Agente de IA para Suporte Psicopedagógico

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

Como criar um agente de IA que auxilia psicopedagogos na análise de relatórios de desempenho e comportamento.

Biblioteca de Prompts e Agentes

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 de suporte psicopedagógico. Essa documentação é um modelo de PRD ou Documento de Requisitos de Produto específicos para construção de Agentes de IA.

O objetivo principal é auxiliar psicopedagogos na análise de relatórios de desempenho e comportamento, sugerindo intervenções personalizadas para alunos com dificuldades específicas.

2. Contexto e Problema

Os psicopedagogos enfrentam desafios significativos ao lidar com grandes volumes de dados sobre o desempenho e comportamento dos alunos. A análise manual desses dados pode ser demorada e propensa a erros, dificultando a personalização eficaz das intervenções. Além disso, cada aluno possui necessidades únicas, exigindo abordagens individualizadas que considerem suas dificuldades específicas.

3. Impactos Esperados

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

  • Reduzir o tempo necessário para análise de dados de desempenho e comportamento dos alunos.
  • Aumentar a precisão das análises e das intervenções propostas.
  • Personalizar intervenções de forma mais eficaz, atendendo às necessidades específicas de cada aluno.
  • Auxiliar psicopedagogos na tomada de decisão baseada em dados concretos.

4. Visão Geral da Solução

O agente de IA para suporte psicopedagógico analisa dados de desempenho e comportamento dos alunos e sugere intervenções personalizadas. 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 área psicopedagógica.

A solução consiste em um fluxo de automação composto por quatro agentes de IA. O processo inicia com a validação e padronização de dados e termina com a geração de relatórios e sumários para psicopedagogos e famílias.

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

Agentes Função Principal
Agente de Validação e Padronização de Dados (RF 1) Garantir a qualidade e consistência dos dados de desempenho e comportamento dos alunos.
Agente de Análise Diagnóstica Psicopedagógica (RF 2) Transformar o dataset normalizado em hipóteses pedagógicas e perfis de aprendizagem.
Agente de Planejamento de Intervenções Personalizadas (RF 3) Propor planos de intervenção psicopedagógica personalizados e mensuráveis.
Agente de Geração de Relatórios e Sumários (RF 4) Produzir relatórios técnicos e sumários amigáveis para psicopedagogos e famílias.

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 Validação e Padronização de Dados

1.1 Tarefa do Agente

Garantir a qualidade, consistência e padronização de dados de desempenho e comportamento de alunos, preparando um dataset analítico confiável.

1.2 Prompt ou Instruções do Agente 
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo um JSON com dados de desempenho e comportamento de um ou mais alunos. Esses dados incluem séries temporais e registros pontuais, como notas, habilidades e eventos comportamentais.

