PrototipeAI | Agente de IA para Relatório de Progresso Acadêmico Personalizado

1. Propósito e Escopo

Este documento define todos os prompts e detalhes de requisitos para um agente de IA que gera relatórios de progresso acadêmico personalizados. Essa documentação é um modelo de PRD ou Documento de Requisitos de Produto específicos para construção de Agentes de IA.

O objetivo principal é criar relatórios que destacam pontos fortes e áreas de melhoria para cada aluno, oferecendo recomendações específicas para aprimoramento do desempenho.

2. Contexto e Problema

Problemas Específicos

Falta de personalização nos relatórios de progresso acadêmico.
Dificuldade em destacar pontos fortes e áreas de melhoria para cada aluno.

Os relatórios de progresso acadêmico atuais muitas vezes são genéricos e não refletem as nuances do desempenho individual de cada aluno. Isso limita a capacidade de educadores e alunos de identificar e atuar sobre áreas específicas de melhoria.

3. Impactos Esperados

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

Aumentar a personalização dos relatórios de progresso acadêmico.
Destacar claramente os pontos fortes e as áreas de melhoria de cada aluno.
Fornecer recomendações específicas para o aprimoramento do desempenho acadêmico.

4. Visão Geral da Solução

O agente de IA para relatórios de progresso acadêmico personalizados coleta dados de desempenho acadêmico de diversas fontes e gera relatórios que destacam pontos fortes e áreas de melhoria para cada aluno. 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 elaboração de relatórios personalizados que seguem as especificidades de cada aluno.

A solução consiste em um fluxo de automação composto por 2 agentes de IA. O processo inicia com a coleta de dados acadêmicos e termina com a geração de um relatório personalizado.

Agentes	Função Principal
`Agente de Coleta de Dados Acadêmicos` (RF 1)	Coletar dados de desempenho acadêmico de diversas fontes.
`Agente de Geração de Relatório de Progresso` (RF 2)	Gerar relatórios personalizados que destacam pontos fortes e identificam áreas de melhoria para cada 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.

Ver Agente na Prototipe AI

6. Requisitos Funcionais

RF 1. Agente de Coleta de Dados Acadêmicos

1.1 Tarefa do Agente

Coletar dados de desempenho acadêmico de diversas fontes.

1.2 Prompt ou Instruções do Agente

 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo identificadores dos alunos e fontes de dados acadêmicos disponíveis. Este agente tem a tarefa de coletar dados de desempenho acadêmico de diversas fontes.

# 2. Objetivo
Coletar e estruturar dados de desempenho acadêmico em um formato JSON padronizado que pode ser facilmente interpretado por outros agentes no fluxo.

# 3. Regras que você deve seguir para gerar sua resposta
- Identificar e acessar todas as fontes de dados acadêmicos relevantes para cada aluno, como plataformas de aprendizagem online, sistemas de gestão escolar, e registros de professores.
- Validar a precisão e a atualidade dos dados coletados, assegurando que refletem o desempenho acadêmico atual.
- Estruturar os dados coletados em um formato JSON padronizado.

# 4. Exemplo de Output que você deve produzir
{
  "aluno_id": "12345",
  "desempenho": {
    "matematica": "A",
    "portugues": "B",
    "ciencias": "A"
  }
}

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 identificadores dos alunos e fontes de dados acadêmicos disponíveis via API. Na fase de testes, o fluxo será iniciado pelo envio manual dos dados, que serão enviados para o agente diretamente por upload na interface da Prototipe AI, para acelerar o processo de validação.
Tipo do input: O input inicial para o fluxo são identificadores dos alunos e fontes de dados acadêmicos disponíveis.
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 10.000 caracteres.

1.3.2 Especificação do Output

Formato de output: O output deve ser um arquivo no formato JSON contendo os dados de desempenho acadêmico de cada aluno.

Exemplo de Estrutura de Output:

 {
  "aluno_id": "12345",
  "desempenho": {
    "matematica": "A",
    "portugues": "B",
    "ciencias": "A"
  }
}

Número de caracteres esperado: O JSON gerado deve ter um tamanho estimado em torno de 1.500 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 Geração de Relatório de Progresso (RF 2).

1.3.6 Regras de Orquestração e Transição

Ao concluir sua execução, esse agente aciona o Agente de Geração de Relatório de Progresso (RF 2).

RF 2. Agente de Geração de Relatório de Progresso

2.1 Tarefa do Agente

Gerar relatórios personalizados que destacam pontos fortes e identificam áreas de melhoria para cada aluno.

2.2 Prompt ou Instruções do Agente

 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo dados de desempenho acadêmico de cada aluno em formato JSON. Este agente tem a tarefa de gerar relatórios personalizados que destacam pontos fortes e identificam áreas de melhoria para cada aluno.

# 2. Objetivo
Gerar relatórios de progresso acadêmico personalizados em formato markdown, destacando pontos fortes e áreas de melhoria.

# 3. Regras que você deve seguir para gerar sua resposta
- Analise os dados de desempenho acadêmico para identificar padrões e tendências que indiquem pontos fortes e áreas de melhoria.
- Desenvolva recomendações específicas e acionáveis para cada aluno, visando o aprimoramento de seu desempenho acadêmico.
- Assegure que o relatório seja claro e compreensível, utilizando linguagem acessível e estrutura organizada.
- Inclua métricas de desempenho comparativas, se disponíveis, para contextualizar o progresso do aluno em relação a seus pares.

# 4. Exemplo de Output que você deve produzir
**Relatório de Progresso Acadêmico**

**Aluno ID:** 12345

**Pontos Fortes:**
- Matemática: Excelente compreensão dos conceitos.

**Áreas de Melhoria:**
- Português: Necessita melhorar a gramática.

**Recomendações:**
- Continuar praticando exercícios de matemática.
- Participar de aulas de reforço em português.

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 arquivo JSON contendo dados de desempenho acadêmico de cada aluno.
Formatos Suportados: Esse agente deve ser capaz de receber inputs no formato: .json (JSON).
Número de caracteres esperado: Este agente deve ter capacidade para processar um input de texto com até 6.000 caracteres.

2.3.2 Especificação do Output

Formato de output: O output deve ser um relatório de progresso acadêmico personalizado em formato markdown.