PrototipeAI | Agente de IA para Sugestão de Planos de Estudos Personalizados

1. Propósito e Escopo

Este documento define todos os prompts e detalhes de requisitos para um agente de IA que analisa o histórico escolar de alunos e sugere planos de estudos 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 otimizar o desempenho acadêmico dos alunos, sugerindo planos de estudo personalizados baseados nas necessidades e metas individuais de cada aluno.

2. Contexto e Problema

Problema Identificado

O principal problema enfrentado por alunos é a falta de orientação personalizada para otimizar seu desempenho acadêmico. Muitas vezes, os alunos não têm clareza sobre quais áreas precisam de mais atenção e como melhorar seu aprendizado.

Os alunos frequentemente enfrentam dificuldades em identificar áreas de melhoria e em estabelecer um plano de estudos eficaz que aborde suas necessidades específicas. Isso resulta em um desempenho acadêmico abaixo do esperado e na dificuldade de alcançar metas acadêmicas específicas.

3. Impactos Esperados

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

Melhorar o desempenho acadêmico dos alunos através de planos de estudo personalizados.
Aumentar a clareza e orientação sobre as áreas que necessitam de mais atenção e melhoria.
Facilitar o alcance de metas acadêmicas específicas estabelecidas pelos alunos.

4. Visão Geral da Solução

O agente de IA para sugestão de planos de estudos personalizados analisa o histórico escolar de alunos, identifica áreas de melhoria e propõe planos de estudo adaptados às necessidades individuais. 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 otimização do desempenho acadêmico dos alunos.

A solução consiste em um fluxo de automação composto por dois agentes de IA. O processo inicia com a análise do histórico escolar do aluno e termina com a sugestão de um plano de estudos personalizado.

Agentes	Função Principal
`Agente de Análise do Histórico Escolar` (RF 1)	Analisar o histórico escolar de cada aluno para identificar áreas de melhoria.
`Agente de Sugestão de Planos de Estudo` (RF 2)	Sugerir planos de estudo personalizados baseados nas necessidades e metas individuais de 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 Análise do Histórico Escolar

1.1 Tarefa do Agente

Analisar o histórico escolar de cada aluno para identificar áreas de melhoria.

1.2 Prompt ou Instruções do Agente

 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo o histórico escolar de um aluno. Este documento contém informações sobre o desempenho acadêmico do aluno em várias disciplinas ao longo dos semestres.

# 2. Objetivo
Analisar o histórico escolar para identificar áreas de melhoria, focando em disciplinas com notas abaixo da média e frequentes dificuldades relatadas.

# 3. Regras que você deve seguir para gerar sua resposta
- Identifique disciplinas com notas consistentemente abaixo da média.
- Priorize disciplinas que impactam diretamente nos objetivos acadêmicos do aluno.
- Considere tendências de desempenho ao longo dos semestres para identificar padrões de falhas ou melhorias.

# 4. Exemplo de Output que você deve produzir
{
  "areas_de_melhoria": ["Matemática", "Ciências"],
  "comentarios": "O aluno apresenta dificuldades consistentes em Matemática e Ciências nos últimos semestres."
}

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 do histórico escolar do aluno 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 arquivo na interface da Prototipe AI, para acelerar o processo de validação.
Tipo do input: O input inicial para o fluxo é o histórico escolar do aluno, que pode estar em formato PDF ou planilha.
Formatos Suportados: Esse agente deve ser capaz de receber históricos escolares nos formatos: .pdf, .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 JSON que identifica as áreas de melhoria e inclui comentários sobre o desempenho do aluno.

Exemplo de Estrutura de Output:

 {
  "areas_de_melhoria": ["Matemática", "Ciências"],
  "comentarios": "O aluno apresenta dificuldades consistentes em Matemática e Ciências nos últimos semestres."
}

Número de caracteres esperado: O JSON gerado deve ser claro e direto, com um tamanho estimado em 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 Sugestão de Planos de Estudo (RF 2).

1.3.6 Regras de Orquestração e Transição

Ao concluir sua execução, esse agente aciona o Agente de Sugestão de Planos de Estudo (RF 2).

RF 2. Agente de Sugestão de Planos de Estudo

2.1 Tarefa do Agente

Sugerir planos de estudo personalizados baseados nas necessidades e metas individuais de cada aluno.

2.2 Prompt ou Instruções do Agente

 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo dados das áreas de melhoria identificadas pelo histórico escolar do aluno.

# 2. Objetivo
Desenvolver um plano de estudos personalizado que atenda às necessidades de melhoria identificadas, alinhando-se às metas de curto e longo prazo do aluno.

# 3. Regras que você deve seguir para gerar sua resposta
- Desenvolva um cronograma semanal que aloque mais tempo para disciplinas com maior necessidade de melhoria.
- Inclua técnicas de estudo recomendadas para cada disciplina, como resumos, mapas mentais ou exercícios práticos.
- Ajuste o plano conforme metas de curto e longo prazo do aluno, garantindo flexibilidade para revisões.

# 4. Exemplo de Output que você deve produzir
Plano de estudos personalizado:
- **Matemática:** 3 horas/semana. Use mapas mentais e exercícios práticos.
- **Ciências:** 2 horas/semana. Faça resumos e utilize flashcards.
- **Objetivo de curto prazo:** Melhorar as notas em Matemática no próximo semestre.
- **Objetivo de longo prazo:** Alcançar proficiência em todas as disciplinas até o final do ano letivo.

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 dados estruturados em JSON, que correspondem às áreas de melhoria identificadas pelo agente anterior.
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 com até 1.000 caracteres.

2.3.2 Especificação do Output

Formato de output: O output deve ser um plano de estudos personalizado em formato Markdown com seções para cada disciplina e metas do aluno.