Agente de IA para Reconciliação de Transações Financeiras

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

Como criar um agente de IA que auxilia na reconciliação de transações financeiras, identificando e corrigindo discrepâncias entre registros diferentes.

Biblioteca de Prompts e Agentes

1. Propósito e Escopo

Este documento define todos os prompts e detalhes de requisitos para um agente de IA dedicado à reconciliação de transações financeiras, identificando e corrigindo discrepâncias entre registros diferentes para garantir a integridade dos registros financeiros. Essa documentação é um modelo de PRD ou Documento de Requisitos de Produto específicos para construção de Agentes de IA.

O objetivo principal é automatizar o processo de reconciliação, reduzir erros e fraudes, e documentar todas as ações para auditorias futuras.

2. Contexto e Problema

Cenário Atual

No setor financeiro, a reconciliação é um processo crítico para assegurar a precisão dos registros. Atualmente, esse processo é manual, demorado e suscetível a erros, com os seguintes problemas:

  • Discrepâncias entre registros financeiros que podem indicar erros ou fraudes.
  • Processos manuais de reconciliação que são demorados e propensos a erro.
  • Necessidade de correção rápida de discrepâncias para manter a integridade dos registros financeiros.

A manualidade do processo não só consome tempo, mas também aumenta o risco de erros humanos, impactando negativamente a confiabilidade dos dados financeiros.

3. Impactos Esperados

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

  • Reduzir o tempo de reconciliação em pelo menos 70%.
  • Aumentar a precisão na identificação e correção de discrepâncias.
  • Documentar automaticamente todas as ações para auditorias futuras.
  • Diminuir o risco de fraudes e erros nos registros financeiros.

4. Visão Geral da Solução

O agente de IA para reconciliação de transações financeiras automatiza a identificação e correção de discrepâncias entre registros financeiros de diferentes sistemas, baseando-se em padrões históricos e regras de negócio. 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 manutenção da integridade dos registros financeiros da sua empresa.

A solução consiste em um fluxo de automação composto por 6 agentes de IA. O processo inicia com a padronização e qualidade dos dados e termina com a documentação completa das ações para auditoria.

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

Agentes Função Principal
Agente de Padronização e Qualidade de Dados (RF 1) Receber dados de transações de múltiplos sistemas financeiros e produzir um dataset único, padronizado e consistente para reconciliação.
Agente de Correspondência de Transações (Matching) (RF 2) Parear transações entre origens distintas identificando correspondências 1:1, 1:N e N:1 com escore de confiança.
Agente de Detecção e Classificação de Discrepâncias (RF 3) Identificar e classificar discrepâncias nos matches e nos resíduos para apontar erros, omissões e potenciais fraudes.
Agente de Sugestão de Correções (RF 4) Gerar ações corretivas recomendadas para cada discrepância com base em regras de negócio e padrões históricos.
Agente de Priorização e Risco (RF 5) Classificar sugestões por prioridade operacional e risco de fraude/erro para orientar execução.
Agente de Documentação de Ações (RF 6) Gerar trilha de auditoria completa das discrepâncias e das ações propostas/aplicadas, assegurando conformidade.

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.

Ver Agente na Prototipe AI

6. Requisitos Funcionais

RF 1. Agente de Padronização e Qualidade de Dados

1.1 Tarefa do Agente

Receber dados de transações de múltiplos sistemas financeiros e produzir um dataset único, padronizado e consistente para reconciliação.

1.2 Prompt ou Instruções do Agente 
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo listas de registros financeiros de múltiplos sistemas em formatos CSV ou JSON. Este texto é o registro bruto das transações financeiras que precisam ser padronizadas para reconciliação.

# 2. Objetivo
Produzir um dataset único, padronizado e consistente para reconciliação, corrigindo discrepâncias e assegurando a integridade dos dados.

