¶ 🤖 Agentes Especializados da Cortex
¶ 📌 O que é um Agente na Cortex
Um Agente da Cortex é um assistente de IA personalizado — criado a partir de um dos modelos disponíveis (GPT, Claude, Gemini, Grok, etc.) e configurado com:
- Uma personalidade e um papel (ex.: "consultor de contratos", "analista de logs de segurança", "redator de e-mails comerciais");
- Instruções fixas (chamadas de prompt do sistema) que orientam o comportamento em toda conversa;
- Base de conhecimento própria (documentos, políticas, manuais) que o agente consulta para responder com base nas informações da sua empresa;
- Ferramentas habilitadas (visão, web, execução de código, geração de imagem, etc.);
- Controle de acesso (quem pode usar esse agente).
💡 Analogia simples: Pense em um agente como um funcionário digital especializado. Você contrata um modelo de IA (o "cérebro"), dá a ele um cargo ("revisor de contratos"), entrega um manual de trabalho (prompt do sistema), compartilha os documentos que ele precisa consultar (conhecimento) e define o que ele pode fazer (ferramentas). Daí em diante, quem conversar com ele recebe exatamente esse atendimento especializado.
¶ 🎯 Por que criar um Agente
| Situação | Sem agente | Com agente especializado |
|---|---|---|
| Revisar contrato de fornecedor | Colar o documento, explicar o contexto, lembrar da política interna, pedir a revisão. Toda vez. | O agente já tem a política anexada e o prompt correto. Basta mandar o contrato. |
| Responder dúvida sobre LGPD | Reescrever o contexto, citar as normas aplicáveis, orientar o tom. | O agente já conhece as normas da empresa, o tom oficial e cita as fontes automaticamente. |
| Analisar log de segurança | Explicar o formato do log, os campos relevantes, o que é suspeito. | O agente já foi configurado para esse formato e destaca padrões conhecidos de ataque. |
Em uma frase: agentes eliminam o retrabalho de preparar o contexto a cada nova conversa e padronizam a forma como a IA responde dentro da sua organização.
¶ 🧩 Anatomia de um Agente
Um agente na Cortex é composto por quatro camadas, combinadas livremente:
┌──────────────────────────────────────────────────────────────┐
│ 🤖 SEU AGENTE │
├──────────────────────────────────────────────────────────────┤
│ 🧠 Modelo base (GPT-5, Claude, Gemini, ...) │
│ └─ A "inteligência" bruta que vai raciocinar │
├──────────────────────────────────────────────────────────────┤
│ 📜 Prompt do sistema │
│ └─ Papel, tom, regras, o que deve/não deve fazer │
├──────────────────────────────────────────────────────────────┤
│ 📚 Conhecimento (opcional) │
│ └─ Documentos que o agente consulta para responder │
├──────────────────────────────────────────────────────────────┤
│ 🧰 Capacidades e ferramentas (opcional) │
│ └─ Visão, web, código, geração de imagem, etc. │
└──────────────────────────────────────────────────────────────┘
Cada camada é opcional, exceto o modelo base. Você pode criar um agente simples só com prompt do sistema — já é suficiente para padronizar respostas. Ou montar algo sofisticado combinando conhecimento + ferramentas + regras de acesso.
¶ 🚀 Início rápido: crie seu primeiro agente em 5 passos
💡 Nota sobre nomenclatura. Na interface da Cortex, a área onde você gerencia seus agentes aparece com o rótulo "Modelos". Ao longo deste guia usamos o termo "Agentes" por ser mais adequado ao conceito (um agente é um modelo configurado com papel, conhecimento e ferramentas). Na prática, quando você lê "área de Agentes" aqui, procure por Modelos no menu.
¶ 1. Acesse a área de Agentes
No menu lateral da Cortex, clique em Espaço de Trabalho e, em seguida, na aba Modelos (esta é a lista de todos os seus agentes). Depois, clique no botão + Novo Modelo no canto superior direito.
Você verá a lista de todos os agentes já disponíveis na sua organização. Em cada linha, o ícone ... abre o menu de ações (editar, clonar, ocultar, exportar, excluir) e o toggle azul à direita liga/desliga o agente para todos os usuários.
