1. Propósito e Escopo
Este documento define todos os prompts, configurações de memória, transição entre estados, consulta a documentos e demais requisitos funcionais para o Fluxo de Agentes "Previsão de Demanda de Serviços", uma solução de automação projetada para prever a demanda futura por serviços oferecidos por estabelecimentos credenciados. 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 históricos de uso em previsões precisas que otimizam a alocação de recursos e evitam superlotação ou subutilização de serviços.
2. Contexto e Problema
Cenário Atual
Estabelecimentos credenciados enfrentam dificuldades em prever a demanda futura com base em padrões históricos. Isso acarreta em riscos de superlotação ou subutilização de recursos, além de uma necessidade constante de otimização de serviços oferecidos.
Problemas Identificados
- Dificuldade em prever a demanda futura: A análise manual de padrões históricos muitas vezes não consegue captar variações sazonais e tendências emergentes.
- Risco de superlotação ou subutilização: Sem previsões precisas, os estabelecimentos podem enfrentar picos de demanda inesperados ou períodos de baixa utilização, impactando a eficiência operacional.
- Necessidade de otimização de recursos: A falta de previsões precisas dificulta a alocação eficaz de recursos, levando a desperdícios ou falta de atendimento adequado.
3. Impactos Esperados
A implementação deste fluxo de automação visa alcançar os seguintes resultados:
- Aumento da precisão nas previsões de demanda futura.
- Otimização da alocação de recursos com base em padrões de uso previstos.
- Redução de riscos associados à superlotação e subutilização de serviços.
- Apoio à tomada de decisões estratégicas por meio de relatórios detalhados de previsão de demanda.
4. Visão Geral da Solução
O agente de IA para previsão de demanda de serviços em estabelecimentos credenciados analisa dados históricos para identificar padrões de uso e prever a demanda futura, otimizando a alocação de recursos e melhorando a eficiência operacional. 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 previsão de demanda de serviços.
A solução consiste em um fluxo de automação composto por 5 agentes de IA. O processo inicia com a padronização e validação de dados históricos e termina com a geração de relatórios executivos e operacionais que apoiam decisões estratégicas.
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 de Dados Históricos (RF 1)
| Receber dados históricos heterogêneos e devolver dataset padronizado e validado para análise de demanda. |
Agente de Extração de Padrões de Demanda (RF 2)
| Identificar padrões sazonais, ciclos e métricas operacionais a partir do dataset validado. |
Agente de Previsão de Demanda Futura (RF 3)
| Projetar demanda futura por serviço e estabelecimento usando tendência e sazonalidades identificadas. |
Agente de Recomendação de Capacidade e Escala (RF 4)
| Converter a previsão em recomendações operacionais de capacidade, agenda e alocação de recursos para evitar superlotação e subutilização. |
Agente de Relatórios de Previsão e Operação (RF 5)
| Gerar relatórios executivos e operacionais claros para apoiar decisões estratégicas e táticas. |
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.
6. Requisitos Funcionais
RF 1. Agente de Padronização e Validação de Dados Históricos
1.1 Tarefa do Agente
Receber dados históricos heterogêneos e devolver dataset padronizado e validado para análise de demanda.
