Pular para o conteúdo
Tutoriais · JUN 25 2026 · 7 min de leitura

Como criar um agente de IA: o framework de 7 blocos (com template pronto)

Como criar um agente de IA em 7 blocos: identidade, contexto, estilo, regras, limites, conhecimento e exemplo. Tutorial com template pronto e case real.

Diagrama em quebra-cabeça com os sete blocos para criar um agente de IA consistente: identidade, contexto, como ele responde, regras e critérios, limites, conhecimento específico e exemplo de boa resposta, sobre uma mesa de trabalho com luz natural.

Criar um agente de IA segue 7 blocos: identidade (quem ele é), contexto (quem fala com ele), estilo de resposta (tom, tamanho, formato), regras (o que sempre fazer), limites (o que nunca fazer), conhecimento específico (a fonte da verdade) e exemplo de boa resposta. Esse roteiro transforma instrução vaga em agente consistente desde o primeiro uso, e você escreve tudo em português normal, sem programar.

O framework abaixo é o que o Pedro Lopes , diretor de produto da Alun Future Studio (Lumina), apresentou numa palestra da Rock in Skills com 380 pessoas online. Ele criou um agente de RH ao vivo usando esses sete blocos. Vou reconstruir o passo a passo aqui, com o mesmo exemplo, mais um meta-truque que economiza horas: um agente que revisa os seus agentes.

Antes de criar: 3 perguntas que evitam um agente que ninguém usa

Nem toda tarefa merece um agente. Antes de pensar em criar, responda três perguntas. Se as três forem sim, vale criar. Se alguma for não, provavelmente ainda não é hora.

A primeira: a tarefa aparece com frequência? Diária, semanal, mensal. Se acontece uma vez por ano, deixa pra lá. O ganho de criar um agente só compensa no repetitivo.

A segunda: o contexto é claro o suficiente pra guiar uma resposta? Quanto mais estável o cenário (uma política interna, a especificação de um produto), mais previsível o agente fica. Se tudo muda toda semana, o agente vira retrabalho.

A terceira: você teria mais consistência com um agente do que tem hoje? Esse é o sinal que mais aparece em time grande. Quando a resposta varia conforme quem responde, e o padrão de qualidade cai quando a pessoa certa está de férias, um agente resolve. Se você ainda está decidindo o que é um agente e quais tipos existem, vale começar pelo guia de agentes de IA para o trabalho .

O framework de 7 blocos

Cada bloco responde uma pergunta que a IA precisa saber pra funcionar bem. Pense em cada um como uma informação que você daria pra uma pessoa nova no primeiro dia de trabalho. Não é coincidência: a própria Anthropic, criadora do Claude, recomenda instruir o modelo como você instruiria alguém no primeiro dia, com clareza e exemplos. Vou explicar o bloco e mostrar como ele ficou no agente Sofia, o assistente de RH que o Pedro criou na palestra.

Bloco 1: identidade

Quem é o agente, pra que foi criado, qual é o objetivo. É a frase que situa tudo o que vem depois.

Na Sofia ficou assim: você se chama Sofia, assistente do Grupo Alun, especialista em políticas internas e processos do dia a dia, criada pra ajudar colaboradores a encontrar respostas práticas.

Bloco 2: contexto

Quem fala com ele, em qual situação e com qual nível de conhecimento. Isso calibra a profundidade da resposta.

Na Sofia: as pessoas que falam com você são colaboradores do grupo que precisam de uma resposta prática sobre uma política ou processo, e que normalmente não sabem em qual documento a informação mora.

Bloco 3: como ele responde

Tom, tamanho típico e formato. Sem isso, cada resposta sai de um jeito.

Na Sofia: tom acolhedor e direto, resposta completa dentro do próprio chat, sem criar documentos, com cada detalhe respondido pra pessoa não precisar abrir arquivo nenhum.

Bloco 4: regras e critérios

O que sempre fazer, e como agir diante de dúvida ou conflito. É opcional no primeiro agente, mas ajuda muito.

Na Sofia: sempre responda apenas com base nos documentos da base, sempre cite o documento de referência, e quando houver conflito entre duas fontes, priorize a mais recente.

Bloco 5: limites

O que ele não pode fazer. Esse bloco existe por um motivo específico: a IA generativa gosta de gerar. O trabalho dela é produzir a próxima palavra mais provável, então, se você não disser que ela nunca deve inventar, o padrão dela é inventar mesmo. Você precisa escrever isso de forma explícita, às vezes mais de uma vez.

Na Sofia: você não inventa informação, não usa busca na web em hipótese alguma, não aciona integrações e não cria documentos. Esse cuidado é o que separa um agente confiável de um que alucina por falta de contexto .