¶ 2. Escolha o modelo base
Esta é a "inteligência" que vai mover o agente. Para começar, boas escolhas são:
gpt-5-miniouclaude-haiku-4-5— rápidos e econômicos, bons para a maioria dos casos;gpt-5,claude-sonnet-4-6ougemini/gemini-3-pro-preview— para tarefas que exigem raciocínio profundo;cortex_model_orchestrator— quando você não quiser escolher: ele seleciona o modelo ideal automaticamente.
Veja a lista completa de modelos disponíveis para comparar.
¶ 3. Defina identidade e descrição
Na tela de criação você encontrará, na parte superior, os campos de identidade do agente:
Preencha os campos do topo:
- Avatar — clique no quadrado da imagem (à esquerda) para fazer upload de uma figura que representa o agente. PNG, WebP ou GIF animado são aceitos;
- Nome do Modelo — como o agente vai aparecer no seletor (ex.: "Revisor de Contratos Sênior");
- ID do Modelo — identificador interno único (é gerado automaticamente a partir do nome, mas pode ser editado);
- Modelo Base (De) — o modelo de IA que vai "mover" o agente. Escolha um dos modelos disponíveis (ex.:
gpt-5,claude-sonnet-4-6); - Descrição — uma frase curta que aparece quando o usuário passa o mouse sobre o agente;
- Tags — etiquetas para organizar (ex.:
jurídico,rh,segurança).
🔒 No canto superior direito dessa tela fica o botão Acesso, que você usa no final para definir quem pode usar o agente (veja Controle de acesso mais adiante).
¶ 4. Escreva o prompt do sistema
Este é o coração do agente. Logo abaixo de Parâmetros do Modelo, o campo Prompt do Sistema é onde você escreve as instruções permanentes:
Explique em linguagem natural:
- Quem ele é — "Você é um consultor jurídico sênior especializado em contratos corporativos brasileiros."
- O que ele faz — "Sua função é revisar contratos identificando cláusulas de risco, propondo redações alternativas e sinalizando lacunas."
- Como responder — "Sempre responda em português formal. Use listas numeradas. Cite o artigo da lei quando aplicável."
- O que NÃO fazer — "Nunca forneça aconselhamento jurídico vinculante. Sempre recomende revisão humana final."
Na seção Escrevendo um bom prompt do sistema há um template completo pronto para copiar e adaptar.
¶ 5. Salve e teste
Clique em Salvar. O agente agora aparece no seletor de modelos. Abra um novo chat, selecione seu agente e envie uma mensagem. Ajuste o prompt até ficar satisfeito.
¶ 📜 Escrevendo um bom prompt do sistema
O prompt do sistema é a instrução permanente enviada ao modelo em toda conversa. Uma estrutura recomendada:
¶ Estrutura sugerida (copiar e adaptar)
# Identidade
Você é o <NOME DO AGENTE>, um(a) <CARGO/PAPEL> da <EMPRESA/ÁREA>.
# Missão
Sua missão é <O QUE O AGENTE DEVE ENTREGAR>.
Você NÃO deve <LIMITES E RESTRIÇÕES>.
# Público
Seus usuários são <QUEM CONVERSA COM O AGENTE>.
O nível técnico é <BÁSICO / INTERMEDIÁRIO / AVANÇADO>.
# Estilo de resposta
- Idioma: português do Brasil
- Tom: <FORMAL / COLOQUIAL / TÉCNICO>
- Formato preferido: <LISTAS, TABELAS, TEXTO CORRIDO>
- Sempre cite as fontes quando usar a base de conhecimento
# Regras
1. <REGRA 1>
2. <REGRA 2>
3. <REGRA 3>
# Quando não souber a resposta
Diga explicitamente que não sabe e sugira quem pode ajudar.
Nunca invente informações.
¶ 🔤 Variáveis dinâmicas
A Cortex injeta automaticamente algumas variáveis no prompt — útil para respostas contextualizadas:
| Variável | O que é substituído |
|---|---|
{{ USER_NAME }} |
Nome do usuário que está conversando |
{{ USER_EMAIL }} |
E-mail do usuário |
{{ USER_LANGUAGE }} |
Idioma escolhido pelo usuário |
{{ CURRENT_DATE }} |
Data atual (ex.: 2026-04-20) |
{{ CURRENT_TIME }} |
Hora atual (ex.: 14:30:05) |
{{ CURRENT_DATETIME }} |
Data e hora |
{{ CURRENT_WEEKDAY }} |
Dia da semana |
{{ CURRENT_TIMEZONE }} |
Fuso horário |
{{ CLIPBOARD }} |
Conteúdo da área de transferência (exige permissão) |
Exemplo de uso:
Olá, {{ USER_NAME }}! Sou o Assistente Financeiro da empresa.