1.2 Prompt ou Instruções do Agente
# 1. Contexto e explicações sobre inputs iniciais Você está recebendo dados históricos de uso por estabelecimento e serviço. Esses dados são heterogêneos e precisam ser padronizados e validados antes de serem utilizados para análise de demanda. # 2. Objetivo Padronizar e validar os dados históricos recebidos, garantindo que estejam prontos para análise de demanda. # 3. Regras que você deve seguir para gerar sua resposta - Mapeie nomes de colunas de origem para o padrão: estabelecimento_id, servico_id, data_hora (ISO 8601), quantidade, capacidade, cancelamentos, status, preco, origem, evento, feriado. - Converta data/hora para ISO 8601 em UTC mantendo timezone_original no dicionario_campos. - Defina granularidade_detectada comparando intervalos: hora (>= 50% registros em intervalos de 60 min), dia (>= 50% diários), semana, mês. Priorize a mais granular disponível. - Preencha capacidade: se ausente, derive por estabelecimento_id+servico_id como max(quantidade) do período de referência; registre regra_capacidade_assumida. - Trate valores inválidos: descarte registros com data_hora fora do período [1900..2100] ou quantidade < 0; zere cancelamentos negativos; limite capacidade >= quantidade. - Outliers: identifique por IQR em quantidade por combinação (estabelecimento_id, servico_id, mesma hora/dia_semana). Winsorize para [P5, P95] e registre contagem em outliers_detectados. - Missing: calcule perc_missing_por_campo; se quantidade ausente, impute com média do mesmo (estabelecimento_id, servico_id, hora, dia_semana); marque como imputado no registro. - Campos derivados por registro: dia_semana(1-7), hora(0-23), mes(1-12), semana_ano, eh_feriado(bool), eh_evento(bool). - Prontidão para análise: retorne prontidao_para_analise=true se cobertura >= 8 semanas OU >= 56 dias e perc_missing_por_campo.quantidade <= 10% após imputação; caso contrário, false com motivo_nao_pronto. - Garanta que dataset_normalizado contenha somente campos padronizados e derivados; inclua dicionario_campos com mapeamento e assunções explícitas.
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 históricos via API. Na fase de testes, os dados serão enviados diretamente por upload de um csv na interface da Prototipe AI, para acelerar o processo de validação.
- Tipo do input: O input inicial para o fluxo é um conjunto de dados históricos em formato tabular.
-
Formatos Suportados: Esse agente deve ser capaz de receber dados em formatos:
.csv,.json. - Número de caracteres esperado: Este agente deve ter capacidade para processar um input de texto com até 100.000 caracteres.
1.3.2 Especificação do Output
- Formato de output: O output deve ser um JSON estruturado contendo o dataset padronizado e validado, pronto para análise.
-
Exemplo de Estrutura de Output:
{ "dataset_normalizado": [ {"estabelecimento_id": "1", "servico_id": "101", "data_hora": "2025-12-22T11:56:00Z", "quantidade": 10, "capacidade": 15, "cancelamentos": 0, "status": "completo", "preco": 100.0, "origem": "online", "evento": false, "feriado": false} ], "dicionario_campos": {"mapeamento_origem": "padrao"}, "resumo_qualidade": {"periodo_min": "2025-01-01", "periodo_max": "2025-12-21", "dias_cobertos": 365, "granularidade_detectada": "dia", "perc_missing_por_campo": {"quantidade": 0.0}, "outliers_detectados": 0, "registros_descartados": 0, "regra_capacidade_assumida": "max(quantidade)"}, "prontidao_para_analise": true, "motivo_nao_pronto": null } - Número de caracteres esperado: O JSON gerado deve ser claro e direto, com um tamanho estimado em 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: 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 Extração de Padrões de Demanda (RF 2).
1.3.6 Regras de Orquestração e Transição
Ao concluir sua execução, esse agente aciona o Agente de Extração de Padrões de Demanda (RF 2).
RF 2. Agente de Extração de Padrões de Demanda
2.1 Tarefa do Agente
Identificar padrões sazonais, ciclos e métricas operacionais a partir do dataset validado.
2.2 Prompt ou Instruções do Agente
# 1. Contexto e explicações sobre inputs iniciais Você está recebendo um dataset padronizado e validado de dados históricos, pronto para a análise de padrões de demanda. # 2. Objetivo Identificar padrões sazonais, ciclos e métricas operacionais a partir do dataset validado. # 3. Regras que você deve seguir para gerar sua resposta - Calcule métricas por combinação (estabelecimento_id, servico_id): média, mediana, p50, p90, desvio_padrao da quantidade na granularidade_detectada. - Taxa de utilização: se capacidade presente, taxa = quantidade/capacidade; reporte média e p90. - No-show/cancelamentos: se campos existirem, calcule proporções por período e a média geral. - Sazonalidade por dia da semana: índice = media_dia_semana / media_geral, normalize para média 1.0. - Sazonalidade por hora (se granularidade >= hora): índice = media_hora / media_diaria; normalize para média 1.0. - Sazonalidade por mês: índice = media_mes / media_anual, normalize para média 1.0. - Tendência simples: calcule variação percentual média por semana entre metades do período: ((média última metade - média primeira metade)/média primeira metade). - Efeitos de feriados/eventos: diferença percentual média em datas marcadas vs. datas comparáveis (mesmo dia_semana e hora). - Janelas de pico: identifique intervalos com p90 de quantidade acima de 120% da média do mesmo dia_semana; consolide janelas contíguas. - Confiabilidade_padroes: escore entre 0 e 1 considerando: semanas_cobertas (>=12 => 1.0; >=8 => 0.8; >=4 => 0.5), perc_imputado (<=5% => +0.1; >20% => -0.2), consistência de índices (desvio dos índices sazonalidade <= 0.2 => +0.1). Limite a [0,1].
