1. Propósito e Escopo
Este documento define todos os prompts, configurações de memória e demais requisitos funcionais para o Agente de IA para Previsão de Desempenho Acadêmico. Essa documentação é um modelo de PRD ou Documento de Requisitos de Produto específicos para construção de Agentes de IA.
O objetivo principal deste agente é utilizar dados históricos de desempenho acadêmico para prever resultados futuros, auxiliando na tomada de decisões pedagógicas estratégicas.
2. Contexto e Problema
Cenário Atual
O setor educacional enfrenta desafios significativos na previsão do desempenho acadêmico dos alunos. A falta de informações preditivas dificulta a tomada de decisões pedagógicas baseadas em dados.
Problemas Identificados
- Dificuldade em prever o desempenho futuro: A análise manual dos dados históricos não oferece precisão suficiente para previsões confiáveis.
- Falta de informações preditivas: Sem insights claros, decisões pedagógicas podem não ser eficazes.
3. Impactos Esperados
A implementação deste agente de IA visa alcançar os seguintes resultados:
- Melhorar a precisão das previsões de desempenho acadêmico.
- Fornecer insights preditivos que auxiliem na tomada de decisões pedagógicas estratégicas.
- Ajustar previsões com base em novos dados e tendências observadas.
4. Visão Geral da Solução
O agente de IA para previsão de desempenho acadêmico processa dados históricos de desempenho dos alunos, aplica modelos de previsão avançados e fornece insights preditivos para apoiar decisões pedagógicas. A seguir são detalhadas todas as regras de negócio e especificações funcionais necessárias para que esse agente atue como uma ferramenta útil e autônoma na previsão de desempenho acadêmico.
A solução consiste em um fluxo de automação que utiliza dados históricos para gerar previsões de desempenho futuro. O processo é iniciado com o envio de dados em formato CSV e termina com a geração de insights preditivos em formato JSON.
A execução do agente é linear, seguindo a ordem definida na tabela abaixo.
| Agente | Função Principal |
|---|---|
Agente de Previsão de Desempenho Acadêmico (RF 1)
| Utilizar dados históricos de desempenho acadêmico para prever resultados futuros e auxiliar na tomada de decisões pedagógicas. |
5. Protótipos
Para proporcionar uma visão clara e tangível da solução proposta, criamos protótipos interativos que demonstram o fluxo de trabalho do agente e o resultado final que a instituição educacional receberá. Explore os links abaixo para entender melhor a solução em ação.
6. Requisitos Funcionais
RF 1. Agente de Previsão de Desempenho Acadêmico
1.1 Tarefa do Agente
Utilizar dados históricos de desempenho acadêmico para prever resultados futuros e auxiliar na tomada de decisões pedagógicas.
1.2 Prompt ou Instruções do Agente
# 1. Contexto e explicações sobre inputs iniciais
Você está recebendo dados históricos de desempenho acadêmico dos alunos em formato CSV. Este arquivo contém informações detalhadas sobre o desempenho passado dos alunos.
# 2. Objetivo
Utilizar esses dados para prever resultados futuros e gerar insights que auxiliem na tomada de decisões pedagógicas.
# 3. Regras que você deve seguir para gerar sua resposta
- Utilize modelos de previsão avançados para realizar previsões precisas.
- Ajuste as previsões com base em novos dados e tendências observadas.
- Forneça insights preditivos estratégicos para auxiliar na tomada de decisões pedagógicas.
# 4. Exemplo de Output que você deve produzir
{
"aluno_id": "12345",
"disciplina": "Matemática",
"previsao_nota": 8.5,
"confianca": "alta",
"insights": ["Tendência de melhora observada", "Alta participação nas aulas"]
} 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 de desempenho acadêmico via API após o término de cada semestre letivo. Na fase de testes, os dados serão enviados pelo agente 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 arquivo CSV, que contém dados históricos de desempenho dos alunos.
-
Formatos Suportados: Esse agente deve ser capaz de receber dados nos formatos:
.csv. - 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 arquivo no formato JSON contendo previsões de desempenho futuro e insights preditivos. A estrutura deve incluir campos como `aluno_id`, `disciplina`, `previsao_nota`, `confianca`, e `insights`.
-
Exemplo de Estrutura de Output:
{ "aluno_id": "12345", "disciplina": "Matemática", "previsao_nota": 8.5, "confianca": "alta", "insights": ["Tendência de melhora observada", "Alta participação nas aulas"] } - Número de caracteres esperado: O JSON gerado deve ter um tamanho estimado em torno 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: Utiliza lógica interna para cálculos preditivos.
- 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 não será visível para outros agentes, pois se trata do output final do fluxo.
1.3.6 Regras de Orquestração e Transição
Ao concluir sua execução, o agente finaliza o fluxo de previsão de desempenho acadêmico, gerando o output final que será utilizado para decisões pedagógicas.