Hoje é {{ CURRENT_DATE }} ({{ CURRENT_WEEKDAY }}).
Estou pronto para ajudar com análises, relatórios e conciliações.
¶ ✅ Boas práticas de prompt
- Seja específico. "Responda em 3 parágrafos curtos" é melhor que "seja conciso";
- Dê exemplos. Um bloco
### Exemplo de resposta idealfunciona melhor que descrever em abstrato; - Use marcadores e títulos no próprio prompt — modelos seguem melhor instruções estruturadas;
- Coloque as regras críticas no final. Modelos dão maior peso às últimas instruções;
- Teste e itere. Rode 5-10 perguntas reais e ajuste o prompt até obter o resultado esperado.
¶ ⚠️ Erros comuns
| Erro | Por que é ruim | Correção |
|---|---|---|
| Prompt muito curto ("Você é um assistente jurídico.") | O modelo adivinha o tom, a profundidade e o formato. | Descreva papel, público, estilo, regras. |
| Instruções contraditórias | O modelo obedece a última ou escolhe ao acaso. | Leia o prompt final procurando conflitos. |
| Mencionar documentos inexistentes | O modelo "alucina" o conteúdo. | Use a base de conhecimento em vez de descrever o arquivo no prompt. |
| Proibir demais ("nunca fale sobre X, Y, Z...") | O modelo fica travado e recusa demais. | Substitua proibições por o que fazer nesses casos. |
¶ 📚 Base de Conhecimento (RAG)
A Base de Conhecimento é o que permite seu agente responder com base nos documentos da sua empresa — manuais, políticas, contratos-modelo, FAQs, especificações técnicas etc.
¶ Como funciona
- Você envia arquivos (PDF, DOCX, TXT, Markdown, planilhas, código) para uma Coleção de Conhecimento;
- A Cortex indexa o conteúdo em vetores semânticos;
- Você anexa a coleção ao agente;
- Quando um usuário pergunta algo, o agente busca automaticamente os trechos relevantes e os usa na resposta, citando a fonte.
Isso é chamado de RAG (Retrieval-Augmented Generation). Você encontra uma explicação mais profunda em RAG - Retrieval-Augmented Generation.
¶ Criando uma coleção
No Espaço de Trabalho, acesse a aba Conhecimento. Você verá a lista de coleções existentes, onde cada Coleção é um conjunto de documentos agrupados por tema:
Para criar uma nova:
- Clique em + Novo Conhecimento (canto superior direito);
- Dê um nome (ex.: "Políticas de Segurança da Informação") e uma descrição;
- Faça upload dos arquivos ou arraste-os para a área indicada;
- Aguarde o processamento terminar (o ícone verde sinaliza pronto);
- Volte para Espaço de Trabalho → Modelos, edite seu agente e, na seção Conhecimento, clique em Selecionar Conhecimento e marque a coleção recém-criada.
💡 Dica: você também pode usar
#dentro de uma conversa para referenciar uma coleção específica pontualmente, sem precisar vinculá-la permanentemente ao agente.
¶ Dois modos de consulta
Ao anexar uma coleção ou arquivo a um agente, clique no item para alternar:
| Modo | Quando usar |
|---|---|
| 🔍 Busca focada (RAG) — o agente pesquisa e traz só os trechos relevantes | Padrão. Ideal para coleções grandes (centenas de documentos). |
| 📄 Contexto completo — o arquivo inteiro é injetado em cada conversa | Documentos pequenos e essenciais: guia de estilo, glossário, política única. |
⚠️ Cuidado com contexto completo. Um documento grande injetado integralmente pode esgotar a janela de contexto do modelo e deixar pouco espaço para o histórico da conversa.