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: Este agente deve ser apto a receber como input um JSON estruturado contendo o dataset padronizado e validado.
-
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 JSON estruturado contendo os padrões sazonais, ciclos e métricas operacionais identificados.
-
Exemplo de Estrutura de Output:
{ "padroes": { "sazonalidade_dia_semana": "1.0", "sazonalidade_hora": "1.0", "sazonalidade_mes": "1.0", "tendencia_simples": "0.05", "efeito_feriado": "0.02", "efeito_evento": "0.01" }, "metricas": { "media": "15", "mediana": "14", "p50": "15", "p90": "20", "desvio_padrao": "5", "taxa_utilizacao_media": "0.75", "no_show_rate": "0.1", "cancelamento_rate": "0.05" }, "janelas_pico": [ {"inicio": "2025-12-22T11:56:00Z", "fim": "2025-12-22T12:56:00Z", "tz": "UTC", "criterio": "p90 > 120% da média"} ], "confiabilidade_padroes": "0.9" } - Número de caracteres esperado: O JSON gerado deve ser claro e direto, com um tamanho estimado em 4.000 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 Previsão de Demanda Futura (RF 3).
2.3.6 Regras de Orquestração e Transição
Ao concluir sua execução, esse agente aciona o Agente de Previsão de Demanda Futura (RF 3).
RF 3. Agente de Previsão de Demanda Futura
3.1 Tarefa do Agente
Projetar demanda futura por serviço e estabelecimento usando tendência e sazonalidades identificadas.
3.2 Prompt ou Instruções do Agente
# 1. Contexto e explicações sobre inputs iniciais Você está recebendo padrões sazonais e métricas operacionais identificados a partir do dataset validado, prontos para a projeção de demanda futura. # 2. Objetivo Projetar demanda futura por serviço e estabelecimento usando tendência e sazonalidades identificadas. # 3. Regras que você deve seguir para gerar sua resposta - Defina horizonte padrão de 8 semanas na mesma granularidade_detectada; aceite override se vier parametro_horizonte no input. - Demanda base por combinação: média recente (últimas 4 semanas) ajustada pela tendência simples calculada. - Aplique multiplicadores de sazonalidade relevantes: dia_semana e hora (se existir), mês (para horizontes > 4 semanas). - Ajuste por feriados/eventos: aplique variação percentual média observada nesses casos; se não houver histórico suficiente, não ajuste e registre premissa. - Ajuste por no-show/cancelamentos se campo existir: demanda_atendida = demanda_prevista_bruta * (1 - no_show_rate_medio - cancelamento_rate_medio). - Faixa de incerteza: calcule faixa_min/max = demanda_prevista ± 1.28*desvio_padrao_recente (aprox. 80%); imponha limites não negativos. - Coerência com capacidade: se capacidade conhecida e granularidade compatível, marque flag se p90 previsto > 110% da capacidade média. - Qualidade da previsão: reporte confiabilidade_insumo herdada e reduza 0.1 se horizonte > 12 semanas; não permita < 0. - Arredonde demanda_prevista a uma casa decimal para planejamento e a inteiro se output_operacional=true no input.
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: Este agente deve ser apto a receber como input um JSON estruturado contendo padrões e métricas identificados.
-
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.
3.3.2 Especificação do Output
- Formato de output: O output deve ser um JSON estruturado contendo as previsões de demanda futura por serviço e estabelecimento.
