1. Propósito e Escopo
Este documento define todos os prompts, configurações de memória, transição entre estados, ferramentas como chamadas a sistemas externos, busca online, consulta a documentos e demais requisitos funcionais para o Agente de IA para Revisão de Planos de Aula. Essa documentação é um modelo de PRD ou Documento de Requisitos de Produto específicos para construção de Agentes de IA.
O objetivo principal é verificar a aderência dos planos de aula aos objetivos curriculares e sugerir melhorias baseadas em melhores práticas educacionais, fornecendo feedback construtivo e acionável para os educadores.
2. Contexto e Problema
Os planos de aula frequentemente carecem de alinhamento com os objetivos curriculares estabelecidos, o que pode comprometer a qualidade do ensino e a eficácia das aulas. Além disso, há uma necessidade crescente de incorporar melhores práticas educacionais nos planos de aula para garantir que eles atendam às evidências de eficácia pedagógica.
- Falta de alinhamento: Muitos planos de aula não estão adequadamente alinhados com os objetivos curriculares, o que pode resultar em lacunas no aprendizado dos alunos.
- Melhores práticas: Incorporar melhores práticas educacionais nos planos de aula é essencial para garantir que eles sejam eficazes e baseados em evidências.
3. Impactos Esperados
A implementação deste agente de IA visa alcançar os seguintes resultados:
- Aumentar o alinhamento dos planos de aula com os objetivos curriculares em pelo menos 90%.
- Incorporar melhores práticas educacionais em todos os planos de aula revisados.
- Fornecer feedback construtivo e acionável para os educadores, melhorando a qualidade do ensino.
4. Visão Geral da Solução
O agente de IA para revisão de planos de aula analisa o conteúdo dos planos de aula, verifica sua aderência aos objetivos curriculares e sugere melhorias baseadas em práticas educacionais eficazes. 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 revisão de planos de aula, garantindo que eles estejam alinhados com os objetivos curriculares e incorporando melhores práticas educacionais.
A solução consiste em um fluxo de automação composto por 2 agentes de IA. O processo inicia com a extração do conteúdo dos planos de aula e termina com a geração de um relatório de revisão detalhado para o educador.
| Agentes | Função Principal |
|---|---|
Agente de Execução de Extração de Conteúdo de Documentos (RF 1)
| Extrair o conteúdo textual e metadados básicos de planos de aula enviados em .docx, .pdf, .txt ou links acessíveis. |
Agente de Revisão de Planos de Aula (RF 2)
| Verificar a aderência dos planos de aula aos objetivos curriculares e sugerir melhorias baseadas em melhores práticas educacionais. |
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 educador receberá. Explore os links abaixo para entender melhor a solução em ação.
6. Requisitos Funcionais
RF 1. Agente de Execução de Extração de Conteúdo de Documentos
1.1 Tarefa do Agente
Extrair o conteúdo textual e metadados básicos de planos de aula enviados em .docx, .pdf, .txt ou links acessíveis, preservando a ordem lógica e a hierarquia de seções.
1.2 Prompt ou Instruções do Agente
# 1. Contexto e explicações sobre inputs iniciais
Você está recebendo arquivos de planos de aula nos formatos .docx, .pdf, .txt ou links acessíveis. Seu papel é extrair o conteúdo textual e metadados básicos, preservando a ordem lógica e a hierarquia de seções.
# 2. Objetivo
Extrair o conteúdo textual integral em UTF-8 do(s) plano(s) de aula, com metadados estruturados (json) contendo: título detectado, autor (se disponível), data (se disponível), lista de seções com títulos e conteúdo, número de páginas (pdf) e um campo plain_text contínuo.
# 3. Regras que você deve seguir para gerar sua resposta
- Este agente apenas executa a extração conforme os parâmetros recebidos; não realiza interpretação pedagógica, não reescreve o texto, não infere significados.
- Preservar ordem dos parágrafos e títulos; remover apenas quebras de linha redundantes internas a parágrafos; manter tabelas como texto linearizado com separadores de coluna (|).
- Caso o documento esteja protegido ou ilegível, retornar erro estruturado {erro:true, motivo:"arquivo_ilegivel_ou_protegido"}.
- Se múltiplos arquivos forem recebidos, retornar lista ordenada com um item por arquivo, mantendo seus metadados individuais. 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 arquivos de planos de aula nos formatos .docx, .pdf, .txt ou links acessíveis 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: Arquivos de planos de aula ou links acessíveis.
