O que é RAG e por que é útil?
RAG é como um colega abrindo uma pasta antes de responder.
O que você aprenderá
- Explique: o trapo acessa evidências, não treina novamente
- Aplique a ideia em um exemplo: O que é RAG e por que é útil?
- Reconheça as limitações e verifique o resultado do exercício
RAG é como um colega abrindo uma pasta antes de responder. Verifique se encontra a página correta e preserva seu significado.
Você pode seguir este curso sem conta ou programação. Os exemplos usam dados sintéticos e os resultados da IA precisam ser verificados.
Como funciona, passo a passo
RAG acessa evidências, não treina novamente
RAG significa geração aumentada de recuperação: a recuperação fornece passagens relevantes antes que o modelo responda. A ingestão prepara documentos, enquanto a execução da consulta pesquisa o índice e cria contexto. Um modelo de incorporação representa o texto numericamente; o modelo de resposta escreve a resposta. Reclassificadores, visão, gráficos e modelos de roteador têm funções diferentes quando necessário. RAG ajuda com informações privadas ou em mudança, mas não garante a verdade. Use uma API autorizada para saldos, inventário exato ou permissões; um documento antigo não é uma fonte confiável para o estado atual.
Bons documentos vêm antes de boas respostas
Prepare texto legível, títulos claros, tabelas com cabeçalhos e fontes sem duplicatas desnecessárias. A fragmentação divide um documento em passagens recuperáveis separadamente; a sobreposição preserva a continuidade entre vizinhos. Um pedaço pequeno pode perder condições, enquanto um pedaço grande introduz ruído. Os metadados preservam a origem, a posição e a versão, além do escopo de acesso quando aplicado pela implementação. Upload armazena o arquivo; a indexação o torna pesquisável. Quando uma fonte muda, verifique se os pedaços antigos desaparecem e os novos são recuperados antes de declarar a base de conhecimento atual.
Fluência e verdade são verificadas separadamente
Uma alucinação é um conteúdo não suportado ou incorreto apresentado como resposta. Pode surgir de falta de informação, ambiguidade ou padrões combinados incorretamente. Peça provas e verifique o documento original, data, unidades e condições. Uma citação real ainda pode não apoiar a afirmação. Use fontes atuais para fatos atuais, uma calculadora para aritmética e “não é possível determinar” quando faltam evidências. Não trate a confiança expressa em prosa como uma probabilidade calibrada.
O esquema explicativo
Siga as setas sólidas para o fluxo principal. As setas azuis tracejadas fornecem dados ou contexto; setas rosa tracejadas mostram feedback ou retorno de resultados. Cores e formas distinguem modelos, lojas, decisões e resultados. A recuperação retorna evidências. Se um modelo de resposta estiver habilitado, ele também compõe uma resposta; as evidências recuperadas ainda precisam ser verificadas. Em telas pequenas, role na horizontal para acompanhar o esquema completo.
Um exemplo completo
Carregue e indexe a política fictícia e pergunte o prazo. A recuperação fornece a passagem de 14 dias para o modelo. Uma questão de garantia ausente da fonte deve ser tratada como informação faltante.
Experimente você mesmo
- Desenhe a ingestão e a execução de consultas separadamente para a política de devolução.
- Registre a entrada, a fonte e o resultado esperado antes de executar o experimento. Use apenas os dados fictícios do exemplo.
- Siga as etapas do diagrama. A cada passo registre quais informações são recebidas e produzidas; não confunda o resultado intermediário com o resultado final.
- Repita após remover as informações necessárias ou tornar a entrada ambígua. Verifique se o sistema esclarece, interrompe ou inventa uma resposta.
- Compare com a solução explicada. Guarde a configuração, data, resultado e explicação das diferenças. Mude uma coisa e teste novamente.
Uma solução explicada
A resposta pode ser verificada na passagem; perguntas não fundamentadas não recebem nenhuma promessa inventada. Um exercício bem-sucedido permite mostrar a conexão entre entradas, etapas e resultados. Quando falta informação, uma resposta cautelosa é mais útil do que detalhes inventados. Compare mais do que estilo: verifique também as condições, fontes e operações.
Quando esta abordagem ajuda e quais são seus limites
A indexação e a resposta são caminhos separados com diferentes modos de falha. Escolha esta abordagem quando ela melhorar uma necessidade medida. Mantenha uma linha de base simples e compare os resultados usando dados idênticos. Um exemplo de sucesso não estabelece confiabilidade em todas as situações.
Verifique o que aprendeu
O RAG altera os parâmetros do LLM?
Não. Ele fornece contexto de tempo de solicitação; alterações de parâmetros pertencem ao treinamento.
O upload concluído significa que um documento está pronto para RAG?
Não. A extração, fragmentação e indexação também devem ser concluídas com êxito.
Que resultado este exercício deve produzir?
A resposta pode ser verificada na passagem; perguntas não fundamentadas não recebem nenhuma promessa inventada.
Termos para lembrar
- Recuperação: Encontrar informações relevantes em fontes acessíveis.
- Pedaço: uma passagem de documento que pode ser recuperada separadamente.
- Aterramento: Fundamentar uma resposta em evidências verificáveis.
Fontes e sua próxima etapa
Para preparar: F03 — O que é um LLM e como ele responde? · P02 — Engenharia de contexto: o que chega ao modelo? · P07 — Prompt, RAG ou ajuste fino?