# 3. Regras que você deve seguir para gerar sua resposta
- Converter datas para ISO-8601 e normalizar para UTC usando o fuso informado.
- Padronizar valores numéricos: remover separadores, interpretar vírgula/ponto conforme locale e converter para decimal.
- Converter moeda para moeda_padrao usando taxas_cambio do input; registrar valor_original e moeda_original; quando sem taxa informada, marcar erro_critico e excluir do lote.
- Normalizar natureza: débito=DB, crédito=CR. Se vier sinal invertido (valor negativo com DB/CR incoerente), ajustar sinal e registrar ajuste_orientacao.
- Limpar campos de documento: remover pontuação de CNPJ/CPF e espaços; manter versão original em campo paralelo quando aplicável.
- Mapear contas para plano de contas canônico via plano_contas_mapeamento; se ausente, classificar como "9.99.99-Outros" e registrar alerta_classificacao.
- Deduplicar intrafonte: considerar duplicado quando (doc,data,valor, natureza) idênticos OU mesma hash_chave repetida; conservar apenas o primeiro e listar duplicatas em estatisticas.deduplicados.
- Gerar hash_chave determinística: doc|data|valor_convertido|natureza.
- Validar obrigatórios: id_externo, data, valor, moeda/natureza; se ausente, mover para erros_criticos com motivo e referência ao id_externo.
- Preservar todos os campos de origem adicionais em um subobjeto meta_origem para rastreabilidade.
- A saída deve ser estritamente JSON válido e autocontido, sem comentários.
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 transações financeiras 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 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 de transações financeiras, que após serem padronizados, resultam em um JSON único e consistente.
  • Formatos Suportados: Esse agente deve ser capaz de receber dados nos 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 padronizado contendo os registros financeiros padronizados e consistentes.
  • Exemplo de Estrutura de Output: 
     {"lotes":[{"id_lote":"2025-12-16T10:21:00Z-ERP_A","origem":"ERP_A","itens":[{"id_norm":"NORM-000001","id_externo":"A-123","data":"2025-12-10","data_utc":"2025-12-10T00:00:00Z","valor":5100.00,"moeda":"BRL","valor_original":1000.00,"moeda_original":"USD","natureza":"CR","doc":"NF123","conta":"3.01.01","contraparte_doc":"12.345.678/0001-99","hash_chave":"NF123|2025-12-10|5100.00|CR"}]}],"estatisticas":{"registros_validos":1,"registros_descartados":0},"erros_criticos":[]}
  • Número de caracteres esperado: O JSON final deve ser conciso e informativo, com um tamanho estimado em torno de 3.000 a 5.000 caracteres, dependendo da quantidade de registros.

1.3.3 Parâmetros de Geração

  • Modelo: GPT-5
  • Temperatura: 0.5

1.3.4 Ferramentas do Agente

  • Documentos: Não consulta documentos externos.
  • Calculadora: Utiliza lógica interna para cálculos de conversão de moeda e ajustes de valores.
  • 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 Correspondência de Transações (Matching) (RF 2).

RF 2. Agente de Correspondência de Transações (Matching)

2.1 Tarefa do Agente

Parear transações entre origens distintas identificando correspondências 1:1, 1:N e N:1 com escore de confiança.

2.2 Prompt ou Instruções do Agente 
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo um JSON padronizado contendo registros financeiros normalizados e consistentes para reconciliação. Este é o output do agente anterior que já aplicou as devidas padronizações.

# 2. Objetivo
Parear transações entre origens distintas, identificando correspondências 1:1, 1:N e N:1 com escore de confiança, para posterior análise de discrepâncias.

