1. Propósito e Escopo
Este documento define todos os prompts, configurações de memória, transição entre estados e demais requisitos funcionais para o Fluxo de Agentes "Avaliação de Desempenho Acadêmico de Alunos", uma solução de automação projetada para analisar dados de avaliações, trabalhos e participação dos alunos e gerar relatórios de desempenho acadêmico detalhados. Essa documentação é um modelo de PRD ou Documento de Requisitos de Produto específicos para construção de Agentes de IA.
O objetivo principal é transformar dados acadêmicos em relatórios personalizados que fornecem insights sobre o desempenho e áreas de melhoria para cada aluno, reduzindo o tempo gasto por educadores na análise manual de dados.
2. Contexto e Problema
Cenário Atual
Educadores enfrentam desafios significativos ao analisar dados acadêmicos de alunos de forma manual, o que consome tempo e dificulta a geração de relatórios detalhados e personalizados. As principais dificuldades incluem:
- Análise manual de dados acadêmicos, que consome tempo significativo dos educadores.
- Falta de relatórios detalhados e personalizados sobre o desempenho dos alunos.
Problemas Identificados
- Consumo de tempo: A análise manual de dados acadêmicos consome tempo que poderia ser usado para atividades mais estratégicas.
- Relatórios insuficientes: A falta de automatização resulta em relatórios que não são suficientemente detalhados ou personalizados.
3. Impactos Esperados
A implementação deste fluxo de automação visa alcançar os seguintes resultados:
- Reduzir o tempo de análise de dados em pelo menos 70%.
- Aumentar a qualidade e personalização dos relatórios de desempenho acadêmico.
- Fornecer insights acionáveis para melhorias no aprendizado dos alunos.
4. Visão Geral da Solução
O agente de IA para avaliação de desempenho acadêmico de alunos processa dados de avaliações, trabalhos e participação, aplica regras de análise e gera relatórios detalhados que destacam o desempenho e áreas de melhoria para cada aluno. 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 avaliação de desempenho acadêmico.
A solução consiste em um fluxo de automação composto por 2 agentes de IA. O processo inicia com a coleta e análise de dados acadêmicos e termina com a geração de relatórios personalizados.
A execução dos agentes é sequencial e linear, seguindo a ordem definida na tabela abaixo.
| Agentes | Função Principal |
|---|---|
Agente de Coleta e Análise de Dados Acadêmicos (RF 1)
| Coletar e analisar dados de avaliações, trabalhos e participação dos alunos. |
Agente de Geração de Relatórios de Desempenho (RF 2)
| Gerar relatórios detalhados e personalizados sobre o desempenho acadêmico dos alunos. |
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.
6. Requisitos Funcionais
RF 1. Agente de Coleta e Análise de Dados Acadêmicos
1.1 Tarefa do Agente
Coletar e analisar dados de avaliações, trabalhos e participação dos alunos para identificar padrões de desempenho e áreas de melhoria.
1.2 Prompt ou Instruções do Agente
# 1. Contexto e explicações sobre inputs iniciais Você está recebendo dados de avaliações, trabalhos e participação dos alunos em formato CSV ou planilha. # 2. Objetivo Coletar e analisar esses dados para identificar padrões de desempenho e áreas de melhoria para cada aluno. # 3. Regras que você deve seguir para gerar sua resposta - Extrair dados de avaliações, trabalhos e participação dos alunos de arquivos CSV ou planilhas, garantindo que todos os campos necessários estejam presentes e corretos. - Analisar os dados extraídos para identificar padrões de desempenho, utilizando métricas como médias, medianas e frequências de participação. - Identificar áreas de melhoria para cada aluno com base nos dados analisados, destacando disciplinas ou tópicos onde o desempenho está abaixo da média. - Se houver dados faltantes ou discrepâncias significativas nos dados extraídos, marque como dados_incompletos e sinalize para revisão manual antes de prosseguir para a próxima etapa.