Bloco 6: conhecimento específico

Onde mora a fonte da verdade. São três caminhos: subir um documento, sincronizar uma pasta no Google Drive ou no Microsoft 365, ou escrever as regras direto na instrução. A dica do Pedro: se o conteúdo não for gigante, escreva ali mesmo, sem upload.

Na Sofia, ele sincronizou uma pasta inteira do Microsoft 365 com as políticas de RH e os materiais internos do grupo, incluindo conteúdos da Alura . A partir dali, o agente respondia com base só naqueles arquivos.

Catálogo de fontes conectadas na Lumina, com Google Workspace, Microsoft 365 e Notion já conectados, e Confluence, Jira, HubSpot, RD Station e ClickUp disponíveis para conectar.
De onde a Lumina puxa o conhecimento: além do upload manual, dá pra conectar Google Workspace, Microsoft 365, Notion e outras ferramentas.
Janela "Escolha arquivos de uma fonte conectada" da Lumina, ligada ao Microsoft 365, com as opções de importar arquivos selecionados ou sincronizar a pasta inteira.
A fonte de conhecimento do bloco 6: dá pra importar arquivos avulsos ou sincronizar uma pasta inteira do Microsoft 365 ou do Google Drive.
Lista de arquivos de contexto do agente na Lumina, com documentos como políticas e materiais da marca, cada um marcado como pronto e dividido em trechos para busca.
A base indexada: cada documento entra dividido em trechos, prontos para o agente consultar na hora de responder.

Bloco 7: exemplo de uma boa resposta

Uma resposta-modelo pra calibrar. É o bloco mais chato de escrever e o que mais ajuda o agente a acertar de primeira. Você mostra uma pergunta típica e exatamente como gostaria que ele respondesse. Se tiver tempo pra preencher só um bloco extra, preencha este.

Case completo: a Sofia, criada ao vivo

A Sofia já roda no Teams do grupo, respondendo dúvidas gerais de RH. Na palestra, o Pedro recriou ela do zero pra mostrar o fluxo na interface, e o passo a passo é simples.

Ele deu uma descrição curta (ajudante de dúvidas gerais do grupo), escolheu a categoria RH e deixou a opção de modelo em "a Lumina escolhe", pra não precisar entender de qual LLM usar. Depois colou a instrução montada nos sete blocos e sincronizou a pasta de políticas. Em poucos minutos a Sofia estava de pé.

Tela de edição do agente Sofia na Lumina, com nome, descrição "Ajudante de dúvidas gerais do grupo Alun", categoria RH e Pessoas e modelo fixo Lumina.
A criação do agente na Lumina: nome, descrição, categoria e modelo. Foi assim que a Sofia nasceu na palestra.

O detalhe honesto veio no fim. O Pedro foi direto: parece fácil, mas eu demorei muito pra deixar a Sofia boa. O agente não fica perfeito no primeiro dia, e tudo bem. Você testa, vê onde ele errou, ajusta a instrução e roda de novo. Treinar um agente é igual treinar uma pessoa do time, ninguém faz onboarding em um dia. Em duas a três semanas, dependendo do escopo, ele fica estável.

O agente Sofia respondendo no chat à pergunta sobre a política de reembolso de alimentação, com os valores e o documento "Política de Reembolsos.txt" citado como fonte.
A Sofia pronta, em uso: ela responde com os valores da política e aponta o documento de onde tirou a informação, sem inventar.

O meta-truque: um agente que valida os seus agentes

Aqui vai o atalho que poucos conhecem. Você pode criar um agente cujo único trabalho é revisar instruções de outros agentes. O Pedro tem um. A identidade dele é mais ou menos esta: você é um validador de instruções de agentes, especialista em revisar e melhorar instruções, e quem fala com você normalmente são profissionais não técnicos, então responda de forma didática e acolhedora.

Como ele ajuda: você escreve a sua instrução nos sete blocos, joga no validador, e ele aponta os buracos. Faltou definir o limite? O bloco de contexto está vago? O exemplo de boa resposta não bate com o tom pedido? O validador devolve isso antes de o agente ir pro time.

Tem um cuidado importante, e o Pedro insiste nele: use o validador como validador, não como ghostwriter. Escreva a sua primeira versão primeiro, mesmo que tosca, e só depois passe pelo revisor. Se você deixar a IA escrever tudo do zero, perde a parte em que você de fato pensa sobre o que quer. O valor está em você fazer e ele revisar, não o contrário.

Erros comuns no primeiro agente (e a causa raiz)

Quase todo problema de agente iniciante cai em um destes cinco, e a correção é sempre voltar a um bloco que ficou fraco.