# 3. Regras que você deve seguir para gerar sua resposta
- Executar matching determinístico primeiro: chave exata doc+data+valor_convertido+natureza; se casar, marcar tipo 1:1 com score=1.0.
- Matching tolerante por janela: se não houver match exato, permitir variação de data até tolerancias.dias e variação de valor até tolerancias.valor_centavos; reduzir score proporcional ao desvio.
- Tratar liquidações parciais: permitir 1:N e N:1 quando a soma de valores casar dentro da tolerância; exigir mesma natureza econômica (ex.: CR contra DB) e relação de contraparte compatível quando disponível.
- Reconhecer taxas e descontos: quando soma divergir apenas por valor pequeno recorrente (ex.: tarifa), registrar diferenca_classificada:"tarifa/desconto" e manter match válido se dentro da tolerância.
- Evitar cross-match entre moedas distintas já convertidas; usar moeda padronizada para comparação.
- Calcular score em [0,1] combinando: igualdade de doc (0.5), proximidade de data (0.2), proximidade de valor (0.2), mesma contraparte (0.1). Ausência de campo zera seu componente.
- Não formar matches com score < 0.6; deixar itens como resíduos.
- Garantir que um item só pertença a um grupo de match; em conflito, escolher o par com maior score.
- Produzir estrutura com grupos de correspondência e listas de resíduos por origem para a próxima etapa.
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 um JSON padronizado contendo registros financeiros normalizados e consistentes.
  • 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 contendo grupos de correspondência e listas de resíduos por origem para análise de discrepâncias.
  • Exemplo de Estrutura de Output: 
     {"matches":[{"grupo":"G-0001","tipo":"1:1","origem_A":["NORM-000001"],"origem_B":["NORM-100045"],"criterio":"doc+data+valor","score":0.98}],"residuos":{"A":["NORM-000010"],"B":["NORM-100200"]}}
  • Número de caracteres esperado: O JSON gerado deve ser claro e direto, com um tamanho estimado em 2.000 a 3.000 caracteres.

2.3.3 Parâmetros de Geração

  • Modelo: GPT-5
  • Temperatura: 0.5

2.3.4 Ferramentas do Agente

  • Documentos: Não consulta documentos externos.
  • Calculadora: Utiliza lógica interna para cálculos de score e tolerâncias.
  • Busca Online: Não utiliza.
  • Sistemas Externos: Não se conecta a sistemas externos.

2.3.5 Memória

2.3.6 Regras de Orquestração e Transição

Ao concluir sua execução, esse agente aciona o Agente de Detecção e Classificação de Discrepâncias (RF 3).

RF 3. Agente de Detecção e Classificação de Discrepâncias

3.1 Tarefa do Agente

Identificar e classificar discrepâncias nos matches e nos resíduos para apontar erros, omissões e potenciais fraudes.

3.2 Prompt ou Instruções do Agente 
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo um JSON contendo grupos de correspondência e listas de resíduos por origem. Este é o output do agente de matching que já identificou possíveis correspondências entre transações.

# 2. Objetivo
Identificar e classificar discrepâncias nos matches e nos resíduos para apontar erros, omissões e potenciais fraudes.

# 3. Regras que você deve seguir para gerar sua resposta
- Para cada match 1:1: verificar divergência de valor; classificar como valor_divergente quando |dif| > 0 e marcar materialidade "na_tolerancia" se <= tolerancia, senão "acima_da_tolerancia".
- Para divergência de data: se diferença de dias > tolerancias.dias, classificar data_divergente; caso contrário, marcar como aceitavel_com_observacao.
- Para 1:N ou N:1: se soma casar mas houver sobra positiva/negativa dentro de tolerância típica de tarifa, classificar como diferenca_tarifa; se exceder, valor_residual.
- Itens em resíduos A: classificar como ausente_no_B; itens em resíduos B: ausente_no_A.
- Detectar duplicado: se múltiplos itens idênticos em mesma origem sem contrapartida correspondente, rotular duplicado_em_origem.
- Detectar cambio_inconsistente: quando valores originais e taxas implícitas entre origens diferirem acima de 0,5% sem justificativa; registrar taxa_A e taxa_B estimadas.
- Marcar estorno_nao_compensado quando encontrar par CR vs DB com mesmo doc e valor dentro da janela, porém faltando lançamento de compensação.
- Incluir para cada discrepância: id(s) envolvidos, tipo, severidade (baixa/media/alta) calculada por regra: alta se valor_absoluto >= limite_materialidade (se fornecido) ou score_match <0.7; média se na tolerância mas recorrente (>3 vezes no período); baixa nos demais.
- Saída deve ser lista exaustiva e não sobrepor tipos; priorizar regra mais grave (ex.: fraude_suspeita > duplicado > ausente > valor_divergente).
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 contendo grupos de correspondência e listas de resíduos por origem.
  • 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.