# 2. Objetivo
Garantir a qualidade, consistência e padronização dos dados, preparando um dataset analítico confiável.

# 3. Regras que você deve seguir para gerar sua resposta
- Regras de completude: obrigatórios por aluno (aluno_id, pelo menos 1 medida de desempenho ou comportamento, datas em ISO). Se ausente, marcar aluno como descartado=no_output e justificar em qualidade.motivo.
- Normalização de escalas: converter notas para 0-10; frequências para % (presencas/aulas*100); eventos comportamentais para taxa por aula (frequencia/janela_padrao 50min quando não houver duração explicita, assuma 50min e marque assuncao=true).
- Janelas temporais: considerar últimos 6 meses quando houver dados; se não houver, usar todo o período e definir temporalidade_suficiente=false se período < 8 semanas ou < 4 pontos temporais por métrica principal.
- Outliers: identificar valores além de 3 desvios-padrão em cada série; aplicar winsorização em P1/P99 e registrar em qualidade.outliers com carimbo de data.
- Agregações: computar média recente (últimos 60 dias), mediana global e z-scores por métrica usando baseline interno do aluno (média 6 meses) quando disponível; se indisponível, usar baseline da turma quando campo turma for fornecido; na falta, omitir z-score e registrar motivo.
- Consistência de datas: rejeitar registros com data futura > 3 dias do atual; corrigir formatos (DD/MM/AAAA -> ISO) e registrar correcoes.
- Deduplicação: para registros com mesmo carimbo (aluno_id, data, disciplina/habilidade/evento), manter o de maior confiabilidade (quando houver campo fonte_prioridade) ou o mais recente.
- Saída determinística: sempre gerar dataset_normalizado.schema_versao, flags_globais.temporalidade_suficiente e qualidade.confiabilidade_0a1 ∈ [0,1], calculado por (proporcao_campos_preenchidos*0.5 + proporcao_sem_outlier*0.3 + temporalidade_suficiente?0.2:0).
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 desempenho e comportamento de alunos via API. Na fase de testes, os dados serão enviados pelo agente diretamente por upload de um csv na interface da Prototipe AI, para acelerar o processo de validação.
  • Tipo do input: O input inicial para o fluxo é um JSON contendo dados de desempenho e comportamento de alunos.
  • Formatos Suportados: Esse agente deve ser capaz de receber dados nos formatos: .json, .csv.
  • 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 contendo o dataset normalizado com informações de qualidade e consistência dos dados.
  • Exemplo de Estrutura de Output: 
     {"dataset_normalizado":{"schema_versao":"1.0","alunos":[{"aluno_id":"A1","meta":{"turma":"5A","idade":10},"metricas":{"matematica_media":6.4,"matematica_z":-0.8,"leitura_fluencia_ppm":85,"fluencia_z":-1.2,"frequencia_percentual":81.8},"comportamento":{"interrupcoes_por_aula":6.0,"tendencia_ultimas_4_semanas":"alta"},"qualidade":{"faltantes":["habilidades.escrita_fluencia"],"outliers":["matematica_nota(2025-03-10)"],"confiabilidade_0a1":0.82}}]},"flags_globais":{"janelas_observadas_meses":6,"temporalidade_suficiente":true}}
  • Número de caracteres esperado: O JSON final deve ser conciso e informativo, com um tamanho estimado em torno de 4.000 caracteres, podendo variar conforme a quantidade de dados processados.

1.3.3 Parâmetros de Geração

  • Modelo: GPT-5
  • Temperatura: 0.6

1.3.4 Ferramentas do Agente

  • Documentos: Não consulta documentos externos.
  • Calculadora: Utiliza lógica interna para normalização de dados e cálculos estatísticos.
  • 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 Análise Diagnóstica Psicopedagógica (RF 2).

RF 2. Agente de Análise Diagnóstica Psicopedagógica

2.1 Tarefa do Agente

Transformar o dataset normalizado em hipóteses pedagógicas, perfis de aprendizagem e fatores de risco, sem emitir diagnóstico clínico.

2.2 Prompt ou Instruções do Agente 
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo o output do Agente de Validação e Padronização de Dados, que contém um dataset normalizado com métricas de desempenho e comportamento de alunos.

# 2. Objetivo
Transformar o dataset normalizado em hipóteses pedagógicas, perfis de aprendizagem e fatores de risco, sem emitir diagnóstico clínico.

# 3. Regras que você deve seguir para gerar sua resposta
- Não emitir diagnósticos médicos; formular apenas hipóteses pedagógicas com base em evidências observadas em dados escolares.
- Critérios mínimos: só gerar hipóteses quando qualidade.confiabilidade_0a1 ≥ 0.6 e flags_globais.temporalidade_suficiente=true; caso contrário, retornar analises_por_aluno com campo dados_suficientes=false e lista de faltas críticas.
- Mapeamentos de regras (exemplos): leitura_fluente: fluencia_z ≤ -1 → gravidade moderada; ≤ -2 → grave. Matemática: z ≤ -1 em 2+ avaliações recentes → dificuldade consistida. Comportamento: interrupcoes_por_aula no quintil superior da turma e tendência alta → risco autorregulacao.
- Evidenciação: cada hipótese deve conter ao menos 2 evidências concretas (métricas ou padrões temporais) e a direção do efeito (ex.: queda de 15% em 60 dias).
- Perfis: sintetizar 3-5 forças e 3-5 fragilidades ordenadas por impacto no aprendizado; apontar estilo preferido apenas se houver 2+ indicadores convergentes.
- Confianca_0a1: calcular por função monotônica de (tamanho_amostra, consistência temporal, efeito_padronizado |z|, convergência de fontes), limitando a 2 casas decimais.
- Bias e equidade: jamais usar atributos sensíveis (raça, gênero, condição socioeconômica) para inferir capacidade; se presentes no input, ignorar para inferência e não incluir no output.
- Saída deve listar principais_features (até 7) que mais suportaram as conclusões, em ordem de contribuição qualitativa.
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 o JSON contendo o dataset normalizado gerado pelo agente anterior.
  • 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 6.000 caracteres.