SintomaCausa raizCorreção
Responde igual ao ChatGPT puroFaltou identidade e contexto (blocos 1 e 2)Diga quem ele é e quem fala com ele
Inventa coisas fora do documentoFaltou o bloco de limites (bloco 5)Escreva "nunca invente, responda só com a base"
Resposta curta ou longa demaisFaltou tamanho típico (bloco 3)Defina o formato e o tamanho esperado
Não aciona o conector mesmo quando peçoPrompt vago, regra não setadaSeja explícito: diga quando acionar o conector
Não sabe quem eu souPersonalização global vaziaPreencha quem é você, seu time e seu trabalho

Repare que nenhuma correção é técnica. Todas são uma frase a mais na instrução. É por isso que esse trabalho não exige programação.

Template copia e cola dos 7 blocos

Salve este esqueleto e preencha os campos entre chaves. Em 30 a 60 minutos você tem a primeira versão de um agente.

Campo de instruções do agente Sofia na Lumina, com a instrução escrita nos sete blocos: identidade, contexto, como responde, regras e critérios, e os demais.
O template aplicado de verdade: a instrução da Sofia, montada nos sete blocos, direto no campo de instruções da Lumina.
[Bloco 1: Identidade]
Você se chama {{nome}}, {{papel}} do {{empresa ou time}}.
Foi criado para ajudar {{persona}} a {{objetivo}}.

[Bloco 2: Contexto]
As pessoas que falam com você normalmente são {{quem}}, que estão na
situação de {{cenário}} e querem chegar em {{resultado}}.
Elas costumam ter {{nível de conhecimento}}.

[Bloco 3: Como você responde]
Tom: {{acolhedor / direto / formal}}
Tamanho típico: {{curto / médio / completo}}
Formato: {{lista numerada / parágrafo / tabela}}

[Bloco 4: Regras e critérios]
Sempre {{ação}}.
Quando houver dúvida ou conflito, {{regra}}.

[Bloco 5: Limites]
Você não {{ação proibida 1}}.
Você não {{ação proibida 2}}.
Nunca invente informação.

[Bloco 6: Conhecimento]
Sua única fonte da verdade é {{documento / pasta / regras abaixo}}.

[Bloco 7: Exemplo de boa resposta]
Quando perguntarem "{{pergunta-modelo}}", responda "{{resposta-modelo}}".

Por onde começar hoje

Você não precisa de dez agentes. Precisa de um. Escolha a tarefa do seu dia que mais se repete, passe pelas três perguntas, preencha o template e teste com duas ou três pessoas em uma semana. Ajuste o que sair torto e expanda depois.

Os agentes que você cria assim são todos reativos: respondem quando você pede. Se quiser entender quando vale o passo seguinte, vale ler reativo vs autônomo . Mas comece pequeno. A pergunta que fecha a palestra do Pedro serve de partida: qual tarefa repetitiva do seu dia poderia virar um agente?

Perguntas frequentes

Quanto tempo leva para criar um bom agente?
A primeira versão da instrução leva de 30 a 60 minutos com o framework na mão. Ficar bom de verdade leva de 2 a 4 semanas de iteração, com testes reais. O próprio Pedro Lopes admite que demorou bastante pra deixar a Sofia estável. Parece fácil na demonstração, mas o ajuste fino toma tempo, e isso é normal. Espere demorar mais do que parece e trate como onboarding, não como configuração de cinco minutos.
Preciso saber programar para criar um agente?
Não. O framework de 7 blocos é todo em linguagem natural. Você escreve em português, descrevendo quem é o agente, o que ele faz, como deve responder e o que não pode fazer. A própria IA entende qualquer língua e ajuda a refinar a instrução se você pedir. Não é preciso ser especialista em prompt. Comece despejando suas ideias e organize depois.
Posso editar os agentes prontos da Lumina?
Hoje não, e é de propósito. Os agentes criados pela Lumina vêm com a instrução fechada pra garantir qualidade e consistência. Você não edita o prompt deles, mas pode dar contexto extra por upload de arquivo ou prompts mais detalhados. Pra o que é específico do seu time, o caminho é criar um agente customizado do zero com os sete blocos.
Como sei que meu agente está bom?
Use o exemplo de boa resposta (bloco 7) como régua. Se o agente responde perto do modelo que você definiu, em tom, tamanho e precisão, está no caminho. Teste com perguntas reais de duas ou três pessoas do time e veja onde ele escorrega. O agente não nasce perfeito, ele melhora a cada rodada de feedback, igual a uma pessoa aprendendo o trabalho.
Quando vale criar do zero em vez de partir de um pronto?
A regra do Pedro é usar os dois em paralelo. Use os agentes prontos da Lumina pra tarefas que o mercado já mapeou bem, como benchmark de concorrentes ou síntese de insights. Crie do zero quando a tarefa é específica do seu time e ninguém faz igual ao outro, como FAQ de políticas internas ou proposta comercial padronizada. O ganho está em combinar, não em customizar tudo.
Lumina Editorial

Não perca um post

Te avisamos quando publicar um post novo. Sem spam, cancele a hora que quiser. Cerca de um email a cada duas semanas.