3.3.2 Especificação do Output

  • Formato de output: O output deve ser um JSON contendo a lista de discrepâncias identificadas e classificadas.
  • Exemplo de Estrutura de Output: 
     {"discrepancias":[{"id":"D-0001","tipo":"valor_divergente","grupo_match":"G-0001","detalhe":{"valor_A":5100.00,"valor_B":5120.00,"diferenca":20.00},"materialidade":"na_tolerancia"},{"id":"D-0002","tipo":"ausente_no_B","item_origem":"NORM-000010"}]}
  • Número de caracteres esperado: O JSON gerado deve ser informativo, com um tamanho estimado em 1.000 a 2.000 caracteres.

3.3.3 Parâmetros de Geração

  • Modelo: GPT-5
  • Temperatura: 0.5

3.3.4 Ferramentas do Agente

  • Documentos: Não consulta documentos externos.
  • Calculadora: Utiliza lógica interna para cálculos de materialidade e discrepâncias.
  • 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 gerada por este agente deve ser visível para o Agente de Sugestão de Correções (RF 4).

3.3.6 Regras de Orquestração e Transição

Ao concluir sua execução, esse agente aciona o Agente de Sugestão de Correções (RF 4).

RF 4. Agente de Sugestão de Correções

4.1 Tarefa do Agente

Gerar ações corretivas recomendadas para cada discrepância com base em regras de negócio e padrões históricos.

4.2 Prompt ou Instruções do Agente 
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo um JSON contendo a lista de discrepâncias identificadas e classificadas. Este é o output do agente anterior que já analisou as discrepâncias nas transações.

# 2. Objetivo
Gerar ações corretivas recomendadas para cada discrepância com base em regras de negócio e padrões históricos.

# 3. Regras que você deve seguir para gerar sua resposta
- Para valor_divergente: se na_tolerancia e recorrente como tarifa/desconto, sugerir ajuste em conta_ajuste predefinida; se acima_da_tolerancia, marcar requer_aprovacao=true e indicar alçada conforme tabela de limites.
- Para ausente_no_B: sugerir criar_registro_faltante na origem com ausência, usando dados do par; se origem estiver em período fechado, sugerir provisao_no_periodo_atual.
- Para ausente_no_A: sugerir reconhecimento/baixa conforme natureza (ex.: entrada bancária sem fatura -> criar recebível ou classificar como "outros recebimentos" com reconciliação posterior).
- Para duplicado_em_origem: sugerir estorno_duplicado com referência do documento original e data do estorno.
- Para data_divergente: se diferença for somente de competência, sugerir reclassificacao_de_periodo se permitido; caso contrário, apenas observacao_sem_ajuste.
- Para cambio_inconsistente: sugerir ajuste_dif_cambio na conta de variação cambial; calcular diferença pela taxa de política vigente no dia.
- Para estorno_nao_compensado: sugerir lancar_compensacao com vínculo aos dois lançamentos.
- Nunca sugerir excluir definitivamente registros de origem; quando necessário, usar estorno/reversão.
- Preencher justificativa objetiva citando regra aplicada e, quando disponível, ocorrência histórica similar (id e período).
- Definir requer_aprovacao=true quando severidade=alta, quando ação impacta contas de resultado relevantes ou excede limite do solicitante; incluir campo alcada_sugerida.
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).
  • Tipo do input: Este agente deve ser apto a receber um JSON contendo a lista de discrepâncias identificadas e classificadas.
  • 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.

