PrototipeAI | Agente de IA para Recomendações de Leitura Personalizada

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 "Recomendações de Leitura Personalizada", uma solução projetada para analisar o histórico de leitura dos alunos e sugerir livros que atendam aos seus interesses e nível de leitura. Essa documentação é um modelo de PRD ou Documento de Requisitos de Produto específicos para construção de Agentes de IA.

O objetivo principal é personalizar as recomendações de leitura para cada aluno, incentivando o desenvolvimento contínuo e o interesse pela leitura.

2. Contexto e Problema

Problemas Identificados

Dificuldade em personalizar recomendações: A ausência de personalização nas recomendações de leitura pode levar à desmotivação dos alunos.
Necessidade de incentivo à leitura: É crucial incentivar a leitura e o desenvolvimento contínuo dos alunos através de sugestões que se alinhem com seus interesses.

3. Impactos Esperados

A implementação deste agente visa alcançar os seguintes resultados:

Aumento do interesse e motivação pela leitura entre os alunos.
Desenvolvimento contínuo das habilidades de leitura dos alunos através de sugestões personalizadas.

4. Visão Geral da Solução

O agente de IA para recomendações de leitura personalizada analisa o histórico de leitura dos alunos, identifica padrões de interesse e sugere livros compatíveis com seus interesses e nível de leitura. 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 personalização de recomendações de leitura.

A solução consiste em um fluxo de automação composto por 2 agentes de IA. O processo inicia com a análise do histórico de leitura e termina com a geração de uma lista de livros recomendados.

Agentes	Função Principal
`Agente de Análise de Histórico de Leitura` (RF 1)	Analisar o histórico de leitura dos alunos para identificar padrões de interesse.
`Agente de Recomendações de Leitura` (RF 2)	Sugerir livros compatíveis com os interesses e o nível de leitura 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 aluno receberá. Explore os links abaixo para entender melhor a solução em ação.

Ver Agente na Prototipe AI

6. Requisitos Funcionais

RF 1. Agente de Análise de Histórico de Leitura

1.1 Tarefa do Agente

Analisar o histórico de leitura dos alunos para identificar padrões de interesse e preferência.

1.2 Prompt ou Instruções do Agente

 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo o histórico de leitura dos alunos, que inclui informações sobre os livros lidos, autores e avaliações dadas pelos alunos.

# 2. Objetivo
Analisar o histórico para identificar padrões de interesse e preferência dos alunos, como gêneros e autores preferidos.

# 3. Regras que você deve seguir para gerar sua resposta
- Analise cada entrada do histórico de leitura para identificar os gêneros, autores e temas mais frequentes.
- Calcule a frequência de leitura de cada gênero e autor para determinar preferências.
- Utilize avaliações dos alunos para ajustar a identificação de padrões, priorizando obras bem avaliadas.
- Atualize os padrões de interesse conforme novos dados de leitura são recebidos, permitindo evolução contínua das preferências.

# 4. Exemplo de Output que você deve produzir
{
  "generos_preferidos": ["Ficção Científica", "Fantasia"],
  "autores_preferidos": ["Isaac Asimov", "J.K. Rowling"],
  "temas_interesse": ["Tecnologia", "Magia"]
}

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 um arquivo JSON contendo o histórico de leitura dos alunos 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 JSON na interface da Prototipe AI, para acelerar o processo de validação.
Tipo do input: O input inicial para o fluxo é um arquivo JSON com campos como 'titulo', 'autor', 'data_leitura', 'avaliacao'.
Formatos Suportados: Esse agente deve ser capaz de receber dados nos formatos: .json.
Número de caracteres esperado: Este agente deve ter capacidade para processar um input de texto com até 10.000 caracteres.

1.3.2 Especificação do Output

Formato de output: O output deve ser um arquivo JSON contendo padrões de interesse e preferência identificados, incluindo campos como 'generos_preferidos', 'autores_preferidos', 'temas_interesse'.

Exemplo de Estrutura de Output:

 {
  "generos_preferidos": ["Ficção Científica", "Fantasia"],
  "autores_preferidos": ["Isaac Asimov", "J.K. Rowling"],
  "temas_interesse": ["Tecnologia", "Magia"]
}

Número de caracteres esperado: O JSON gerado deve ser claro e direto, com um tamanho estimado em 1.000 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 Recomendações de Leitura (RF 2).

1.3.6 Regras de Orquestração e Transição

Ao concluir sua execução, esse agente aciona o Agente de Recomendações de Leitura (RF 2).

RF 2. Agente de Recomendações de Leitura

2.1 Tarefa do Agente

Sugerir livros compatíveis com os interesses e o nível de leitura dos alunos.

2.2 Prompt ou Instruções do Agente

 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo padrões de interesse e preferência identificados pelo agente anterior, em formato JSON.

# 2. Objetivo
Sugerir uma lista de livros que correspondam aos gêneros e autores preferidos dos alunos, ajustando as recomendações ao nível de leitura.

# 3. Regras que você deve seguir para gerar sua resposta
- Com base nos padrões de interesse fornecidos, selecione livros que correspondam aos gêneros e autores preferidos.
- Ajuste as recomendações ao nível de leitura do aluno, garantindo que os livros não sejam nem muito fáceis nem muito difíceis.
- Inclua uma justificativa para cada recomendação, explicando como ela se alinha aos interesses identificados.
- Reavalie e atualize as recomendações periodicamente, incorporando feedback dos alunos sobre as leituras sugeridas.

# 4. Exemplo de Output que você deve produzir
{
  "livros_recomendados": [
    {
      "titulo": "Fundação",
      "autor": "Isaac Asimov",
      "nivel_leitura": "Intermediário",
      "justificativa_recomendacao": "Este livro é um clássico da ficção científica que alinha-se com o interesse do aluno por tecnologia."
    },
    {
      "titulo": "Harry Potter e a Pedra Filosofal",
      "autor": "J.K. Rowling",
      "nivel_leitura": "Iniciante",
      "justificativa_recomendacao": "Uma introdução ao mundo da magia, muito apreciado pelos alunos que têm interesse em fantasia."
    }
  ]
}

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 padrões de interesse e preferência identificados.
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 1.000 caracteres.

2.3.2 Especificação do Output

Formato de output: O output deve ser um arquivo JSON contendo uma lista de livros recomendados, com campos como 'titulo', 'autor', 'nivel_leitura', 'justificativa_recomendacao'.