Template estruturado para criação de prompts de agentes de IA em…

INEMA

O template apresentado é uma abordagem estruturada e detalhada para criar prompts personalizados para agentes de IA em sistemas multiagentes. Abaixo está uma explicação simplificada e traduzida com os elementos principais, seguidos de exemplos aplicados.

Template Simplificado para Criação de Agentes de IA⌗

1. Papel do Agente ([ROLE])⌗

Você é: [Nome do Agente ou Função].
Responsabilidade principal: [Objetivo Primário do Agente].

2. Contexto ([CONTEXT])⌗

Ambiente do sistema: [Descrição breve do ambiente multiagente].
Detalhes conhecidos: [Fatos, referências ou contexto relevante].

3. Tarefa ([TASK])⌗

Objetivo: [O que o agente precisa alcançar].
Restrições: [Limites de tempo, formato, etc.].
Estilo: [Tom e diretrizes de formatação].
Formato de saída: [Texto simples, HTML, JSON, etc.].

4. Colaboração ([COLLABORATION])⌗

Outros agentes: [Quem são e o que fornecem].
Interação: [Como e quando o agente deve colaborar].

5. Exemplos ([EXAMPLES])⌗

Boa resposta: [...]
Má resposta: [...]

6. Requisitos finais ([FINAL REQUIREMENTS])⌗

Verificações: [Ortografia, gramática, precisão factual].
Diretrizes éticas: [Conteúdo permitido/proibido].
Tratamento de erros: [Ações caso ocorra um erro].

Exemplo Aplicado⌗

1. Papel do Agente⌗

Você é o Assistente de Agendamento de Reuniões.
Sua principal responsabilidade é organizar compromissos no calendário com base nas solicitações do usuário.

2. Contexto⌗

Ambiente: Sistema multiagente que gerencia produtividade e comunicação.
Detalhes conhecidos: Usuário possui uma agenda conectada ao Google Calendar e prefere compromissos pela manhã.

3. Tarefa⌗

Objetivo: Agendar reuniões no Google Calendar.
Restrições:
Responder em até 30 segundos.
Usar um tom profissional.
Formato de saída: Resposta em texto simples confirmando o agendamento.

4. Colaboração⌗

Agentes disponíveis:
Agente de Memória: Fornece contexto histórico, como horários livres do usuário.
Agente de Pesquisa: Obtém informações adicionais se necessário.
Interação: Consultar o Agente de Memória antes de propor horários.

5. Exemplos⌗

Boa resposta:
Usuário: "Marque uma reunião com João na próxima terça-feira às 10h."
Agente: "Reunião com João marcada para terça-feira às 10h no Google Calendar."
Má resposta:
"Feito." (Sem confirmação detalhada).

6. Requisitos Finais⌗

QA: Certificar-se de que o horário e o nome estão corretos.
Ética: Não compartilhar dados pessoais de terceiros.
Erro: Se o Google Calendar estiver indisponível, informar ao usuário e sugerir alternativas.

Este template pode ser adaptado para várias funções, desde assistentes de produtividade até chatbots de atendimento. A estrutura ajuda a criar agentes eficazes e colaborativos, maximizando o potencial da IA em diferentes contextos.

demonstrates how to respond. Positive/Negative Examples: Provide examples of good vs. bad outputs, so the agent knows what to aim for or avoid. Example: Good Example: User: “Please summarize the key benefits of the product.” Agent: “The top three benefits are X, Y, and Z (reference data source A). They help users save time, reduce costs, and increase productivity.” Bad Example: Agent: “Just buy it; it’s the best.” (No detail or references)

Formatting and Output Specifications Metadata: If multiple AI outputs will be combined, you might need to return metadata (e.g., timestamps, versioning info, or references used). Structured Output: If the system requires JSON or a specific markup, specify that. Error Handling: Indicate what the agent should do if an error occurs or a query can’t be answered. Example: Output Format: Return your final answer as valid JSON with the keys: “summary”, “references”. If no valid references are found, return an empty list for “references” and note “No additional references.”

AI Agent Prompting Template 🤖

[ROLE]
- You are the [Name of Agent / Role]. - Your main responsibility is to [Primary Objective].

[CONTEXT] - System environment: [Briefly describe the multi-agent environment]. - Known details: [Facts, references, previous conversation context].

[TASK] - Goal: [Specific outcome you want]. - Constraints: [Time limit, length limit, etc.]. - Style: [Tone, formatting guidelines]. - Output format: [Plain text, HTML, JSON, etc.].

[COLLABORATION] - Other agents: [Who they are, what they provide]. - Interaction: [How and when this agent should interact with them].

[EXAMPLES] - Good response example: [...] - Bad response example: [...]

[FINAL REQUIREMENTS] - QA checks: [Spelling, grammar, factual accuracy]. - Ethical guidelines: [Allowed/Disallowed content]. - Error handling: [Instructions if something goes wrong].

How it works….

Role Definition Role/Persona: Explain what this agent is supposed to be or act as (e.g., “You are a financial advisor,” or “You are a marketing specialist”). Expertise Level: Specify the level of expertise expected (e.g., “Expert in legal matters,” “Beginner-friendly instructor”). Primary Objectives: Summarize what the agent does in the multi-agent system. For instance, is it the summarizer, the code generator, the fact-checker, or something else? Example: Role: You are the “Content Fact-Checker” AI, responsible for verifying the factual accuracy of texts and providing corrections or supporting evidence.
Context and Background System Context: Provide the larger setting or scenario that the multi-agent system is operating in (e.g., “A team of AIs collaborating to write blog posts for a tech website”). Shared Knowledge: State any relevant facts, constraints, or previously known information. Relevant Documents/Resources: Indicate which resources are available for referencing (e.g., knowledge bases, FAQs, user manuals). Example: Context: This multi-agent system is designed to create an in-depth user guide for a new software product. Other agents will contribute research, product details, and marketing best practices.
Task Explanation / Goal Core Task: Clearly spell out the objective: “Write a step-by-step tutorial,” “Generate marketing slogans,” “Verify factual data in the product description,” etc. Input Details: Clarify if there is specific user input or data that must be processed. Output Format: Outline precisely how you want the response formatted (bullet points, JSON, full paragraphs, etc.). Example: Task: Given the product specifications below, generate a 300-word FAQ article in plain English. Keep it accurate and user-friendly.
Constraints and Instructions Length or Size: Maximum or minimum character or token count. Tone or Style: Formal, casual, academic, comedic, etc. Do’s and Don’ts: Any rules to follow or things to avoid (e.g., “Do not include speculation,” “Always include references,” “Avoid copyrighted text,” etc.). Time or Resource Limits: If needed for real-time systems, mention performance constraints. Example: Constraints: Keep responses under 500 words. Maintain a friendly, approachable tone. If uncertain about any facts, ask for clarification from the “Research” agent.
Collaboration and Interaction Protocol Other Agents’ Roles: Summarize what the other agents do, so this agent knows where it fits in the workflow. Message Passing: Indicate whether this agent can or should request additional data from the other agents (e.g., “Query the ‘Research Agent’ for references,” “Ask the ‘Design Agent’ for visuals”). Sequence of Turns: In a multi-agent environment, specify how and when this agent should speak or remain silent. Example: Collaboration: The “Research Agent” can provide product data. The “Design Agent” can contribute visuals or layout ideas. You (the “Content Fact-Checker”) should correct any inaccuracies in the final text and provide reliable sources if available.
Example Prompts and Responses Templates: Show a sample conversation that