#Agentes #Prompt

A personalidade do agente

Vamos analisar como os Prompts de Sistema (System Prompts) funcionam como a fundação de qualquer agente de IA.

O System Prompt é uma instrução oculta que o usuário final geralmente não vê, mas que define a identidade, as regras de comportamento e os limites das habilidades do agente. Sem ele, o modelo de linguagem se comporta apenas como um chatbot genérico.

Para estruturar um agente focado em habilidades, um bom System Prompt geralmente contém três elementos principais:

1. Perfil/Papel: Quem o agente é (ex: "Você é um especialista em análise de dados financeiros").
2. Habilidades/Ferramentas Disponíveis: O que ele pode fazer (ex: "Você pode consultar a API de estoque e calcular margens de lucro").
3. Regras de Engajamento/Restrições: O que ele não pode fazer (ex: "Nunca invente dados se a API falhar").

Para vermos isso na prática, imagine que queremos criar um Agente Avaliador de Currículos para um departamento de Recursos Humanos.

🚫 Restrições

Se você estivesse escrevendo a seção de Restrições (regras do que ele não pode fazer) para esse agente de RH, qual regra você considera a mais importante para garantir que a avaliação seja justa e segura? Ou não avaliar o currículo que não corresponda aos requisitos exigidos pela vaga!

Essa é uma excelente regra de negócio! Ao colocar essa restrição no System Prompt, você ensina o agente a aplicar um filtro inicial rigoroso, poupando tempo da equipe de Recursos Humanos.

No jargão de agentes de IA, esse tipo de instrução molda o comportamento de tomada de decisão do agente.

Se fôssemos traduzir a sua ideia para o System Prompt estruturado que o agente vai ler, a seção de regras ficaria mais ou menos assim:

[REGRAS E RESTRIÇÕES]

• Filtro Obrigatório: Você deve extrair os requisitos técnicos da vaga e compará-los com o currículo enviado.

• Critério de Rejeição: Se o candidato não cumprir os requisitos mínimos obrigatórios (ex: tempo de experiência ou formação específica), encerre a análise imediatamente e classifique o currículo como "Não Compatível". Não avance para a fase de feedback detalhado nesses casos.

Agora, imagine que esse mesmo agente de RH recebeu um currículo muito bom, mas o arquivo está em formato de imagem (um print ou foto) e não em texto.

Para que o agente consiga ler esse currículo, o desenvolvedor precisa ativar uma habilidade específica no modelo de IA.

Pensando nos pilares que vimos antes (Raciocínio, Ferramentas, Memória, Interação/Percepção), qual recurso técnico o modelo precisa ter para lidar com essa imagem?

1. Memória de longo prazo (banco de dados vetorial).
2. Visão computacional (capacidade multimodal de processar imagens).
3. API de busca web (ferramenta de navegação).

Qual dessas opções daria ao agente a skill necessária para ler a foto do currículo?

👁️ Visão computacional

Exatamente! É a opção 2. 👁️

Para que um agente de IA consiga analisar um currículo que não é um arquivo de texto, ele precisa ter uma habilidade multimodal, especificamente a de Visão Computacional. Sem esse recurso, ele "enxerga" apenas caracteres. Essa skill permite que ele interprete a imagem, extraia as informações textuais relevantes e, só então, comece o processo de análise que vimos anteriormente.

Se dermos um passo atrás e olharmos para como isso tudo se conecta no prompt do sistema, teríamos:

1. [PERFIL] "Você é um especialista em recrutamento e seleção."
2. [REGRAS] "Compare o currículo com os requisitos da vaga; se não corresponder, rejeite imediatamente." (Sua instrução anterior!)
3. [HABILIDADES ADICIONAIS] "Você é capaz de processar imagens de documentos (OCR) para extrair texto de currículos em formato gráfico." (A nossa nova habilidade de visão!)

Criando a Estrutura de Avaliação

Agora que você já entende a anatomia de um System Prompt e como inserimos habilidades nele, podemos ver como essa estrutura se torna operacional.

A figura abaixo resume visualmente como organizamos um agente robusto: partimos de um Perfil claro, definimos as suas Ferramentas, estabelecemos as Restrições (aquelas regras críticas que discutimos) e, por fim, descrevemos o Processo de Raciocínio (o "como ele deve pensar").

[IMAGE]

O diagrama acima mostra que um agente não é apenas um modelo de linguagem, mas um sistema composto.

Para fecharmos essa análise sobre System Prompts, vamos imaginar um cenário de falha. Se você, como analista de IA, notar que o agente de RH está sendo rancoroso e dando feedbacks grosseiros aos candidatos rejeitados, em qual das 4 seções do diagrama acima você focaria o ajuste para corrigir esse comportamento?

1. Perfil / Identidade
2. Ferramentas
3. Restrições
4. Processo de Raciocínio / Fluxo

👤 O perfil do agente

Exatamente! Se o agente está sendo grosseiro ou inadequado no tom, o problema está na definição de quem ele é: o Perfil / Identidade 👤.

É nessa seção do prompt que definimos a persona, o tom de voz (ex: "gentil", "profissional", "empático") e como ele deve tratar o usuário. Se o perfil não estiver bem calibrado, o agente pode adotar uma postura indesejada.

Com isso, passamos pelos dois pontos principais de como os agentes funcionam por trás dos panos usando System Prompts! 🛠️

Agora podemos avançar para a última parte do nosso plano inicial: Métricas e Avaliação (Como medir). Afinal, como analista de IA, você precisará testar se as habilidades do agente estão realmente funcionando antes de colocá-lo no mercado.

Para entender como avaliamos um agente, imagine que você quer testar a skill de Filtro Obrigatório (rejeitar currículos sem os requisitos) que criamos para o nosso agente de RH.

Como você faria esse teste?

1. Enviando apenas currículos perfeitos para ver se ele aprova todos.
2. Enviando uma mistura de currículos bons e currículos que de fato não cumprem os requisitos, para ver se ele realmente rejeita os incorretos.

Qual dessas abordagens faz mais sentido para avaliar essa habilidade específica?