-
Exemplo de Estrutura de Output:
{ "horizonte": {"unidade": "semanas", "valor": 8}, "previsoes": [ {"estabelecimento_id": "1", "servico_id": "101", "intervalo_inicio": "2025-12-22T11:56:00Z", "intervalo_fim": "2025-12-29T11:56:00Z", "demanda_prevista": 20.5, "faixa_min": 18.0, "faixa_max": 23.0, "faixa_confianca": 0.8, "premissas": {"tendencia_aplicada": "0.05", "sazonalidades_usadas": "dia_semana, hora", "ajuste_feriado_evento": "0.02", "no_show_aplicado": "0.1"}} ], "qualidade_previsao": {"confiabilidade_insumo": 0.9, "coerencia_capacidade": true, "flags": []} } - Número de caracteres esperado: O JSON gerado deve ser claro e direto, com um tamanho estimado em 3.500 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 Recomendação de Capacidade e Escala (RF 4).
3.3.6 Regras de Orquestração e Transição
Ao concluir sua execução, esse agente aciona o Agente de Recomendação de Capacidade e Escala (RF 4).
RF 4. Agente de Recomendação de Capacidade e Escala
4.1 Tarefa do Agente
Converter a previsão em recomendações operacionais de capacidade, agenda e alocação de recursos para evitar superlotação e subutilização.
4.2 Prompt ou Instruções do Agente
# 1. Contexto e explicações sobre inputs iniciais Você está recebendo previsões de demanda futura por serviço e estabelecimento, prontas para serem convertidas em recomendações operacionais. # 2. Objetivo Converter a previsão em recomendações operacionais de capacidade, agenda e alocação de recursos para evitar superlotação e subutilização. # 3. Regras que você deve seguir para gerar sua resposta - Defina alvo de utilização entre 75% e 85%; use 80% se não informado. - Capacidade requerida por intervalo = ceil(demanda_prevista / alvo_utilizacao). - Se duracao_media_servico_min existir e granularidade for hora, calcule profissionais_necessarios = ceil((demanda_prevista * duracao_media_servico_min) / 60 / alvo_utilizacao). - Buffers: aplique buffer adicional de 10% em janelas_pico e em intervalos com faixa_max > 120% da demanda_prevista; registre justificativa. - Risco de superlotação: sinalize quando faixa_max > capacidade_atual (se disponível) ou quando profissionais_necessarios > equipe_disponivel (se fornecida). - Risco de subutilização: sinalize quando demanda_prevista < 50% da capacidade_atual por 3 ou mais intervalos consecutivos. - Ações sugeridas: mapear riscos para ações específicas (ex.: superlotação -> abrir_slot/realocar_profissional/estender_horario; subutilização -> fechar_slot/campanha_balanceamento). - Respeite janela_funcionamento: não recomende capacidade fora dos horários permitidos; se necessário para atender SLA, gere alerta com severidade 'alta'. - Inclua premissas_operacionais usadas nos cálculos e qualquer suposição quando dados estiverem ausentes.
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: Este agente deve ser apto a receber como input um JSON estruturado contendo previsões de demanda futura.
-
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.
4.3.2 Especificação do Output
- Formato de output: O output deve ser um JSON estruturado contendo as recomendações operacionais de capacidade, agenda e alocação de recursos.
-
Exemplo de Estrutura de Output:
{ "recomendacoes": [ {"estabelecimento_id": "1", "servico_id": "101", "intervalo": "2025-12-22T11:56:00Z", "capacidade_requerida": 25, "profissionais_necessarios": 3, "taxa_utilizacao_esperada": "0.8", "buffers": {"percentual": "10%", "justificativa": "janela de pico"}, "riscos": ["superlotacao"], "acoes_sugeridas": ["abrir_slot", "realocar_profissional"]} ], "premissas_operacionais": {"alvo_utilizacao": "0.8", "duracao_media": "30", "janela_funcionamento": "8:00-18:00"}, "alertas": [{"tipo": "capacidade", "severidade": "alta", "mensagem": "Capacidade fora do horário permitido."}] } - Número de caracteres esperado: O JSON gerado deve ser claro e direto, com um tamanho estimado em 3.000 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 deve ser visível para o Agente de Relatórios de Previsão e Operação (RF 5).
4.3.6 Regras de Orquestração e Transição
Ao concluir sua execução, esse agente aciona o Agente de Relatórios de Previsão e Operação (RF 5).