-
Formatos Suportados: Esse agente deve ser capaz de receber documentos nos formatos:
.docx,.pdf,.txt. - Número de caracteres esperado: Este agente deve ter capacidade para processar um input de texto com até 60.000 caracteres por documento.
1.3.2 Especificação do Output
- Formato de output: O output deve ser um JSON contendo o conteúdo textual integral e metadados estruturados do(s) plano(s) de aula.
-
Exemplo de Estrutura de Output:
{ "titulo": "Plano de Aula de Matemática", "autor": "Prof. João Silva", "data": "2025-12-16", "secoes": [ { "titulo": "Objetivos", "conteudo": "Ensinar conceitos básicos de álgebra." } ], "plain_text": "...", "numero_paginas": 5 } - Número de caracteres esperado: O JSON gerado terá um tamanho aproximado de 5.000 a 10.000 caracteres por documento.
1.3.3 Parâmetros de Geração
- Modelo: GPT-4
- Temperatura: 0.5
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 Revisão de Planos de Aula (RF 2).
1.3.6 Regras de Orquestração e Transição
Ao concluir sua execução, esse agente aciona o Agente de Revisão de Planos de Aula (RF 2).
RF 2. Agente de Revisão de Planos de Aula
2.1 Tarefa do Agente
Verificar a aderência dos planos de aula aos objetivos curriculares e sugerir melhorias baseadas em melhores práticas educacionais, entregando um feedback estruturado e acionável ao docente.
2.2 Prompt ou Instruções do Agente
# 1. Contexto e explicações sobre inputs iniciais Você está recebendo o texto estruturado do plano de aula (saída do agente de extração) e, quando disponível, lista de objetivos curriculares oficiais/competências (BNCC ou equivalente) fornecidos pelo usuário. Informações contextuais opcionais incluem: série/ano, componente curricular, duração prevista da aula, perfil da turma. # 2. Objetivo Verificar a aderência dos planos de aula aos objetivos curriculares e sugerir melhorias baseadas em melhores práticas educacionais, entregando um feedback estruturado e acionável ao docente. # 3. Regras que você deve seguir para gerar sua resposta - Utilize objetivos curriculares oficiais como referência primária, se fornecidos. Caso contrário, infira objetivos-alvo a partir do plano, marcando cada objetivo como inferido=true. - Reescreva cada objetivo em formato observável: "Ao final, o estudante será capaz de [verbo de ação (Taxonomia de Bloom)] [conteúdo/conceito] [condições] [critério de sucesso mensurável]". - Calcule a aderência global somando pesos x notas e classifique: Excelente (≥85), Adequada (70–84), Em desenvolvimento (50–69), Crítica (<50). - Proporcione um relatório em formato markdown com as seções fixas: 1) Resumo executivo; 2) Pontuação de aderência (0–100) e classificação; 3) Matriz Objetivo–Atividade–Avaliação (AAA); 4) Cobertura de objetivos curriculares; 5) Diagnóstico de boas práticas; 6) Riscos e problemas; 7) Sugestões de melhoria; 8) Plano 15-30-60 dias; 9) Versões sugeridas dos objetivos e rubrica de avaliação; 10) Apêndice com assunções/inferências e limitações.
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: Texto estruturado do plano de aula e lista de objetivos curriculares, quando disponível.
-
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 30.000 caracteres.
2.3.2 Especificação do Output
- Formato de output: O output deve ser um relatório em formato markdown com as seções especificadas no prompt.
-
Exemplo de Estrutura de Output:
# Resumo Executivo Este relatório avalia a aderência do plano de aula aos objetivos curriculares e sugere melhorias. ## Pontuação de Aderência - **Pontuação:** 78 - **Classificação:** Adequada ## Matriz Objetivo–Atividade–Avaliação ... ## Sugestões de Melhoria ...
- Número de caracteres esperado: O relatório gerado terá um tamanho aproximado de 10.000 a 15.000 caracteres.
2.3.3 Parâmetros de Geração
- Modelo: GPT-4
- Temperatura: 0.5
2.3.4 Ferramentas do Agente
- Documentos: Não consulta documentos externos.
- Calculadora: Não utiliza.
- Busca Online: Não utiliza.
- Sistemas Externos: Não utiliza.
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 (relatório de revisão) é o entregável final e deve ser disponibilizada ao educador.
2.3.6 Regras de Orquestração e Transição
Este agente finaliza o fluxo de revisão de planos de aula.