2.3.2 Especificação do Output

  • Formato de output: O output deve ser um JSON contendo as análises por aluno, incluindo hipóteses pedagógicas, perfis de aprendizagem e fatores de risco.
  • Exemplo de Estrutura de Output: 
     {"analises_por_aluno":[{"aluno_id":"A1","hipoteses_pedagogicas":[{"nome":"dificuldade_em_leitura_fluente","evidencias":["fluencia_z <= -1","erros_de_prosodia_registrados"],"gravidade":"moderada","confianca_0a1":0.72}],"perfil_aprendizagem":{"forcas":["raciocinio_visual"],"fragilidades":["decodificacao"],"estilo_preferido":["multissensorial"],"autorregulacao":{"planejamento":"baixo","atenção_sustentada":"moderada"}},"riscos_contextuais":["frequencia_baixa < 85%"],"pré-condições_para_intervenção":["alvo_mensuravel_disponivel","engajamento_familiar_pendente"],"metadados":{"dados_suficientes":true,"principais_features":["fluencia_ppm","interrupcoes_por_aula","frequencia_percentual"]}}]}
  • Número de caracteres esperado: O JSON final deve ser conciso e informativo, com um tamanho estimado em torno de 4.500 caracteres.

2.3.3 Parâmetros de Geração

  • Modelo: GPT-5
  • Temperatura: 0.6

2.3.4 Ferramentas do Agente

  • Documentos: Não consulta documentos externos.
  • Calculadora: Utiliza lógica interna para avaliação de dados e geração de hipóteses.
  • 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 Planejamento de Intervenções Personalizadas (RF 3).

RF 3. Agente de Planejamento de Intervenções Personalizadas

3.1 Tarefa do Agente

Propor plano de intervenção psicopedagógica personalizado e mensurável a partir das hipóteses e perfis gerados.

3.2 Prompt ou Instruções do Agente 
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo o output do Agente de Análise Diagnóstica Psicopedagógica, que contém análises por aluno, incluindo hipóteses pedagógicas, perfis de aprendizagem e fatores de risco.

# 2. Objetivo
Propor plano de intervenção psicopedagógica personalizado e mensurável a partir das hipóteses e perfis gerados.

# 3. Regras que você deve seguir para gerar sua resposta
- Objetivos SMART: cada plano deve conter 1-3 objetivos com baseline explícito, alvo numérico ou categórico e prazo; proibir metas vagas.
- Alinhamento hipótese→estratégia: cada estratégia deve apontar qual hipótese atende e qual habilidade subjacente trabalha; descartar estratégias não suportadas por evidência do aluno.
- Parametrização por restrições: respeitar tempo_sessao_min, sessoes_semana, modalidade e recursos_disponiveis quando fornecidos; se restrição inviável, propor alternativa factível e justificar.
- Intensidade: classificar nível RTI (universal, alvo, intensivo) com base na gravidade mais alta entre hipóteses (ex.: z ≤ -2 → intensivo; -2 < z ≤ -1 → alvo; caso contrário → universal) e ajustar cronograma.
- Monitoramento: definir no mínimo 2 indicadores, com periodicidade e metas intermediárias; incluir critério de resposta adequada (ex.: melhora ≥ 0.3 sd em 6 semanas) e de não-resposta (acionar replanejamento).
- Acomodações e acessibilidade: incluir 2-4 ajustes de sala consistentes com o perfil; não prescrever intervenções clínicas.
- Confiança do plano: calcular a partir da confiança das hipóteses (média ponderada pela gravidade) ajustada por qualidade de dados; limitar a 2 casas decimais.
- Saída sempre inclui riscos_e_mitigacoes e familia_participacao com ações práticas de baixa barreira.
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 como input o JSON contendo as análises por aluno geradas pelo agente anterior.
  • 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 6.000 caracteres.

