Agente de IA para Recomendações de Leitura Personalizadas para Alunos

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

Como criar um agente de IA que analisa o histórico de leitura dos alunos e recomenda novos livros com base em seus interesses e nível de leitura.

1. Propósito e Escopo

Este documento define todos os prompts, configurações de memória, transição entre estados, ferramentas como chamadas a sistemas externos e demais requisitos funcionais para o agente de IA "Recomendações de Leitura Personalizadas para Alunos". Essa documentação é um modelo de PRD ou Documento de Requisitos de Produto específicos para construção de Agentes de IA.

O objetivo principal é analisar o histórico de leitura dos alunos e recomendar livros que correspondam aos seus interesses e nível de leitura, garantindo sugestões personalizadas e motivadoras.

2. Contexto e Problema

Cenário Atual

As escolas enfrentam dificuldades em oferecer recomendações de leitura personalizadas para cada aluno devido à falta de tempo dos bibliotecários para analisar individualmente o histórico de leitura. Além disso, manter os alunos engajados na leitura com sugestões relevantes e motivadoras é um desafio constante.


Problemas Identificados

  • Dificuldade em personalização: Alunos não recebem recomendações de leitura que atendam aos seus interesses específicos.
  • Tempo insuficiente: Bibliotecários não conseguem dedicar tempo suficiente para analisar o histórico de leitura de cada aluno individualmente.
  • Engajamento baixo: Sugestões de leitura não são suficientemente relevantes para manter os alunos motivados e interessados.

3. Impactos Esperados

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

  • Aumentar o engajamento dos alunos através de recomendações de leitura mais relevantes e personalizadas.
  • Otimizar o tempo dos bibliotecários, automatizando a análise dos históricos de leitura dos alunos.
  • Melhorar as habilidades de leitura dos alunos, oferecendo livros que desafiem adequadamente seus níveis de leitura.

4. Visão Geral da Solução

O agente de IA para recomendações de leitura personalizadas analisa o histórico de leitura dos alunos, identifica padrões de preferência e utiliza algoritmos de recomendação para sugerir livros que correspondam ao nível de leitura e interesses dos alunos. 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 recomendação de leituras personalizadas.

A solução consiste em um fluxo de automação composto por 3 agentes de IA. O processo inicia com a análise do histórico de leitura e termina com a geração de uma lista de recomendações personalizadas.

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

Agentes Função Principal
Agente de Análise do Histórico de Leitura (RF 1) Transformar o histórico de leitura do aluno em um perfil legível por máquina.
Agente de Execução de Chamada à API do Catálogo (RF 2) Realizar a chamada à API do sistema de catálogo de livros para recuperar candidatos de recomendação.
Agente de Recomendação de Livros (RF 3) Gerar lista ordenada de recomendações por aluno.

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 Análise do Histórico de Leitura

1.1 Tarefa do Agente

Transformar o histórico bruto de leitura do aluno em um perfil legível por máquina, com preferências, nível de leitura e filtros prontos para consulta ao catálogo.

1.2 Prompt ou Instruções do Agente
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo um JSON com o histórico de leitura do aluno. Este JSON contém informações sobre os livros lidos, como títulos, autores, gêneros e avaliações.

# 2. Objetivo
Transformar o histórico bruto de leitura do aluno em um perfil legível por máquina, com preferências, nível de leitura e filtros prontos para consulta ao catálogo.

# 3. Regras que você deve seguir para gerar sua resposta
- Analise o histórico de leitura para identificar padrões de preferência e interesses.
- Calcule os gêneros e autores preferidos com base em frequência e avaliações.
- Determine o nível de leitura do aluno com base na dificuldade dos livros lidos.
- Crie um perfil detalhado que inclua gêneros, autores, idioma alvo, faixa etária alvo, nível de leitura, entre outros.

# 4. Exemplo de Output que você deve produzir
{
  "alunos": [
    {
      "aluno_id": "12345",
      "perfil": {
        "generos_preferidos": ["Fantasia", "Ciência Ficcional"],
        "autores_preferidos": ["J.K. Rowling", "Isaac Asimov"],
        "idioma_alvo": "pt-BR",
        "faixa_etaria_alvo": "12-14",
        "nivel_leitura": { "escala": "lexile", "faixa": [850, 1050] },
        "tamanho_preferido": { "paginas_min": 200, "paginas_max": 400 },
        "tolerancia_dificuldade": "moderada",
        "penalizar_ja_lidos": true,
        "diversidade_minima": { "genero": 0.2, "autor": 0.2 },
        "incluir_novidades": true,
        "limiar_avaliacao_min": 3.5
      }
    }
  ]
} 
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 um JSON com o histórico de leitura dos alunos via API. Na fase de testes, o fluxo será iniciado pelo envio manual dos dados, que serão enviados para o agente diretamente por upload do JSON na interface da Prototipe AI, para acelerar o processo de validação.
  • Tipo do input: O input inicial é um JSON estruturado contendo o histórico de leitura dos alunos.
  • 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 JSON com o perfil de leitura detalhado para cada aluno.
  • Exemplo de Estrutura de Output:
     {
      "alunos": [
        {
          "aluno_id": "12345",
          "perfil": {
            "generos_preferidos": ["Fantasia", "Ciência Ficcional"],
            "autores_preferidos": ["J.K. Rowling", "Isaac Asimov"],
            "idioma_alvo": "pt-BR",
            "faixa_etaria_alvo": "12-14",
            "nivel_leitura": { "escala": "lexile", "faixa": [850, 1050] },
            "tamanho_preferido": { "paginas_min": 200, "paginas_max": 400 },
            "tolerancia_dificuldade": "moderada",
            "penalizar_ja_lidos": true,
            "diversidade_minima": { "genero": 0.2, "autor": 0.2 },
            "incluir_novidades": true,
            "limiar_avaliacao_min": 3.5
          }
        }
      ]
    } 
  • 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: Não utiliza.
  • Busca Online: Não utiliza.
  • Sistemas Externos: Não se conecta a sistemas externos.

