PrototipeAI | Agente de IA para Relatórios de Progresso Acadêmico

1. Propósito e Escopo

Este documento define todos os prompts, configurações de memória, transição entre estados e demais requisitos funcionais para o Agente de IA para Relatórios de Progresso Acadêmico. Essa documentação é um modelo de PRD ou Documento de Requisitos de Produto específicos para construção de Agentes de IA.

O objetivo principal é fornecer uma visão clara e detalhada do desempenho dos estudantes ao longo do tempo, gerando relatórios que detalham o progresso acadêmico e sugerem ações e intervenções com base nos dados apresentados.

2. Contexto e Problema

Cenário Atual

No ambiente educacional atual, há uma carência de relatórios detalhados e atualizados sobre o progresso acadêmico dos alunos. Isso dificulta a visualização de tendências de desempenho ao longo do tempo, essencial para intervenções pedagógicas eficazes.

Problemas Identificados

Falta de relatórios detalhados: A ausência de relatórios abrangentes sobre o progresso dos alunos impede uma análise precisa do desempenho acadêmico.
Dificuldade em visualizar tendências: Sem uma visualização clara das tendências de desempenho, é desafiador identificar áreas que requerem intervenção.

3. Impactos Esperados

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

Gerar relatórios detalhados que oferecem uma visão abrangente do progresso acadêmico dos estudantes.
Facilitar a visualização de tendências de desempenho ao longo do tempo, permitindo intervenções mais precisas.
Propor ações e intervenções baseadas em dados para melhorar o desempenho acadêmico.

4. Visão Geral da Solução

O agente de IA para relatórios de progresso acadêmico extrai e analisa dados acadêmicos de estudantes para gerar relatórios detalhados e visualizações de tendências de desempenho. 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 que fornecem uma visão clara e detalhada do desempenho dos estudantes.

A solução consiste em um fluxo de automação composto por 2 agentes de IA. O processo inicia com a extração de dados acadêmicos e culmina na análise de tendências de desempenho acadêmico.

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

Agentes	Função Principal
`Agente de Extração de Dados Acadêmicos` (RF 1)	Extrair e estruturar dados acadêmicos de estudantes a partir de sistemas educacionais.
`Agente de Análise de Tendências Acadêmicas` (RF 2)	Analisar tendências de desempenho acadêmico ao longo do tempo e sugerir intervenções.

5. Protótipos

Para proporcionar uma visão clara e tangível da solução proposta, criamos protótipos interativos que demonstram o fluxo de trabalho dos agentes e o resultado final dos relatórios gerados. Explore os links abaixo para entender melhor a solução em ação.

Ver Agente na Prototipe AI

6. Requisitos Funcionais

RF 1. Agente de Extração de Dados Acadêmicos

1.1 Tarefa do Agente

Extrair e estruturar dados acadêmicos de estudantes a partir de sistemas educacionais.

1.2 Prompt ou Instruções do Agente

 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo dados acadêmicos em formato CSV ou planilha Excel. Estes dados contêm informações sobre o desempenho dos estudantes em várias disciplinas ao longo do tempo.

# 2. Objetivo
Extrair e estruturar esses dados em um formato JSON, assegurando a identificação única de cada estudante e a associação correta de suas notas e presença.

# 3. Regras que você deve seguir para gerar sua resposta
- Extraia os dados acadêmicos assegurando a identificação única de cada estudante e associe corretamente suas notas e presença.
- Garanta que os dados extraídos estejam completos, sem campos ausentes, e em um formato estruturado JSON para processamento.
- Identifique e corrija erros de formatação para garantir a precisão dos dados extraídos.

# 4. Exemplo de Output que você deve produzir
{"estudante_id": "12345", "nota_final": 89, "presenca": 95, "comentarios": "Bom desempenho, mas precisa melhorar a participação em sala."}

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 acadêmicos em formato CSV ou planilha Excel 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: Dados acadêmicos em formato CSV ou planilha Excel.
Formatos Suportados: Esse agente deve ser capaz de receber dados nos formatos: .csv, .xlsx.
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 arquivo JSON estruturado que contenha informações detalhadas sobre o desempenho acadêmico de cada estudante.

Exemplo de Estrutura de Output:

 {"estudante_id": "12345", "nota_final": 89, "presenca": 95, "comentarios": "Bom desempenho, mas precisa melhorar a participação em sala."}

Número de caracteres esperado: O JSON gerado deve ser conciso e informativo, com um tamanho estimado em torno de 1.500 caracteres, podendo variar conforme a quantidade de dados por estudante.

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 Análise de Tendências Acadêmicas (RF 2).

1.3.6 Regras de Orquestração e Transição

Ao concluir sua execução, esse agente aciona o Agente de Análise de Tendências Acadêmicas (RF 2).

RF 2. Agente de Análise de Tendências Acadêmicas

2.1 Tarefa do Agente

Analisar tendências de desempenho acadêmico ao longo do tempo e sugerir intervenções educacionais.

2.2 Prompt ou Instruções do Agente

 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo dados estruturados de desempenho acadêmico, que foram extraídos e formatados pelo agente anterior.

# 2. Objetivo
Analisar as tendências de desempenho acadêmico ao longo do tempo e fornecer sugestões práticas e acionáveis para intervenções educacionais.

# 3. Regras que você deve seguir para gerar sua resposta
- Analise dados estruturados para identificar melhorias ou declínios no desempenho acadêmico.
- Utilize métodos estatísticos para detectar áreas críticas de dificuldade acadêmica.
- Forneça sugestões práticas e acionáveis para intervenções educacionais baseadas nas tendências detectadas.
- Desenvolva visualizações claras das tendências de desempenho para facilitar a tomada de decisão por educadores.

# 4. Exemplo de Output que você deve produzir
{"tendencias": {"melhoria": "Sim", "areas_criticas": ["Matemática", "Ciências"]}, "sugestoes": "Reforçar o estudo em Matemática e Ciências."}

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 dados estruturados de desempenho acadêmico.
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 10.000 caracteres.

2.3.2 Especificação do Output

Formato de output: O output deve ser um arquivo JSON contendo as tendências de desempenho detectadas e sugestões de intervenções acadêmicas.