¶ 💡 Dicas para uma boa base de conhecimento
- Prefira arquivos pequenos e temáticos. Um PDF por política funciona melhor que um único PDF de 500 páginas com tudo;
- Use nomes descritivos.
politica-acesso-remoto-v3.pdfé melhor quedocumento-final.pdf; - Atualize com frequência. Documentos desatualizados geram respostas desatualizadas;
- Peça citações no prompt do sistema: "Sempre indique o nome do documento em que encontrou a informação";
- Combine coleções. Um mesmo agente pode consultar 2-3 coleções distintas (ex.: "Políticas" + "Procedimentos Operacionais").
¶ 🧰 Capacidades e ferramentas
Além do raciocínio do modelo, você pode ativar ferramentas que ampliam o que o agente consegue fazer:
| Capacidade | O que permite | Quando ativar |
|---|---|---|
| 👁️ Visão | Analisar imagens, screenshots, prints de telas, fotos de documentos | Agentes que lidam com evidências visuais, design, OCR, suporte técnico. |
| 🌐 Busca na Web | Pesquisar informações atualizadas na internet | Agentes de pesquisa, acompanhamento de notícias, verificação de fatos. |
| 🎨 Geração de imagem | Criar imagens a partir de descrições | Marketing, design, mockups, apresentações. |
| 💻 Code Interpreter | Executar código Python para cálculos, gráficos e análise de dados | Analistas de dados, engenheiros, relatórios quantitativos. |
| 📎 Upload de arquivos | Aceitar PDFs, planilhas, imagens diretamente no chat | Agentes que revisam documentos ad-hoc. |
| 🔧 Ferramentas nativas | Acessar memória, histórico, notas, canais, busca | Agentes que precisam manter contexto entre conversas ou acessar outras áreas. |
💡 Regra de ouro: ative só o que o agente realmente precisa. Ferramentas excessivas aumentam custo, confundem o modelo e podem gerar comportamentos inesperados.
¶ ⚙️ Parâmetros avançados
Na seção Parâmetros Avançados você ajusta como o modelo gera respostas. Mexa nestes campos apenas se entender o efeito — os valores padrão funcionam bem na maioria dos casos.
| Parâmetro | O que faz | Quando mexer |
|---|---|---|
Temperatura (0.0 a 2.0) |
Controla a criatividade. Valores baixos = respostas previsíveis e factuais. Altos = respostas variadas e criativas. | 0.2 para agentes jurídicos/técnicos; 0.7 para atendimento; 1.0+ para brainstorming e copy. |
Top P (0.0 a 1.0) |
Controla a diversidade de palavras. Quanto menor, mais "certinho". | Raramente precisa mexer. Padrão 1.0. |
| Max tokens | Limite máximo da resposta. | Para respostas curtas e previsíveis (ex.: 500). |
| Stop sequences | Sequências que fazem o modelo parar de gerar. | Útil em fluxos estruturados (ex.: parar ao detectar User:). |
| Function calling | Como o agente usa ferramentas: modo nativo (o modelo decide) ou padrão (automatizado pela Cortex). | Modo padrão é mais previsível. Nativo permite comportamento agente-autônomo, mas exige prompt bem escrito. |
¶ Sugestões de prompt (prompt suggestions)
São chips clicáveis que aparecem quando o usuário abre um chat novo com seu agente. Servem para guiar o primeiro uso:
✨ "Revisar uma cláusula de confidencialidade"
✨ "Comparar dois contratos e apontar diferenças"
✨ "Listar cláusulas de risco em um contrato de fornecedor"
Agentes com boas sugestões têm adoção muito maior, porque o usuário não precisa pensar "e agora, o que eu pergunto?".
¶ 🔐 Controle de acesso
Na tela de edição do agente, clique no botão 🔒 Acesso (canto superior direito). Uma janela mostra as opções de visibilidade:
Cada agente pode ser:
- 🔒 Privado — só você (o criador) vê e usa. É o padrão para agentes em teste;
- 👥 Restrito a usuários/grupos específicos — clique em + Adicionar acesso na "Lista de acesso" e escolha quem pode usar;
- 🌐 Público — qualquer pessoa autenticada na Cortex pode usar.
¶ 💡 Recomendações de governança
- Agentes com dados sensíveis (financeiro, jurídico, RH) → restritos por grupo;
- Agentes corporativos genéricos (assistente de e-mail, revisor ortográfico) → públicos;
- Agentes em fase de teste → privados, até validar o comportamento;
- Mantenha um responsável por agente. Quem criou é quem mantém — se sair da empresa, alguém deve assumir.
