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 "EduCoord", uma solução projetada para coordenar e monitorar intervenções educacionais personalizadas para estudantes com baixo desempenho. Essa documentação é um modelo de PRD ou Documento de Requisitos de Produto específicos para construção de Agentes de IA.
O objetivo principal é garantir que as intervenções educacionais sejam coordenadas de forma eficaz com base nas necessidades específicas de cada aluno, monitorando sua eficácia e ajustando conforme necessário.
2. Contexto e Problema
Cenário Atual
As instituições educacionais enfrentam desafios significativos na coordenação de intervenções para alunos com baixo desempenho. Os principais problemas incluem:
- Falta de coordenação eficaz das intervenções educacionais para alunos com baixo desempenho.
- Dificuldade em monitorar e ajustar intervenções educacionais em tempo real.
Esses desafios resultam em intervenções que não são personalizadas adequadamente, levando a uma eficácia reduzida e, em última análise, a resultados insatisfatórios para os alunos.
3. Impactos Esperados
A implementação deste agente de IA visa alcançar os seguintes resultados:
- Melhorar a eficácia das intervenções educacionais, garantindo que sejam personalizadas para as necessidades específicas de cada aluno.
- Facilitar o monitoramento e ajuste em tempo real das intervenções educacionais.
- Fornecer relatórios detalhados sobre o progresso dos alunos e a eficácia das intervenções implementadas.
4. Visão Geral da Solução
O agente de IA EduCoord coordena e monitora intervenções educacionais personalizadas para estudantes com baixo desempenho, aplicando regras de acordo com as necessidades específicas de cada aluno e fornecendo relatórios detalhados sobre o progresso. 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 intervenções educacionais.
A solução consiste em um agente de IA que interage com educadores e coordenadores para facilitar a personalização e o ajuste contínuo das intervenções educacionais.
O fluxo de trabalho inclui a coleta de informações sobre as intervenções, o monitoramento contínuo da eficácia e a geração de relatórios detalhados para os educadores.
5. Protótipos
Para proporcionar uma visão clara e tangível da solução proposta, criamos protótipos interativos que demonstram como o agente EduCoord funciona na prática. Explore os links abaixo para entender melhor a solução em ação.
6. Requisitos Funcionais
RF 1. Agente de Coordenação de Intervenções
1.1 Tarefa do Agente
Coordenar intervenções educacionais personalizadas com base nas necessidades específicas de cada aluno.
1.2 Prompt ou Instruções do Agente
# 1. Contexto e explicações sobre inputs iniciais Você está recebendo informações sobre alunos com baixo desempenho e as intervenções educacionais propostas. O objetivo é coordenar e ajustar essas intervenções conforme necessário. # 2. Objetivo Coordenar intervenções educacionais personalizadas com base nas necessidades específicas de cada aluno e monitorar sua eficácia. # 3. Regras que você deve seguir para gerar sua resposta - Analise as necessidades específicas de cada aluno para personalizar intervenções. - Ajuste as intervenções com base no feedback e nos resultados observados. - Forneça relatórios detalhados sobre o progresso dos alunos e a eficácia das intervenções implementadas. # 4. Exemplo de Output que você deve produzir **Aluno:** João Silva **Intervenção:** Aula de reforço em matemática **Eficácia:** Alta **Próximos Passos:** Continuar com a intervenção e revisar em 2 semanas
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 dos alunos e intervenções propostas via API. Na fase de testes, o fluxo será iniciado pelo envio manual dos dados diretamente por upload na interface da Prototipe AI, para acelerar o processo de validação.
- Tipo do input: Dados estruturados sobre alunos e intervenções educacionais.
-
Formatos Suportados: Esse agente deve ser capaz de receber dados nos formatos:
.csv,.json. - Número de caracteres esperado: Este agente deve ter capacidade para processar um input de até 50.000 caracteres.
1.3.2 Especificação do Output
- Formato de output: O output deve ser um relatório em formato **Markdown**, detalhando as intervenções, sua eficácia e próximos passos.
-
Exemplo de Estrutura de Output:
**Aluno:** João Silva **Intervenção:** Aula de reforço em matemática **Eficácia:** Alta **Próximos Passos:** Continuar com a intervenção e revisar em 2 semanas
- Número de caracteres esperado: O relatório deve ser conciso e informativo, com um tamanho estimado em torno de 3.000 caracteres.
1.3.3 Parâmetros de Geração
- Modelo: GPT-5
- Temperatura: 0.5
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 todos os educadores envolvidos no processo de intervenção.
1.3.6 Regras de Orquestração e Transição
Ao concluir sua execução, esse agente deve gerar lembretes para revisão das intervenções implementadas, caso não haja revisão agendada nas próximas duas semanas.