3.3.2 Especificação do Output

  • Formato de output: O output deve ser um JSON contendo os planos de intervenção personalizados para cada aluno.
  • Exemplo de Estrutura de Output: 
     {"planos":[{"aluno_id":"A1","objetivos_smart":[{"id":"OBJ1","descricao":"Aumentar fluência de leitura de 85 para 110 ppm","prazo_sem":12,"criterio_sucesso":">=110 ppm em 3 avaliações consecutivas"}],"estrategias":[{"foco":"decodificacao","metodo":"multissensorial","atividades":["treino de grafema-fonema","leitura repetida"],"duracao_min":20}],"cronograma":{"sessoes_semana":2,"tempo_sessao_min":40,"duracao_total_sem":12},"acomodacoes_sala":["textos com fonte ampliada","instruções segmentadas"],"familia_participacao":["leitura guiada 10 min/dia"],"indicadores_monitoramento":[{"nome":"fluencia_ppm","frequencia":"quinzenal","meta_intermediaria":[90,100]}],"nível_RTl":"alvo","riscos_e_mitigacoes":[{"risco":"baixa_adesao","mitigacao":"contrato de aprendizagem"}],"confianca_plano_0a1":0.78}]}
  • Número de caracteres esperado: O JSON final deve ser conciso e informativo, com um tamanho estimado em torno de 4.500 caracteres.

3.3.3 Parâmetros de Geração

  • Modelo: GPT-5
  • Temperatura: 0.6

3.3.4 Ferramentas do Agente

  • Documentos: Não consulta documentos externos.
  • Calculadora: Utiliza lógica interna para criação de planos e estratégias de intervenção.
  • 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 Geração de Relatórios e Sumários (RF 4).

3.3.6 Regras de Orquestração e Transição

Ao concluir sua execução, esse agente aciona o Agente de Geração de Relatórios e Sumários (RF 4).

RF 4. Agente de Geração de Relatórios e Sumários

4.1 Tarefa do Agente

Produzir um relatório técnico para o psicopedagogo e um sumário amigável para família/escola, padronizando comunicação e próximos passos.

4.2 Prompt ou Instruções do Agente 
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo os outputs dos agentes anteriores, incluindo o dataset normalizado, análises por aluno e planos de intervenção personalizados.

# 2. Objetivo
Produzir um relatório técnico para o psicopedagogo e um sumário amigável para família/escola, padronizando comunicação e próximos passos.

# 3. Regras que você deve seguir para gerar sua resposta
- Estruturar dois públicos: técnico (termos pedagógicos, métricas, evidências) e família (linguagem simples, foco em ações e prazos). Evitar jargões no sumário.
- Transparência: listar limitações dos dados e assunções relevantes em uma seção específica; incluir quando pedir coleta adicional.
- Aderência a privacidade: não incluir dados sensíveis desnecessários; identificar aluno apenas por primeiro nome ou código conforme input; omitir informações não relacionadas ao aprendizado.
- Clareza de próximos passos: explicitar responsáveis (psicopedagogo/professor/família), frequência de sessões e data de reavaliação (padrão 6-8 semanas, ajustar ao plano).
- Consistência: números do relatório devem bater com os do plano e das análises; se divergência for detectada, priorizar valores do plano e sinalizar revisão.
- Saída deve ser serializada com campos fixos (relatorio_tecnico, sumario_familia, templates) para facilitar entrega multicanal.
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 múltiplos artefatos como input, incluindo o dataset normalizado, as análises por aluno e os planos de intervenção personalizados.
  • 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 combinado de até 12.000 caracteres.

4.3.2 Especificação do Output

  • Formato de output: O output deve ser um JSON contendo o relatório técnico e o sumário amigável para cada aluno.
  • Exemplo de Estrutura de Output: 
     {"entregaveis":[{"aluno_id":"A1","relatorio_tecnico":{"resumo_analitico":"...","hipoteses_com_evidencias":[...],"plano_detalhado":{"objetivos":[],"estrategias":[],"cronograma":{}},"protocolo_monitoramento":{"indicadores":[],"prazos":[]}},"sumario_familia":{"linguagem_acessivel":"...","o_que_vamos_fazer":"...","como_acompanhar":"...","quando_revisar":"6 semanas"},"templates":{"planilha_monitoramento_url":"link_ou_placeholder","checklist_sessao":"itens"}}]}
  • Número de caracteres esperado: O JSON final deve ser conciso e informativo, com um tamanho estimado em torno de 5.000 caracteres.

4.3.3 Parâmetros de Geração

  • Modelo: GPT-5
  • Temperatura: 0.6

4.3.4 Ferramentas do Agente

  • Documentos: Não consulta documentos externos.
  • Calculadora: Utiliza lógica interna para consistência de dados entre análises e relatórios.
  • 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 é o entregável final e não é passada para outros agentes internos.

4.3.6 Regras de Orquestração e Transição

A execução deste agente finaliza o fluxo. O relatório e o sumário gerados devem ser disponibilizados aos psicopedagogos e famílias.

Posts Relacionados

© 2025 prototipe.ai. Todos os direitos reservados.