Assistentes de workflow

As assistentes de workflow são uma forma avançada de assistentes de IA no AI-School. Em vez de uma conversa livre sem estrutura fixa, o utilizador percorre uma sequência definida de passos — conduzida pela IA. Isto torna possível automatizar processos complexos e multietapa, como uma aula completa do início ao fim.

O que é uma assistente de workflow?

Uma assistente de workflow consiste num workflow visual de nós (nodes) ligados por setas (edges). Cada nó executa uma tarefa específica, como:

• Início / Fim — o ponto de partida e o ponto final do workflow
• Avaliar — analisa o contexto e guarda informação estruturada na memória
• Condição — avalia uma expressão e encaminha o fluxo na direção correta
• LLM — chama um modelo de linguagem para uma tarefa específica (opcional: aguarda entrada do utilizador)
• Aprovação — coloca uma pergunta de sim/não e encaminha o fluxo com base na resposta
• Encaminhar — liga rotas sem tarefa de IA nem saída visível, útil para manter um workflow organizado
• Subagente - executa a mesma tarefa em paralelo para vários itens, por exemplo, um aluno por ronda de correção

O workflow guarda automaticamente o seu estado após cada passo. Quando o utilizador introduz informação, o workflow retoma exatamente de onde tinha parado.

Criar uma assistente de workflow

Abra Assistentes e escolha o separador Assistentes de workflow. Clique no cartão no topo em Novo workflow e escolha Criar ou editar workflow com IA, Workflow vazio, Workflow n8n ou um dos presets. Em Início rápido, pode iniciar um preset diretamente ou escolher Usar como modelo.

Também pode converter um assistente próprio: no menu do cartão do assistente, escolha Abrir como workflow. Receberá um novo rascunho não partilhado; o assistente original mantém-se. Verifique e teste os passos propostos antes de publicar.

Tal como os assistentes normais, as assistentes de workflow podem ser partilhadas com grupos e colegas, também a partir do editor com o botão Partilhar na barra de ferramentas. Ao partilhar com colegas, o AI-School pode enviar automaticamente uma notificação por e-mail para que os destinatários saibam que a assistente de workflow está disponível.

Iniciar um workflow n8n

Além das assistentes de workflow conduzidas por IA, o AI-School também pode iniciar um workflow n8n através de um webhook. Um workflow n8n não abre um chat: sem campos, o webhook é chamado diretamente; com campos, abre primeiro um formulário. Os administradores criam isto em Assistentes → Assistentes de workflow → Novo workflow → Workflow n8n.

Leia a explicação completa na página workflows n8n.

Definições gerais

Ao criar ou editar um workflow, configure as definições gerais no painel de definições. Estas definições aplicam-se a todo o workflow:

• Modelo: O modelo de IA usado por todos os passos. Escolhe-se um modelo para todo o workflow.
• Ferramentas: Quais ferramentas estão disponíveis no workflow (por exemplo, Registo, procurar SLO, procurar na Internet). As ferramentas ativadas ficam disponíveis para todos os passos LLM, a menos que as desative por passo.
• Servidores MCP: Ligações externas disponíveis no workflow.
• Documentos: Ficheiros que os passos LLM podem consultar.
• Imagens: Imagens que os passos LLM podem usar.

Também pode definir se o utilizador pode adicionar os seus próprios ficheiros ou imagens durante o chat.

Ficheiros em formulários de workflow

Um workflow pode pedir ao utilizador que forneça ficheiros, por exemplo, um teste, um modelo de correção ou trabalho de um aluno submetido. Numa pergunta de ficheiro, o utilizador pode:

• enviar um novo ficheiro
• escolher um ficheiro existente do Gestor de Ficheiros
• determinar por pergunta que ficheiro pertence a cada parte

Os novos ficheiros são primeiro processados. O workflow só pode continuar de forma fiável quando o processamento estiver concluído. Se uma pergunta de ficheiro obrigatória ainda estiver em processamento ou tiver falhado, o utilizador tem de esperar ou voltar a escolher/enviar o ficheiro.

Os ficheiros adicionados através do formulário de workflow ficam disponíveis como ficheiros da assistente para esse chat. Não são selecionados automaticamente como ficheiros normais do chat.

