PrototipeAI | Agente de IA para Planejamento de Alocação de Professores

1. Propósito e Escopo

Este documento define todos os prompts, configurações de memória e transição entre estados para um agente de IA que visa otimizar a alocação de professores em instituições de ensino. Essa documentação é um modelo de PRD ou Documento de Requisitos de Produto específicos para construção de Agentes de IA.

O objetivo principal é utilizar dados de disponibilidade e preferências de disciplinas dos professores para criar um plano de alocação de aulas que minimize conflitos de horários e maximize a satisfação dos professores.

2. Contexto e Problema

Cenário Atual

As instituições de ensino enfrentam desafios significativos na alocação eficiente de professores devido a conflitos de horários e preferências. A falta de visibilidade sobre a disponibilidade de professores para determinadas disciplinas complica ainda mais o processo.

Problemas Identificados

Dificuldades na alocação eficiente: Devido a conflitos de horários e preferências, a alocação de professores muitas vezes não é otimizada.
Falta de visibilidade: As instituições não têm uma visão clara da disponibilidade dos professores para disciplinas específicas, dificultando a alocação eficaz.

3. Impactos Esperados

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

Otimizar a alocação de professores para reduzir conflitos de horários.
Maximizar a satisfação dos professores alocando-os de acordo com suas preferências de disciplinas.
Aumentar a eficiência na gestão de horários e alocações nas instituições de ensino.

4. Visão Geral da Solução

O agente de IA para planejamento de alocação de professores processa dados de disponibilidade e preferências de disciplinas dos professores, aplica regras para otimização de alocação e gera um plano de aulas que minimiza conflitos de horários. 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 alocação de professores nas instituições de ensino.

A solução consiste em um fluxo de automação composto por 2 agentes de IA. O processo inicia com a análise de disponibilidade e preferências dos professores e termina com a geração de um plano otimizado de alocação de aulas.

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

Agentes	Função Principal
`Agente de Análise de Disponibilidade e Preferências de Professores` (RF 1)	Analisar e cruzar dados de disponibilidade de professores e suas preferências de disciplinas.
`Agente de Otimização de Alocação de Aulas` (RF 2)	Otimizar a alocação de aulas nas grades curriculares.

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 a instituição 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 Disponibilidade e Preferências de Professores

1.1 Tarefa do Agente

Analisar e cruzar dados de disponibilidade de professores e suas preferências de disciplinas.

1.2 Prompt ou Instruções do Agente

 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo dados de disponibilidade de professores e suas preferências de disciplinas em formato JSON.

# 2. Objetivo
Analisar e cruzar esses dados para identificar possíveis conflitos de horários e destacar disciplinas preferidas.

# 3. Regras que você deve seguir para gerar sua resposta
- Para cada professor, identifique suas preferências de disciplinas e horários disponíveis.
- Identifique conflitos de horários entre disciplinas preferidas e horários disponíveis.
- Priorize disciplinas preferidas em horários disponíveis para maximizar a satisfação do professor.
- Marque conflitos de horários no output para referência futura.

# 4. Exemplo de Output que você deve produzir
{
  "professor_id": "12345",
  "preferencias": ["Matemática", "Física"],
  "conflitos": [
    {
      "disciplina": "Matemática",
      "horario_conflitante": "Segunda-feira, 10h"
    }
  ]
}

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 disponibilidade e preferências de professores 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 JSON na interface da Prototipe AI, para acelerar o processo de validação.
Tipo do input: Dados de disponibilidade de professores e suas preferências de disciplinas 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 50.000 caracteres.

1.3.2 Especificação do Output

Formato de output: O output deve ser um arquivo no formato JSON contendo a análise detalhada das disponibilidades e preferências dos professores, destacando possíveis conflitos de horários e disciplinas preferidas.

Exemplo de Estrutura de Output:

 {
  "professor_id": "12345",
  "preferencias": ["Matemática", "Física"],
  "conflitos": [
    {
      "disciplina": "Matemática",
      "horario_conflitante": "Segunda-feira, 10h"
    }
  ]
}

Número de caracteres esperado: O JSON gerado terá um tamanho aproximado de 2.500 caracteres, podendo variar conforme o número de professores analisados.

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 Otimização de Alocação de Aulas (RF 2).

1.3.6 Regras de Orquestração e Transição

Ao concluir sua execução, esse agente aciona o Agente de Otimização de Alocação de Aulas (RF 2).

RF 2. Agente de Otimização de Alocação de Aulas

2.1 Tarefa do Agente

Otimizar a alocação de aulas nas grades curriculares.

2.2 Prompt ou Instruções do Agente

 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo a análise detalhada das disponibilidades e preferências dos professores.

# 2. Objetivo
Utilizar a análise recebida para criar um plano otimizado de alocação de aulas que minimize conflitos de horários e maximize a satisfação dos professores.

# 3. Regras que você deve seguir para gerar sua resposta
- Utilize a análise de disponibilidade e preferências para criar um plano de alocação que evite conflitos.
- Alocar professores em horários que maximizem suas preferências e disponibilidade.
- Ajustar a alocação de forma iterativa para reduzir conflitos e melhorar a satisfação geral dos professores.

# 4. Exemplo de Output que você deve produzir
{
  "alocacao": [
    {
      "professor_id": "12345",
      "disciplina": "Matemática",
      "horario": "Segunda-feira, 9h"
    }
  ]
}

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 detalhada das disponibilidades e preferências dos professores, 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 10.000 caracteres.

2.3.2 Especificação do Output

Formato de output: O output deve ser um arquivo no formato JSON contendo o plano otimizado de alocação de aulas, destacando a distribuição de horários e disciplinas para cada professor.