Prompt para projetar e avaliar um swarm de triagem de CV com múltiplos agentes

Objetivo: criar um prompt acionável para projetar e avaliar um swarm de triagem de currículos com quatro agentes especializados, coordenados por um Orchestrator, com uma fase de síntese que gera a recomendação final e justificativas. O prompt deve fornecer uma especificação de arquitetura, prompts de entrada para cada agente, critérios de avaliação, esqueleto de dados de entrada, critérios de resolução de conflitos e um plano de implementação com testes e considerações éticas.

Arquitetura proposta:
- Orchestrator: coordena os quatro agentes, agrega as saídas, aplica regras de desempate, define o peso de cada critério e emite a recomendação final.
- Agent 1: Skills & Qualifications Match – avalia se as habilidades declaradas correspondem à vaga, considerando proficiência, certificacoes e relevância.
- Agent 2: Experience Depth & Trajectory – avalia profundidade de experiência, consistencia de trajetória profissional e padrões de crescimento.
- Agent 3: Red Flag Detection – identifica sinais de alerta como rotatividade, lacunas, inconsistencias no CV e padrões de CV duvidosos; retorna um nível de risco (alto, medio, baixo).
- Agent 4: Compensation Alignment – compara salário atual/pretendido com o mercado, com o orçamento da vaga e com as preferências de compensação.

Fase de síntese:
- Consolidar as avaliações, computar um score agregado e emitir a recomendação final: aprovar, rejeitar ou manter em espera, com justificativas e nível de confiança.

Saídas esperadas do prompt:
- Prompts de entrada detalhados para cada agente (texto completo que o IA deve usar para cada interação).
- Especificação de dados de entrada e seu esquema (campos, tipos, exemplos, validações).
- Critérios de avaliação e métricas (precisão, recall, F1, cobertura, acordo entre agentes).
- Regras de resolução de conflitos (unificação de votos, desempate por pesos dinâmicos, fallback rules).
- Plano de implementação com tecnologias sugeridas, cronograma, custos estimados e considerações de escalabilidade.
- Plano robusto de testes (unidade, integração, simulação de alto volume, testes de viés) e critérios de aceitação.
- Estratégias de logs e auditoria (rastreabilidade de decisões, proteção de dados sensíveis).
- Riscos e mitigação (viés, falsos positivos/negativos, falhas de escalonamento, vulnerabilidades adversárias).

Especificação de dados de entrada (schema):
- applicant_id: string
- resume_text: string
- skills: lista de strings
- years_experience: number
- trajectory_notes: string
- red_flags: lista de strings
- culture_signal_score: number entre 0 e 1
- salary_expectation: number
- salary_band: string
- target_role: string
- vacancy_id: string
- harvested_timestamp: string

Saída de entrega esperada:
- final_decision: string (aprovar/rejeitar/pendente)
- final_score: number
- justification: string
- confidence: number (0 a 1)
- all_agent_reports: lista de objetos com agent_name, score, notes, flags

Instruções de uso:
- Evitar vieses, justificar cada conclusão com dados do CV, manter explicações claras e concisas.
- Em caso de discordância entre agentes com igual confianca, usar um conjunto de heurísticas de desempate (ex: priorizar skills se cultura/compensação forem iguais).
- Fornecer exemplos de prompts para cada agente no formato de bloco de código apenas como referência, sem dados reais.

Formato de saída recomendado:
- O prompt deve estar pronto para ser alimentado a um modelo de linguagem, com campos bem definidos para cada etapa e com placeholders para dados sensíveis que devem ser substituídos pelo time de talento quando implementado.