Definições por passo

Em cada passo LLM, pode desativar ferramentas, ficheiros e imagens que tenham sido ativados globalmente para esse passo específico. Isto dá-lhe controlo preciso sobre quais os recursos disponíveis em cada passo. Ao nível do passo, não pode adicionar nada que já não esteja ativado globalmente.

Usar preset

Para a maioria dos utilizadores, um preset é o melhor ponto de partida. Depois, pode ajustá-lo às suas próprias necessidades.

Exemplo: a assistente de Aula

A assistente de Aula é um preset pronto a usar, especialmente concebido para a educação. Guia o utilizador do início ao fim através de uma aula completa: desde a definição do tema e do nível, passando pelos objetivos de aprendizagem e pela explicação, até aos exercícios e a um resumo final.

Visão geral do workflow

A assistente de Aula consiste nos seguintes passos (nós), por ordem:

Explicado passo a passo

1. Início

O workflow começa assim que o utilizador abre o chat e envia a sua primeira mensagem.

---

2. Triage: Tema da aula (nó avaliar)

O que faz? A IA analisa a mensagem do utilizador e tenta determinar:

• Tema — sobre o que é a aula? (por exemplo, "lei da alavanca")
• Nível — básico, intermédio ou avançado?
• Há informação suficiente? — há contexto suficiente para definir imediatamente os objetivos de aprendizagem?

Este resultado é guardado na memória do workflow.

---

3. Há informação suficiente? (nó condição)

Se houver informação suficiente (voldoende_info = true), o workflow segue diretamente para Definir objetivos de aprendizagem.

Se faltar informação, o workflow passa para Recolher informação.

---

4. Recolher informação (nó LLM, aguarda entrada)

O que faz? A IA faz perguntas direcionadas ao utilizador para identificar o tema e o nível pretendido. Assim que o utilizador responde, o fluxo volta a Triage: Tema da aula para avaliar novamente.

Exemplo de conversa:

🤖 "Que bom que está aqui! Para o ajudar bem, aqui vão algumas perguntas rápidas: 1. Sobre que tema quer uma aula? 2. Em que nível está? (básico / intermédio / avançado)"

👤 "10.º ano, física, lei da alavanca"

Após esta resposta, o triage volta a avaliar e determina: voldoende_info = true.

---

5. Definir objetivos de aprendizagem (nó LLM)

O que faz? A IA cria uma lista numerada com no máximo 4 a 5 objetivos de aprendizagem concretos e mensuráveis para o tema e nível indicados.

Exemplo de saída:

Objetivos de aprendizagem para Lei da alavanca – 10.º ano (intermédio):

1. Pode formular a lei da alavanca e explicar a fórmula F₁ × r₁ = F₂ × r₂.
2. Pode fazer cálculos em que determina forças desconhecidas ou comprimentos de braços.
3. Pode aplicar a lei da alavanca a exemplos práticos (tesoura, carrinho de mão, baloiço).
4. Pode explicar a diferença entre uma alavanca de primeira, segunda e terceira espécie.

---

6. Aprovar objetivos de aprendizagem (nó aprovação)

O que faz? A IA pergunta ao utilizador se os objetivos de aprendizagem definidos estão corretos e se a aula pode começar.

• Sim → continuar para a aula
• Não → voltar para Definir objetivos de aprendizagem para reformular os objetivos

O utilizador pode ver os objetivos de aprendizagem no menu expansível do chat.

---

7. Triage: Objetivos de aprendizagem (nó avaliar)

O que faz? Após cada ciclo de aula, a IA verifica se o utilizador domina todos os objetivos de aprendizagem. Esta é uma avaliação rigorosa: o utilizador tem de demonstrar compreensão de cada objetivo.

---

8. Todos os objetivos de aprendizagem compreendidos? (nó condição)

• Sim → avançar para Agente de exercícios
• Não → avançar para Agente de aula para o próximo objetivo de aprendizagem

---

9. Agente de aula (nó LLM, aguarda entrada)

O que faz? A IA ensina o tema, passo a passo, com base nos objetivos de aprendizagem definidos. Após cada parte, a IA faz uma pergunta de compreensão. Só quando o utilizador demonstra compreender o objetivo de aprendizagem é que a aula avança.

Depois da entrada do utilizador, o fluxo volta a Triage: Objetivos de aprendizagem para avaliar o progresso.

