": "Desafio de Lógica com Python" } - Número de caracteres esperado: O texto final deve ser claro e direto, com um tamanho estimado em torno de 150 caracteres.
3.3.3 Parâmetros de Geração
- Modelo: GPT-5
- Temperatura: 0.6
3.3.4 Ferramentas do Agente
- Documentos: Não consulta.
- Calculadora: Não utiliza.
- Busca Online: Não utiliza.
- Sistemas Externos: Não utiliza.
3.3.5 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 Conteúdos (RF 4).
3.3.6 Regras de Orquestração e Transição
Ao concluir sua execução, esse agente aciona o Agente de Sugestão de Conteúdos (RF 4).
RF 4. Agente de Sugestão de Conteúdos
4.1 Tarefa do Agente
Oferecer sugestões de conteúdos e atividades para enriquecer a trilha de aprendizagem e promover o engajamento dos alunos.
4.2 Prompt ou Instruções do Agente
# 1. Contexto e explicações sobre inputs iniciais Você está recebendo sugestões de conteúdos e atividades previamente geradas para personalizar ainda mais a trilha de aprendizagem. # 2. Objetivo Oferecer sugestões adicionais que possam enriquecer a trilha de aprendizagem e promover o engajamento dos alunos. # 3. Regras que você deve seguir para gerar sua resposta - Avalie as sugestões recebidas e ofereça conteúdos complementares que possam enriquecer a experiência de aprendizagem. - Certifique-se de que as sugestões sejam relevantes e estejam alinhadas com o perfil e interesses do aluno. - Promova conteúdos que incentivem a autonomia e o interesse contínuo do aluno. # 4. Exemplo de Output que você deve produzir Conteúdos Complementares: "Curso Avançado de Python" Atividades Complementares: "Projeto Final em Python"
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), apenas se a condição de interesse ou dificuldade for atendida.
- Tipo do input: Este agente deve ser apto a receber sugestões de conteúdos e atividades em texto plano.
- Formatos Suportados: Esse agente deve ser capaz de receber inputs em texto plano.
- Número de caracteres esperado: Este agente deve ter capacidade para processar um input de texto com até 1.500 caracteres.
4.3.2 Especificação do Output
- Formato de output: O output deve ser um texto formatado em JSON, detalhando os conteúdos e atividades complementares sugeridos.
-
Exemplo de Estrutura de Output:
{ "conteudos_complementares": "Curso Avançado de Python", "atividades_complementares": "Projeto Final em Python" } - Número de caracteres esperado: O texto final deve ser claro e direto, com um tamanho estimado em torno de 150 caracteres.
4.3.3 Parâmetros de Geração
- Modelo: GPT-5
- Temperatura: 0.6
4.3.4 Ferramentas do Agente
- Documentos: Não consulta.
- Calculadora: Não utiliza.
- Busca Online: Não utiliza.
- Sistemas Externos: Não utiliza.
4.3.5 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.
4.3.6 Regras de Orquestração e Transição
A execução deste agente finaliza o fluxo, fornecendo sugestões adicionais para enriquecer a trilha de aprendizagem do aluno.