RF 5. Agente de Relatórios de Previsão e Operação
5.1 Tarefa do Agente
Gerar relatórios executivos e operacionais claros para apoiar decisões estratégicas e táticas.
5.2 Prompt ou Instruções do Agente
# 1. Contexto e explicações sobre inputs iniciais Você está recebendo previsões de demanda e recomendações operacionais, prontas para serem convertidas em relatórios executivos e operacionais. # 2. Objetivo Gerar relatórios executivos e operacionais claros para apoiar decisões estratégicas e táticas. # 3. Regras que você deve seguir para gerar sua resposta - KPIs mínimos: crescimento_previsto (%), semanas_cobertas, confiabilidade_media, janelas_pico, risco_superlotacao_count, risco_subutilizacao_count. - Tabelas por estabelecimento/serviço com colunas: intervalo, demanda_prevista, faixa_min, faixa_max, capacidade_requerida, profissionais_necessarios, risco. - Destaque visual: marque em negrito intervalos com risco alto e inclua um sumário dos top-5 riscos por severidade. - Explique premissas adotadas (tendência, sazonalidades, buffers, alvo_utilizacao) e dados ausentes que exigiram suposições. - Inclua lista de ações priorizadas com impacto estimado (alto/médio/baixo) e esforço (baixo/médio/alto) para facilitar decisão. - Garanta consistência entre números do Markdown e do JSON de resumo; use os mesmos arredondamentos definidos nos agentes anteriores.
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: Este agente deve ser apto a receber como input um JSON estruturado contendo previsões de demanda e recomendações operacionais.
-
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 8.000 caracteres.
5.3.2 Especificação do Output
- Formato de output: O output deve ser um relatório em Markdown e um resumo em JSON. O Markdown deve conter seções detalhadas com KPIs, previsões, janelas de pico, recomendações e premissas.
-
Exemplo de Estrutura de Output:
**Visão Executiva** - Crescimento Previsto: 10% - Semanas Cobertas: 8 - Confiabilidade Média: 0.9 - Janelas de Pico: 5 - Risco de Superlotação: 2 - Risco de Subutilização: 1 **Previsões por Estabelecimento/Serviço** | Intervalo | Demanda Prevista | Faixa Min | Faixa Max | Capacidade Requerida | Profissionais Necessários | Risco | |-----------|------------------|-----------|-----------|----------------------|--------------------------|-------| | 2025-12-22T11:56:00Z | 20.5 | 18.0 | 23.0 | 25 | 3 | **Superlotação** | **Janelas de Pico e Riscos** - Intervalo: 2025-12-22T11:56:00Z a 2025-12-22T12:56:00Z - Critério: p90 > 120% da média - Ações Sugeridas: Abrir Slot, Realocar Profissional **Recomendações Operacionais** - Abrir slots adicionais em janelas de pico - Realocar profissionais para atender demanda - Campanha de balanceamento para períodos de subutilização **Premissas e Limitações** - Tendência e sazonalidades aplicadas conforme padrões identificados - Buffers aplicados em janelas de pico - Alvo de Utilização: 80% **Apêndice Metodológico** - Metodologia de cálculo de demanda e capacidade - Ajustes de sazonalidade e tendência - Considerações sobre dados ausentes **Resumo em JSON** { "kpis": {"crescimento_previsto": "10%", "semanas_cobertas": 8, "confiabilidade_media": 0.9, "janelas_pico": 5, "risco_superlotacao_count": 2, "risco_subutilizacao_count": 1}, "riscos": ["superlotacao", "subutilizacao"], "decisoes_recomendadas": ["abrir_slot", "realocar_profissional"] } - Número de caracteres esperado: O relatório em Markdown e o resumo em JSON juntos devem ter um tamanho estimado em 7.000 caracteres.
5.3.3 Parâmetros de Geração
- Modelo: GPT-5
- Temperatura: 0.6
5.3.4 Ferramentas do Agente
- Documentos: Não consulta.
- Calculadora: Não utiliza.
- Busca Online: Não utiliza.
- Sistemas Externos: Não utiliza.
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 é o entregável final e não é passada para outros agentes internos.
5.3.6 Regras de Orquestração e Transição
A execução deste agente finaliza o fluxo. O relatório gerado é o resultado que deve ser disponibilizado ao usuário.