Exemplo:

🤖 "Vamos começar com o objetivo 1: a lei da alavanca. Uma alavanca é uma barra rígida que roda em torno de um ponto de apoio. A força de que precisa depende da distância ao ponto de apoio. A fórmula é:

F₁ × r₁ = F₂ × r₂

Consegues explicar o que r₁ e r₂ significam nesta fórmula?"

---

10. Agente de exercícios (nó LLM, aguarda entrada)

O que faz? A IA apresenta pelo menos uma pergunta de exercício por objetivo de aprendizagem. O utilizador responde às perguntas, após o que o fluxo avança para Agente de feedback.

---

11. Agente de feedback (nó LLM, aguarda entrada)

O que faz? A IA dá feedback detalhado e personalizado sobre os exercícios realizados. Para cada objetivo de aprendizagem, é discutido o que correu bem e onde há espaço para melhoria. O tom é honesto, mas encorajador.

---

12. Concluir? (nó aprovação)

A IA pergunta se o utilizador quer terminar ou se quer praticar mais.

• Sim → ir para Resumo
• Não → voltar para Agente de exercícios para uma nova ronda

---

13. Resumo (nó LLM)

O que faz? A IA fornece um resumo claro de todo o conteúdo abordado, seguido de feedback pessoal e motivador sobre o desempenho.

---

14. Fim

O workflow termina com uma mensagem final encorajadora.

"Bom trabalho nesta aula e até à próxima!"

---

Conversa de exemplo completa

Abaixo está uma conversa de exemplo resumida com a assistente de Aula sobre a lei da alavanca, 10.º ano:

Quem	Mensagem
👤 Utilizador	olá
🤖 Assistente de Aula	Que bom que está aqui! Sobre que tema quer uma aula e em que nível?
👤 Utilizador	10.º ano física, lei da alavanca
🤖 Assistente de Aula	Perfeito! Defini 4 objetivos de aprendizagem. Quer iniciar a aula com estes objetivos de aprendizagem?
👤 Utilizador	sim
🤖 Assistente de Aula	Vamos começar com o objetivo 1: a lei da alavanca. (explicação + pergunta de compreensão)
👤 Utilizador	(resposta à pergunta de compreensão)
🤖 Assistente de Aula	(continuação da aula para os objetivos 2, 3, 4 ...)
🤖 Assistente de Aula	Já percorreu todos os objetivos de aprendizagem! Hora dos exercícios...
👤 Utilizador	(respostas às perguntas de exercício)
🤖 Assistente de Aula	(feedback personalizado) Quer terminar ou praticar mais?
👤 Utilizador	terminar
🤖 Assistente de Aula	(resumo + encerramento motivador)

Ver o progresso

Quando conversa com uma assistente de workflow, pode ver o progresso através do botão Workflow à direita da entrada do chat. Ao clicar neste botão, abre-se um painel com:

• Todos os passos do workflow (os nós de condição e nota não são mostrados)
• O estado de cada passo:
  • ⬜ Aguardar: Ainda não alcançado
  • 🔄 Ativo: A ser executado neste momento
  • ✅ Concluído: Finalizado com sucesso
  • ⏸️ A aguardar entrada: À espera de uma resposta do utilizador
  • ⏭️ Ignorado: Não executado (por exemplo, por uma condição)
  • ❌ Erro: Ocorreu um erro

Criar um nó de triage

Um nó avaliar (nó de triage) extrai informação da conversa e guarda-a na memória do workflow. Os nós de condição podem depois ler esses valores para orientar o fluxo na direção correta.

Configuração

1. Adicione um nó Avaliar ao workflow.
2. Escreva um prompt de sistema que descreva o que a IA deve analisar e que conclusões deve tirar.
3. Defina o esquema de saída com campos:
   • Nome do campo: A chave com a qual poderá pedir o valor mais tarde (por exemplo, voldoende_info, niveau, route).
   • Tipo: string (texto), number (número), boolean (sim/não) ou enum (escolha entre valores fixos). Em enum, indique os valores permitidos separados por vírgulas.
4. Defina o máx. de iterações para evitar que o nó fique a correr indefinidamente.

Valores de memória

Os valores guardados estão acessíveis através do prefixo state. nos nós de condição, por exemplo state.voldoende_info ou state.niveau.