Saiba mais em Governança de IA e Segurança e Privacidade.
¶ 🧪 Exemplos práticos (copie e adapte)
A seguir, 5 agentes prontos que você pode criar agora. Basta criar o agente, colar o prompt do sistema, anexar o conhecimento indicado e ajustar os parâmetros.
¶ 📄 Exemplo 1 — Revisor de Contratos Sênior
Caso de uso: equipe jurídica que recebe dezenas de contratos por semana e precisa de uma pré-análise padronizada antes da revisão humana.
Modelo base sugerido: claude-sonnet-4-6 ou claude-opus-4-7 (excelentes em contexto longo e análise jurídica)
Temperatura: 0.2
Ferramentas: 📎 Upload de arquivos, 👁️ Visão (para contratos escaneados)
Conhecimento: coleção "Políticas Contratuais da Empresa" + "Modelos-Padrão de Cláusulas"
# Identidade
Você é o Revisor de Contratos Sênior da <EMPRESA>. Tem 15 anos de experiência
em direito corporativo brasileiro e é especialista em contratos de prestação de
serviços, fornecimento, parceria e confidencialidade.
# Missão
Fazer a PRÉ-análise de contratos enviados pela equipe, identificando:
1. Cláusulas de risco (multa excessiva, foro inadequado, ausência de limitação
de responsabilidade, cláusulas abusivas);
2. Lacunas (cláusulas essenciais ausentes);
3. Desvios em relação aos modelos-padrão da empresa (consulte a base de
conhecimento);
4. Sugestões de redação alternativa para pontos críticos.
# Formato de resposta
Sempre use este formato:
## Resumo executivo
(3-5 linhas)
## 🚨 Riscos altos
(lista numerada, citando a cláusula)
## ⚠️ Pontos de atenção
(lista numerada)
## ✅ Pontos em conformidade
(lista curta)
## 📝 Sugestões de redação
(propostas de texto alternativo)
## 📚 Referências
(artigos de lei e documentos internos citados)
# Regras
- Responda SEMPRE em português formal (mas claro).
- Cite o artigo da lei (CC, CLT, LGPD etc.) quando aplicável.
- Indique o NOME do documento interno em que encontrou referências.
- Esta é uma PRÉ-análise: sempre termine a resposta com:
"⚠️ Esta análise é um apoio à revisão. A decisão final é do(a) advogado(a) responsável."
# Quando não souber
Diga explicitamente "Não identifiquei este ponto nos documentos internos"
e sugira consultar o(a) advogado(a) responsável.
¶ 🛡️ Exemplo 2 — Analista de Logs de Segurança
Caso de uso: SOC / time de cibersegurança que precisa triagem rápida de eventos antes da análise profunda.
Modelo base sugerido: gpt-5 ou claude-opus-4-7
Temperatura: 0.1
Ferramentas: 💻 Code Interpreter (para parsing de logs), 📎 Upload de arquivos
Conhecimento: coleção "Playbooks de Resposta a Incidentes" + "Matriz MITRE ATT&CK"
# Identidade
Você é um(a) Analista Sênior de Segurança Cibernética do SOC da <EMPRESA>,
com certificações OSCP, GCIH e CISSP.
# Missão
Fazer a triagem inicial de logs, eventos e alertas enviados pela equipe:
1. Classificar a severidade (Info / Baixa / Média / Alta / Crítica);
2. Identificar a técnica MITRE ATT&CK correspondente (se houver);
3. Recomendar próximos passos;
4. Apontar indicadores de comprometimento (IoCs) relevantes.
# Formato de resposta
## 🎯 Severidade: <nível>
## 🧭 Técnica MITRE: <ID e nome, ou "não identificada">
## 📖 Interpretação
(o que os logs mostram, em linguagem clara)
## 🔍 IoCs identificados
(IPs, hashes, domínios, usuários, etc. — em lista)
## 📋 Próximos passos recomendados
(numerados, em ordem de prioridade)
## 📎 Playbook aplicável
(cite o playbook da base de conhecimento, se houver)
# Regras
- Se o log estiver incompleto, liste EXATAMENTE o que falta antes de concluir.
- Nunca afirme "foi um ataque" sem evidência clara — use "indícios de", "consistente com".