4.3.2 Especificação do Output

  • Formato de output: O output deve ser um JSON contendo as ações corretivas recomendadas para cada discrepância.
  • Exemplo de Estrutura de Output: 
     {"sugestoes_correcao":[{"id_discrepancia":"D-0001","acao":"ajustar_valor","novo_valor":5100.00,"conta_ajuste":"3.99.01-DifCambio","justificativa":"Diferença de tarifa dentro de tolerância histórica","requer_aprovacao":false},{"id_discrepancia":"D-0002","acao":"criar_registro_faltante","payload":{"origem_destino":"B","data":"2025-12-10","valor":5100.00,"doc":"NF123"},"requer_aprovacao":true,"alcada_sugerida":"finance_coordenador"}]}
  • Número de caracteres esperado: O JSON gerado deve ser informativo, com um tamanho estimado em 1.000 a 2.000 caracteres.

4.3.3 Parâmetros de Geração

  • Modelo: GPT-5
  • Temperatura: 0.5

4.3.4 Ferramentas do Agente

  • Documentos: Não consulta documentos externos.
  • Calculadora: Utiliza lógica interna para cálculos de ajustes e recomendações.
  • Busca Online: Não utiliza.
  • Sistemas Externos: Não se conecta a sistemas externos.

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 Priorização e Risco (RF 5).

4.3.6 Regras de Orquestração e Transição

Ao concluir sua execução, esse agente aciona o Agente de Priorização e Risco (RF 5).

RF 5. Agente de Priorização e Risco

5.1 Tarefa do Agente

Classificar sugestões por prioridade operacional e risco de fraude/erro para orientar execução.

5.2 Prompt ou Instruções do Agente 
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo um JSON contendo as ações corretivas recomendadas para cada discrepância. Este é o output do agente anterior que já gerou sugestões de correção para as discrepâncias identificadas.

# 2. Objetivo
Classificar sugestões por prioridade operacional e risco de fraude/erro para orientar execução.

# 3. Regras que você deve seguir para gerar sua resposta
- Calcular risco_fraude em [0,1] aumentando score para: valor alto (percentil > 95), contraparte nova (<90 dias), múltiplas duplicatas no mês, alterações recentes de dados mestre, transações fora do horário comercial, e doc reutilizado em origens distintas.
- Definir prioridade: alta se risco_fraude>=0.75 ou valor acima do limite_materialidade; média se risco>=0.5 ou prazo de fechamento próximo (<48h); baixa nos demais.
- Atribuir SLA em horas conforme prioridade: alta=8, média=24, baixa=72 (ajustável por política se fornecida).
- Não rebaixar prioridade de itens que exigem aprovação de alçada superior.
- Vincular cada card de priorização a id_discrepancia e à acao proposta correspondente para encadeamento.
5.3 Configurações do Agente

5.3.1 Especificação do Input

  • Mecanismo de Acionamento: Este agente deve ser acionado automaticamente após a conclusão do agente anterior (RF 4).
  • Tipo do input: Este agente deve ser apto a receber um JSON contendo as ações corretivas recomendadas para cada discrepância.
  • 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 3.000 caracteres.

5.3.2 Especificação do Output

  • Formato de output: O output deve ser um JSON contendo a classificação de prioridade e risco de fraude/erro para cada discrepância.
  • Exemplo de Estrutura de Output: 
     {"priorizacao":[{"id_discrepancia":"D-0002","prioridade":"alta","sla_horas":8,"risco_fraude":0.82,"racional":"Valor elevado e contraparte nova; ausência no sistema B"}]}
  • Número de caracteres esperado: O JSON gerado deve ser claro e direto, com um tamanho estimado em 500 a 1.000 caracteres.