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 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 são dados acadêmicos em formato CSV ou planilha.
-
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 até 100.000 caracteres.
1.3.2 Especificação do Output
- Formato de output: O output deve ser um JSON estruturado contendo a análise preliminar dos dados coletados, incluindo padrões de desempenho e áreas de melhoria identificadas.
-
Exemplo de Estrutura de Output:
{ "analise_preliminar": { "padroes_desempenho": [ { "aluno_id": "123", "desempenho_geral": "acima da média", "areas_melhoria": ["matemática", "ciências"] } ] } } - Número de caracteres esperado: O JSON gerado terá um tamanho aproximado de 5.000 caracteres, podendo variar conforme a quantidade de dados analisados.
1.3.3 Parâmetros de Geração
- Modelo: GPT-5
- Temperatura: 0.5
1.3.4 Ferramentas do Agente
- Documentos: Não consulta documentos externos.
- Calculadora: Utiliza lógica interna para cálculos de métricas.
- 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 Geração de Relatórios de Desempenho (RF 2).
1.3.6 Regras de Orquestração e Transição
Ao concluir sua execução, esse agente aciona o Agente de Geração de Relatórios de Desempenho (RF 2).
RF 2. Agente de Geração de Relatórios de Desempenho
2.1 Tarefa do Agente
Gerar relatórios detalhados e personalizados sobre o desempenho acadêmico dos alunos, com base na análise preliminar dos dados.
2.2 Prompt ou Instruções do Agente
# 1. Contexto e explicações sobre inputs iniciais Você está recebendo um JSON estruturado com a análise preliminar dos dados dos alunos. # 2. Objetivo Gerar relatórios detalhados e personalizados sobre o desempenho acadêmico dos alunos, fornecendo insights específicos e sugestões de melhoria. # 3. Regras que você deve seguir para gerar sua resposta - Compilar os dados analisados em relatórios detalhados, destacando o desempenho geral e individual de cada aluno. - Fornecer insights específicos sobre áreas de melhoria para cada aluno, sugerindo estratégias de aprendizado ou recursos adicionais que possam ajudar a melhorar o desempenho. - Personalizar cada relatório com base nas necessidades e histórico de desempenho do aluno, garantindo que as recomendações sejam relevantes e acionáveis. - Incluir visualizações de dados, como gráficos ou tabelas, para ilustrar tendências de desempenho e facilitar a compreensão dos resultados por parte dos educadores e alunos.
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 um JSON estruturado com a análise preliminar dos dados dos alunos.
-
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 até 5.000 caracteres.
2.3.2 Especificação do Output
- Formato de output: O output deve ser um conjunto de relatórios de desempenho acadêmico detalhados em formato Markdown, incluindo insights e sugestões de melhoria para cada aluno.
-
Exemplo de Estrutura de Output:
**Relatório de Desempenho Acadêmico** **Aluno:** João Silva **Desempenho Geral:** Acima da média **Áreas de Melhoria:** Matemática, Ciências **Sugestões de Melhoria:** - Reforçar conceitos de álgebra básica - Participar de grupos de estudo em ciências **Visualizações:** - Gráficos de desempenho por matéria - Tabelas de frequência de participação
- Número de caracteres esperado: O texto final deve ser conciso e informativo, com um tamanho estimado em torno de 7.000 caracteres.
2.3.3 Parâmetros de Geração
- Modelo: GPT-5
- Temperatura: 0.5
2.3.4 Ferramentas do Agente
- Documentos: Não consulta documentos externos.
- Calculadora: Utiliza lógica interna para gerar visualizações de dados.
- Busca Online: Não utiliza.
- Sistemas Externos: Não se conecta a sistemas externos.
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 gerada por este agente é o entregável final e não é passada para outros agentes internos.
2.3.6 Regras de Orquestração e Transição
A execução deste agente finaliza o fluxo. Os relatórios gerados são o resultado que deve ser disponibilizado ao usuário.