- Em caso de severidade Alta ou Crítica, sempre termine com:
"🚨 RECOMENDAÇÃO: acionar o responsável de plantão imediatamente."
# Tom
Técnico, objetivo, sem dramatização.
¶ 🎯 Exemplo 3 — Atendente de Suporte N1
Caso de uso: primeiro contato de suporte a clientes, respondendo FAQs e encaminhando casos complexos.
Modelo base sugerido: gpt-5-mini ou claude-haiku-4-5 (rápidos e econômicos para alto volume)
Temperatura: 0.5
Ferramentas: nenhuma adicional
Conhecimento: coleção "FAQ Oficial do Produto" + "Termos de Serviço"
# Identidade
Você é o Atendente Virtual de Suporte da <EMPRESA>. Seu nome é "Cora".
Você é atencioso(a), paciente e empático(a).
# Missão
Ajudar os clientes a resolver dúvidas comuns sobre o produto, consultando
SEMPRE a base de conhecimento antes de responder.
# Estilo
- Linguagem: coloquial mas profissional (você, não "o senhor/a senhora").
- Respostas CURTAS (3-5 linhas), nada de textões.
- Emojis moderados: 👋 😊 ✅ ❗ — evite excesso.
- Sempre cumprimente {{ USER_NAME }} pelo primeiro nome na primeira mensagem.
# Fluxo
1. Identifique o tipo de dúvida (conta, pagamento, produto, técnica);
2. Busque na base de conhecimento;
3. Se achou: responda citando o nome do artigo da FAQ;
4. Se não achou OU é questão crítica (problema financeiro, vazamento de dados,
conta bloqueada): encaminhe para atendimento humano com a frase:
"Vou te encaminhar para um(a) atendente humano — aguarde um instante. ⏱️"
# O que NÃO fazer
- Nunca prometa prazos que não estão na base de conhecimento.
- Nunca dê descontos ou benefícios — só atendimento humano pode.
- Nunca peça senha, cartão de crédito ou dados sensíveis.
¶ ✍️ Exemplo 4 — Redator de E-mails Comerciais
Caso de uso: equipe comercial que precisa escrever dezenas de e-mails por dia mantendo tom consistente da marca.
Modelo base sugerido: claude-sonnet-4-6 ou gpt-5.1
Temperatura: 0.7 (mais criatividade)
Ferramentas: nenhuma adicional
Conhecimento: coleção "Guia de Tom de Voz da Marca" + "Templates Aprovados"
# Identidade
Você é redator(a) sênior da equipe de Customer Success da <EMPRESA>.
Escreve com o tom da marca: profissional, caloroso, direto ao ponto.
# Missão
Redigir e revisar e-mails comerciais: prospecção, follow-up, proposta,
pós-venda, renovação, agradecimento.
# Formato de entrega
Para toda solicitação, retorne:
**Assunto (3 opções):**
1. <opção mais objetiva>
2. <opção mais curiosa>
3. <opção mais direta>
**Pré-header (60 chars):**
<texto curto que aparece na caixa de entrada>
**Corpo do e-mail:**
<texto, máximo 150 palavras>
**CTA sugerido:**
<chamada para ação clara>
# Regras de estilo
- Parágrafos curtos (máximo 3 linhas cada);
- Nunca comece com "Espero que este e-mail te encontre bem";
- Use a primeira pessoa do plural ("estamos", "podemos");
- Uma única ação por e-mail (um CTA, não dois);
- Termine sempre com assinatura: "— Equipe <EMPRESA>";
- Consulte o "Guia de Tom de Voz" antes de entregar.
¶ 📊 Exemplo 5 — Analista de Dados para Não-Técnicos
Caso de uso: gestores de negócio que precisam explorar planilhas sem saber SQL nem Python.
Modelo base sugerido: gpt-5 ou gemini/gemini-3-pro-preview
Temperatura: 0.3
Ferramentas: 💻 Code Interpreter (essencial), 📎 Upload de arquivos
Conhecimento: opcional — coleção "Dicionário de Dados da Empresa"
# Identidade
Você é um(a) Analista de Dados que conversa com pessoas de negócio
(gerentes, diretores) que NÃO programam.
# Missão
Receber uma planilha (Excel/CSV) e a pergunta do usuário em linguagem natural.
Usar o Code Interpreter para analisar, criar gráficos e explicar os resultados
em linguagem clara.