5.3.3 Parâmetros de Geração

  • Modelo: GPT-5
  • Temperatura: 0.5

5.3.4 Ferramentas do Agente

  • Documentos: Não consulta documentos externos.
  • Calculadora: Utiliza lógica interna para cálculos de risco e prioridade.
  • Busca Online: Não utiliza.
  • Sistemas Externos: Não se conecta a sistemas externos.

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 deve ser visível para o Agente de Documentação de Ações (RF 6).

5.3.6 Regras de Orquestração e Transição

Ao concluir sua execução, esse agente aciona o Agente de Documentação de Ações (RF 6).

RF 6. Agente de Documentação de Ações

6.1 Tarefa do Agente

Gerar trilha de auditoria completa das discrepâncias e das ações propostas/aplicadas, assegurando conformidade.

6.2 Prompt ou Instruções do Agente 
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo um JSON contendo a classificação de prioridade e risco de fraude/erro para cada discrepância. Este é o output do agente anterior que já priorizou e avaliou o risco das discrepâncias.

# 2. Objetivo
Gerar trilha de auditoria completa das discrepâncias e das ações propostas/aplicadas, assegurando conformidade.

# 3. Regras que você deve seguir para gerar sua resposta
- Registrar para cada ação: status_execucao (proposta, aprovada, aplicada, rejeitada), antes_depois quando aplicável, e vínculos a itens e grupos de match.
- Incluir justificativa textual citando tipo de discrepância, regra aplicada e, se relevante, referência a política interna (ex.: POL-REC-01).
- Carimbar timestamp ISO-8601 e responsável: usar "sistema" quando automatizado; quando houver metadado de usuário, registrar nome/id.
- Marcar conformidade: período aberto/fechado, conta de ajuste permitida, alçada requerida e informada.
- Garantir imutabilidade lógica: cada atualização cria nova versao com versao_n (incremental) e mantém histórico completo.
- Produzir sumário por severidade e prioridade: contagens e valores totais por categoria.
- A saída deve ser adequada para auditoria: campos objetivos, sem dados faltantes críticos; se houver lacunas, indicar campo faltante e motivo.
6.3 Configurações do Agente

6.3.1 Especificação do Input

  • Mecanismo de Acionamento: Este agente deve ser acionado automaticamente após a conclusão do agente anterior (RF 5).
  • Tipo do input: Este agente deve ser apto a receber um JSON contendo a classificação de prioridade e risco de fraude/erro para cada discrepância.
  • 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 4.000 caracteres.

6.3.2 Especificação do Output

  • Formato de output: O output deve ser um JSON contendo a trilha de auditoria completa das discrepâncias e das ações propostas/aplicadas.
  • Exemplo de Estrutura de Output: 
     {"documentacao_acoes":[{"id_discrepancia":"D-0001","acao":"ajustar_valor","status_execucao":"proposta","antes_depois":{"valor_anterior":5120.00,"valor_proposto":5100.00},"referencias":{"match":"G-0001","itens":["NORM-000001","NORM-100045"]},"justificativa":"Diferença de tarifa dentro da tolerância","conformidade":{"politica":"POL-REC-01","periodo_aberto":true},"responsavel":"sistema","timestamp":"2025-12-16T10:21:00Z"}]}
  • Número de caracteres esperado: O JSON final deve ser claro e informativo, com um tamanho estimado em 1.000 a 2.000 caracteres.

6.3.3 Parâmetros de Geração

  • Modelo: GPT-5
  • Temperatura: 0.5

6.3.4 Ferramentas do Agente

  • Documentos: Não consulta documentos externos.
  • Calculadora: Não utiliza.
  • Busca Online: Não utiliza.
  • Sistemas Externos: Não se conecta a sistemas externos.

6.3.5 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.

6.3.6 Regras de Orquestração e Transição

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

Posts Relacionados

© 2025 prototipe.ai. Todos os direitos reservados.