PrototipeAI | Agente de IA para Gestão de Feedback Acadêmico

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 "Gestão de Feedback Acadêmico", uma solução de automação projetada para coletar, classificar e analisar feedbacks de alunos. 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 feedbacks de alunos em insights acionáveis que ajudam a identificar tendências e áreas de melhoria no ensino.

2. Contexto e Problema

Problemas Específicos

As instituições educacionais enfrentam desafios significativos relacionados ao gerenciamento e análise de grandes volumes de feedback acadêmico. Estes problemas incluem:

Dificuldade em gerenciar e analisar grandes volumes de feedback acadêmico.
Falta de identificação de tendências e áreas de melhoria no ensino com base nos feedbacks.

Atualmente, o processo de análise de feedback é demorado e muitas vezes impreciso, o que impede a implementação rápida de melhorias no ensino e currículo.

3. Impactos Esperados

A implementação deste fluxo de automação visa alcançar os seguintes resultados:

Melhorar a eficiência na coleta e análise de feedbacks acadêmicos.
Identificar tendências e áreas de melhoria de forma mais precisa e ágil.
Informar decisões sobre ajustes no ensino e currículo com dados concretos.

4. Visão Geral da Solução

O agente de IA para gestão de feedback acadêmico coleta, classifica e analisa dados de feedback dos alunos, identificando tendências e propondo melhorias no ensino. 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 gestão de feedback acadêmico.

A solução consiste em um fluxo de automação composto por 2 agentes de IA. O processo inicia com a coleta e classificação dos feedbacks e termina com a análise de tendências e proposta de melhorias.

Agentes	Função Principal
`Agente de Coleta e Classificação de Feedback` (RF 1)	Coletar e classificar feedbacks de alunos de forma eficiente.
`Agente de Análise de Tendências e Propostas de Melhoria` (RF 2)	Analisar tendências nos feedbacks e propor melhorias no ensino.

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 a instituição receberá. Explore os links abaixo para entender melhor a solução em ação.

Ver Agente na Prototipe AI

6. Requisitos Funcionais

RF 1. Agente de Coleta e Classificação de Feedback

1.1 Tarefa do Agente

Coletar e classificar feedbacks de alunos de forma eficiente.

1.2 Prompt ou Instruções do Agente

 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo feedbacks de alunos em formato de texto. Estes feedbacks vêm de diversas fontes, como formulários online e e-mails, e precisam ser classificados em categorias específicas.

# 2. Objetivo
Coletar e classificar feedbacks de alunos de forma eficiente, agrupando-os em categorias predefinidas.

# 3. Regras que você deve seguir para gerar sua resposta
- Coletar feedbacks de alunos de diversas fontes, garantindo que todos os feedbacks sejam capturados independentemente do canal de comunicação.
- Classificar feedbacks em categorias predefinidas, como 'ensino', 'infraestrutura', 'suporte acadêmico', etc.
- Garantir que cada feedback seja atribuído a uma categoria apropriada com base no conteúdo textual, utilizando algoritmos de processamento de linguagem natural.

# 4. Exemplo de Output que você deve produzir
{
  "feedback_classificado": [
    {"categoria": "ensino", "comentario": "Aulas muito teóricas."},
    {"categoria": "infraestrutura", "comentario": "Salas de aula quentes."}
  ]
}

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 feedbacks de alunos em formato de texto 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: O input inicial para o fluxo é um conjunto de feedbacks de alunos em formato de texto.
Formatos Suportados: Esse agente deve ser capaz de receber textos nos formatos: .txt, .csv.
Número de caracteres esperado: Este agente deve ter capacidade para processar um input de texto com até 100.000 caracteres.

1.3.2 Especificação do Output

Formato de output: O output deve ser um arquivo JSON contendo os feedbacks classificados por categoria.

Exemplo de Estrutura de Output:

 {
  "feedback_classificado": [
    {"categoria": "ensino", "comentario": "Aulas muito teóricas."},
    {"categoria": "infraestrutura", "comentario": "Salas de aula quentes."}
  ]
}

Número de caracteres esperado: O JSON gerado deve ser claro e direto, com um tamanho estimado em torno de 5.000 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 o Agente de Análise de Tendências e Propostas de Melhoria (RF 2).

1.3.6 Regras de Orquestração e Transição

Ao concluir sua execução, esse agente aciona o Agente de Análise de Tendências e Propostas de Melhoria (RF 2).

RF 2. Agente de Análise de Tendências e Propostas de Melhoria

2.1 Tarefa do Agente

Analisar tendências nos feedbacks classificados e propor melhorias no ensino.

2.2 Prompt ou Instruções do Agente

 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo feedbacks classificados por categoria. Estes dados foram processados por um agente anterior e precisam ser analisados para identificar tendências e propor melhorias.

# 2. Objetivo
Analisar tendências nos feedbacks e propor melhorias no ensino com base nas informações coletadas.

# 3. Regras que você deve seguir para gerar sua resposta
- Identificar padrões e tendências em feedbacks classificados para cada categoria, utilizando técnicas de análise de dados.
- Propor melhorias específicas com base nas tendências identificadas, garantindo que as propostas sejam acionáveis e alinhadas com as melhores práticas educacionais.
- Utilizar as análises para informar decisões sobre ajustes no ensino e currículo.

# 4. Exemplo de Output que você deve produzir
{
  "tendencias": [
    {"categoria": "ensino", "tendencia": "Necessidade de mais aulas práticas."}
  ],
  "propostas": [
    {"categoria": "ensino", "proposta": "Incluir workshops práticos mensais."}
  ]
}

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 um arquivo JSON contendo feedbacks classificados por categoria.
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 de até 10.000 caracteres.

2.3.2 Especificação do Output

Formato de output: O output deve ser um arquivo JSON contendo as tendências identificadas e propostas de melhoria.