Configurar um nó de condição

Um nó de condição avalia expressões com base na memória do workflow e encaminha o fluxo para o próximo passo correto.

Ramos

Um nó de condição tem um ou mais ramos:

• Se (if): A primeira condição a ser avaliada.
• Senão se (else-if): Condições adicionais opcionais.
• Senão (else): A rota padrão se nenhuma condição for verdadeira.

Escrever expressões

As expressões são escritas em CEL (Common Expression Language):

Comportamento desejado	Expressão
Campo é true	state.voldoende_info == true
Campo tem um valor fixo	state.niveau == "gevorderd"
Comparação numérica	state.score > 7
Várias condições	state.niveau == "basis" && state.score < 5

Configurar ligações

Desenhe a partir do nó de condição ligações separadas para cada ramo até ao próximo nó correto. O editor mostra uma saída própria por ramo no nó.

Usar um nó de encaminhar

Um nó de encaminhar não executa nenhuma tarefa de IA. O nó apenas passa o workflow para o passo seguinte. Use este nó quando quiser juntar várias rotas de forma organizada ou quando precisar de um passo técnico intermédio no diagrama de fluxo.

Exemplos práticos:

• ligar um caminho que salta scripts ao passo em que as imagens são escolhidas
• fazer com que várias rotas de aprovação terminem no mesmo passo seguinte
• tornar um workflow longo mais legível visualmente sem usar um nó de nota como ponto de ligação

Um nó de encaminhar tem de ter pelo menos uma ligação de entrada e uma de saída. O nó não é mostrado como um passo de conteúdo separado no progresso do workflow.

Usar um nó subagente

Um nó subagente destina-se a tarefas que precisam de ser executadas várias vezes da mesma forma. O nó recebe uma lista de itens da memória do workflow e inicia para cada item uma execução separada com um contexto isolado.

Aplicações práticas:

• corrigir um teste por aluno
• fazer uma análise por documento
• criar um resumo por formulário preenchido
• registar um relatório próprio por parte

Configuração

1. Certifique-se de que um nó avaliar anterior guarda uma lista de itens na memória do workflow, por exemplo leerlingen_json.
2. Adicione um nó Subagente.
3. Defina a origem dos itens.
4. Se necessário, defina um campo de rótulo para que o progresso seja reconhecível.
5. Defina o número máximo de execuções em paralelo.
6. Indique sob que chave de memória os resultados devem ser guardados.

O contexto do subagente contém sempre apenas o item que está a ser processado nesse momento. Por isso, faça com que o prompt se refira explicitamente ao item atual e evite que a IA processe vários itens ao mesmo tempo.

Registo em workflows

A ferramenta de Registo é particularmente útil em workflows. Permite à IA guardar automaticamente resultados intermédios ou finais como documentos editáveis no painel lateral.

Configurar

1. Ative a ferramenta de Registo nas definições gerais do workflow.
2. Adicione, no prompt de sistema do passo LLM pretendido, uma instrução para registar determinado conteúdo. Ative a ferramenta para esse passo (ou deixe-a ativada globalmente).

Exemplo

Num passo de objetivos de aprendizagem, pode escrever no prompt de sistema:

"Defina objetivos de aprendizagem para o tema e nível indicados. Registe depois imediatamente os objetivos de aprendizagem com a ferramenta de Registo, com o título 'Objetivos de aprendizagem'."

O utilizador pode ver os documentos registados através do botão Registo (📄) na barra de ferramentas do chat.

Restaurar uma conversa

Se estiver a meio de uma aula e quiser voltar a um ponto anterior da conversa, pode fazê-lo através do botão de restaurar (o ícone de histórico) junto a uma mensagem anterior. Isto remove todas as mensagens posteriores a esse ponto e retoma o workflow a partir desse momento exato.

Atenção

Restaurar é definitivo — as mensagens removidas já não ficam disponíveis.

Editar o workflow

Como administrador, pode abrir e ajustar um workflow existente no editor de workflow. Clique num nó para alterar a configuração, adicione novos nós através do menu de clique direito ou arraste ligações para outros nós.

Para um workflow totalmente novo, pode começar com um canvas vazio ou com outro preset.

Criar ou editar um workflow com IA

Discuta o seu workflow com a IA. As alterações válidas aparecem no editor. Verifique e teste o resultado antes de guardar ou publicar.