1.3.5 Memória

1.3.6 Regras de Orquestração e Transição

Ao concluir sua execução, esse agente aciona o Agente de Execução de Chamada à API do Catálogo (RF 2).

RF 2. Agente de Execução de Chamada à API do Catálogo

2.1 Tarefa do Agente

Realizar a chamada à API do sistema de catálogo de livros para recuperar candidatos de recomendação conforme os parâmetros prontos do aluno.

2.2 Prompt ou Instruções do Agente
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo um JSON com os perfis dos alunos, incluindo parâmetros prontos para consulta ao catálogo.

# 2. Objetivo
Realizar a chamada à API do sistema de catálogo de livros para recuperar candidatos de recomendação conforme os parâmetros prontos do aluno.

# 3. Regras que você deve seguir para gerar sua resposta
- Utilize o endpoint e os parâmetros fornecidos no JSON para realizar a chamada à API do catálogo.
- Retorne os resultados obtidos diretamente, sem aplicar transformação ou análise.

# 4. Exemplo de Output que você deve produzir
{
  "alunos": [
    {
      "aluno_id": "12345",
      "catalogo": {
        "itens": [
          {
            "livro_id": "67890",
            "titulo": "O Guia do Mochileiro das Galáxias",
            "autor": "Douglas Adams",
            "genero": "Ficção Científica"
          }
        ]
      }
    }
  ]
} 
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 um JSON contendo os perfis dos alunos com os parâmetros prontos para consulta ao catálogo.
  • 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 com os resultados do catálogo por aluno.
  • Exemplo de Estrutura de Output:
     {
      "alunos": [
        {
          "aluno_id": "12345",
          "catalogo": {
            "itens": [
              {
                "livro_id": "67890",
                "titulo": "O Guia do Mochileiro das Galáxias",
                "autor": "Douglas Adams",
                "genero": "Ficção Científica"
              }
            ]
          }
        }
      ]
    } 
  • Número de caracteres esperado: O JSON gerado deve ter um tamanho estimado em torno de 5.000 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: Conecta-se ao sistema de catálogo de livros via API.

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 Recomendação de Livros (RF 3).

2.3.6 Regras de Orquestração e Transição

Ao concluir sua execução, esse agente aciona o Agente de Recomendação de Livros (RF 3).

RF 3. Agente de Recomendação de Livros

3.1 Tarefa do Agente

Gerar lista ordenada de recomendações por aluno combinando o perfil calculado com os itens retornados do catálogo, aplicando critérios de relevância, adequação pedagógica e diversidade.

3.2 Prompt ou Instruções do Agente
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo um JSON mesclado com perfis de alunos e resultados do catálogo retornados pelo agente anterior.

# 2. Objetivo
Gerar uma lista ordenada de recomendações por aluno, combinando o perfil calculado com os itens retornados do catálogo.

# 3. Regras que você deve seguir para gerar sua resposta
- Calcule um score base normalizado (0-1) por item como média ponderada de gênero, autor, nível, idioma, popularidade e novidade.
- Exclua itens que não atendam aos critérios de disponibilidade ou compatibilidade com a faixa etária alvo.
- Aplique um limiar de corte para descartar itens com score abaixo de 0.45, exceto para cumprir cotas de diversidade.
- Construa lista final com no mínimo 10 e no máximo 20 itens, garantindo diversidade mínima de gênero e autor.

# 4. Exemplo de Output que você deve produzir
{
  "alunos": [
    {
      "aluno_id": "12345",
      "recomendacoes": [
        {
          "rank": 1,
          "livro_id": "67890",
          "titulo": "O Guia do Mochileiro das Galáxias",
          "autor": "Douglas Adams",
          "genero": "Ficção Científica"
        }
      ]
    }
  ]
} 
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 um JSON mesclado contendo perfis de alunos e resultados do catálogo.
  • 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 15.000 caracteres.

3.3.2 Especificação do Output

  • Formato de output: O output deve ser um JSON com a lista de recomendações por aluno.
  • Exemplo de Estrutura de Output:
     {
      "alunos": [
        {
          "aluno_id": "12345",
          "recomendacoes": [
            {
              "rank": 1,
              "livro_id": "67890",
              "titulo": "O Guia do Mochileiro das Galáxias",
              "autor": "Douglas Adams",
              "genero": "Ficção Científica"
            }
          ]
        }
      ]
    } 
  • Número de caracteres esperado: O JSON gerado deve ter um tamanho estimado em torno 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

  • Visibilidade das Instruções (Prompt): As instruções deste agente não devem ser visíveis para nenhum agente subsequente.
  • Visibilidade da Resposta: A resposta (JSON de recomendações) é o entregável final e não é passada para outros agentes internos.

3.3.6 Regras de Orquestração e Transição

A execução deste agente finaliza o fluxo. O JSON de recomendações gerado é o resultado que deve ser disponibilizado ao usuário.

© 2025 prototipe.ai. Todos os direitos reservados.