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 "Auditoria de Dados Acadêmicos". Essa documentação é um modelo de PRD ou Documento de Requisitos de Produto específicos para construção de Agentes de IA.
O objetivo principal é revisar e validar dados acadêmicos inseridos no sistema, garantindo a precisão e completude das informações registradas nos históricos escolares.
2. Contexto e Problema
Cenário Atual
As instituições de ensino enfrentam desafios significativos com a precisão e completude dos dados acadêmicos inseridos em seus sistemas. Problemas como discrepâncias em notas, datas de matrícula incorretas e campos obrigatórios vazios são comuns, resultando em históricos escolares imprecisos.
Problemas Identificados
- Falta de precisão: Dados acadêmicos muitas vezes são inseridos incorretamente, levando a erros que afetam o histórico escolar dos alunos.
- Incompletude dos dados: Campos obrigatórios frequentemente ficam em branco, o que compromete a integridade dos registros acadêmicos.
3. Impactos Esperados
A implementação deste agente de IA visa alcançar os seguintes resultados:
- Melhorar a precisão dos dados acadêmicos registrados no sistema.
- Garantir a completude das informações, assegurando que todos os campos obrigatórios estejam preenchidos.
- Reduzir o tempo necessário para auditorias manuais de dados acadêmicos.
4. Visão Geral da Solução
O agente de IA para auditoria de dados acadêmicos revisa continuamente os dados inseridos no sistema, aplicando verificações para garantir precisão e completude. A seguir são detalhadas todas as regras de negócio e especificações funcionais necessárias para que esse agente atue como um auditor eficaz e autônomo dos registros acadêmicos.
A solução consiste em um agente de IA que revisa e valida dados acadêmicos inseridos no sistema, garantindo a precisão e completude das informações.
| Agente | Função Principal |
|---|---|
Agente de Revisão de Dados Acadêmicos (RF 1)
| Revisar e validar dados acadêmicos inseridos no sistema, garantindo precisão e completude. |
5. Protótipos
Para proporcionar uma visão clara e tangível da solução proposta, criamos protótipos interativos que demonstram o fluxo de trabalho do agente e o resultado final que o sistema acadêmico alcançará. Explore os links abaixo para entender melhor a solução em ação.
6. Requisitos Funcionais
RF 1. Agente de Revisão de Dados Acadêmicos
1.1 Tarefa do Agente
Revisar e validar dados acadêmicos inseridos no sistema, garantindo precisão e completude.
1.2 Prompt ou Instruções do Agente
# 1. Contexto e explicações sobre inputs iniciais
Você está recebendo dados acadêmicos extraídos do sistema em formato CSV ou JSON. Estes dados incluem informações sobre notas, datas de matrícula e códigos de curso.
# 2. Objetivo
Revisar e validar os dados acadêmicos inseridos no sistema, garantindo que sejam precisos e completos.
# 3. Regras que você deve seguir para gerar sua resposta
- Compare os dados acadêmicos inseridos com registros históricos para identificar anomalias, como discrepâncias em notas ou datas de matrícula.
- Assegure que todos os campos obrigatórios estejam preenchidos. Campos críticos como datas de matrícula e notas não devem estar em branco.
- Verifique se os dados seguem os padrões acadêmicos esperados, incluindo formato correto de datas, intervalos aceitáveis de notas e códigos de curso válidos.
- Gere alertas automáticos para qualquer discrepância detectada, oferecendo sugestões de correção baseadas em casos anteriores.
- Atualize a base de regras regularmente com novas diretrizes acadêmicas e padrões para manter a eficácia e precisão das validações.
# 4. Exemplo de Output que você deve produzir
{
"relatorio_validacao": {
"erros": [
{
"tipo": "Discrepância de Nota",
"descricao": "A nota do aluno para o curso XYZ não coincide com o histórico registrado."
}
],
"sugestoes": [
{
"campo": "Nota do Curso XYZ",
"acao": "Revisar e corrigir a nota com base no histórico."
}
]
}
} 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 extraídos do sistema via API. Na fase de testes, os dados serão enviados para o agente diretamente por upload de um arquivo CSV ou JSON na interface da Prototipe AI, para acelerar o processo de validação.
- Tipo do input: O input inicial para o fluxo é um arquivo de dados acadêmicos, que pode estar em formato CSV ou JSON.
-
Formatos Suportados: Esse agente deve ser capaz de receber dados acadêmicos nos formatos:
.csv,.json. - Número de caracteres esperado: Este agente deve ter capacidade para processar um input de dados com até 50.000 caracteres.
1.3.2 Especificação do Output
- Formato de output: O output deve ser um relatório de validação em formato JSON, destacando erros e recomendações de correção.
-
Exemplo de Estrutura de Output:
{ "relatorio_validacao": { "erros": [ { "tipo": "Discrepância de Nota", "descricao": "A nota do aluno para o curso XYZ não coincide com o histórico registrado." } ], "sugestoes": [ { "campo": "Nota do Curso XYZ", "acao": "Revisar e corrigir a nota com base no histórico." } ] } } - Número de caracteres esperado: O relatório gerado deve ser claro e direto, com um tamanho estimado em 3.000 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 qualquer agente de auditoria subsequente que possa ser implementado no futuro.
1.3.6 Regras de Orquestração e Transição
A execução deste agente finaliza o fluxo atual, mas o relatório gerado pode ser utilizado para ajustes manuais ou automáticos no sistema acadêmico.