# Como responder
1. Confirme o entendimento da pergunta em 1 frase.
2. Execute a análise (Code Interpreter). Gere gráficos quando fizer sentido.
3. Apresente o resultado em 3 partes:
## 📊 O que os dados mostram
(2-3 frases simples, sem jargão)
## 🔍 Detalhamento
(números-chave, destacados em **negrito**)
## 💡 Próximas perguntas interessantes
(3 sugestões de análise que você poderia fazer a seguir)
# Regras
- NUNCA use jargão técnico sem explicar (p-value, desvio-padrão, etc.).
- Se a pergunta for ambígua, pergunte antes de analisar.
- Se o arquivo tiver problemas (datas mal formatadas, valores vazios), avise
ANTES de analisar e sugira correção.
- Ao criar gráfico, sempre: título, eixos rotulados, escala apropriada.
- Moeda em BRL. Datas em formato dd/mm/aaaa.
¶ 🛠️ Gerenciando seus agentes
Na lista de agentes em Workspace → Agentes, o menu de três pontos (...) oferece:
| Ação | Para que serve |
|---|---|
| ✏️ Editar | Alterar qualquer configuração. |
| 👁️ Ocultar | Remover do seletor sem apagar (útil em manutenção). |
| 📋 Clonar | Criar uma cópia para testar mudanças sem afetar o original. |
| 🔗 Copiar link | Gerar URL direto para outras pessoas abrirem. |
| 💾 Exportar | Baixar a configuração como .json (backup e versionamento). |
| 🗑️ Excluir | Remoção permanente. |
¶ 💾 Importar e exportar
Você pode exportar todos os seus agentes em um único .json e guardar em um repositório Git interno — isso funciona como versionamento de agentes: se alguém editar algo e piorar, você reverte.
Também pode importar agentes que outra pessoa te mandou, ou um pack inicial da SinapseTech.
¶ 🏢 Padrões globais (administradores)
Administradores da Cortex podem definir padrões globais que se aplicam a todos os agentes, via Painel Admin → Configurações → Modelos → ⚙️:
- Metadados padrão — capacidades baseline (visão, web, código) habilitadas por padrão;
- Parâmetros padrão — temperatura, top_p, max_tokens padrão;
- Function calling — modo nativo ou padrão para toda a organização.
Regra de precedência: o que é definido no agente específico sobrescreve o padrão global. Em conflito, ganha o agente.
⚠️ Cuidado com
function_calling: nativeglobal. Quando ativado globalmente, as bases de conhecimento não são mais injetadas automaticamente — o modelo precisa decidir chamar a ferramenta de busca. Se suas bases "pararem de funcionar", verifique essa configuração primeiro.
¶ 📚 Limitações importantes
¶ Agentes são configuração, não treinamento
Um agente não altera os pesos do modelo base. Ele é um envelope com instruções, conhecimento e ferramentas em torno de um modelo existente. Para mudanças profundas de comportamento (ex.: ensinar um jargão muito específico), você precisa de fine-tuning real — fale com a equipe técnica da SinapseTech.
¶ Fallback de modelo
Se o modelo base escolhido ficar indisponível (manutenção do provedor, quota excedida), o agente falha. O administrador pode configurar um modelo de fallback global em Painel Admin → Configurações → Modelos.
¶ Janela de contexto
Cada modelo tem um limite de tokens por conversa. Agentes com muito conhecimento em modo "Contexto completo" + prompt longo + histórico grande podem atingir o limite e perder memória do início da conversa. Use Busca focada (RAG) sempre que possível.
¶ 🧭 Próximos passos
- Conheça os modelos disponíveis → Modelos Disponíveis
- Aprofunde em prompts → Engenharia de Prompts
- Entenda RAG em profundidade → RAG - Retrieval-Augmented Generation
- Coloque em produção com segurança → Governança de IA e Segurança e Privacidade
- Integre na sua aplicação → APIs e Integrações com a Cortex
- Desenvolva ferramentas customizadas → Ferramentas e Funções — referência para devs avançados
- Monitore custos → FinOps e Gestão de Custos
💬 Dúvidas ou quer ajuda para criar um agente específico? Fale com o time da SinapseTech via Atendimento e Suporte. Temos uma equipe dedicada a desenhar agentes sob medida para casos corporativos complexos.