Preparando documentos para IA
Uma boa base de conhecimento começa com documentos limpos e atuais.
O que você aprenderá
- Explique: bons documentos vêm antes de boas respostas
- Aplique a ideia em um exemplo: Preparando documentos para IA
- Reconheça as limitações e verifique o resultado do exercício
Uma boa base de conhecimento começa com documentos limpos e atuais. O modelo não pode decidir de forma independente qual política conflitante é válida.
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
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.
Verifique o acesso antes de usar
As permissões devem ser aplicadas pelos servidores e pela camada de dados. Não deixe o modelo decidir se um usuário pode ver um documento. Filtre as fontes antes que elas entrem no contexto, não depois de gerar a resposta. Use credenciais de acesso mínimo, mantenha-as fora de prompts, capturas de tela e códigos do navegador e alterne as chaves expostas. Uma lista de permissões de domínio de widget não substitui a autenticação de API. A autenticação identifica você; a autorização determina as operações e os dados que você pode usar. Teste o acesso negado também.
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. Em telas pequenas, role na horizontal para acompanhar o esquema completo.
Um exemplo completo
Um PDF antigo diz 30 dias; a política atual diz 14. Marque as versões, retenha a fonte atual e remova a duplicata expirada do corpus ativo.
Experimente você mesmo
- Limpe duas políticas conflitantes e uma tabela sem cabeçalhos.
- 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
O corpus ativo contém uma política identificável sem versões conflitantes. 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
Não carregue documentos confidenciais apenas para fins experimentais. 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 upload concluído significa que um documento está pronto para RAG?
Não. A extração, fragmentação e indexação também devem ser concluídas com êxito.
Um link em uma resposta é suficiente?
Não; deve apoiar a reivindicação específica e adequar-se ao tempo e às circunstâncias.
Que resultado este exercício deve produzir?
O corpus ativo contém uma política identificável sem versões conflitantes.
Termos para lembrar
- Pedaço: uma passagem de documento que pode ser recuperada separadamente.
- Aterramento: Fundamentar uma resposta em evidências verificáveis.
- Autorizar / Autorização: Verificando o direito de acesso a uma operação ou recurso.
Fontes e sua próxima etapa
Para preparar: R01 — O que é RAG e por que é útil? · R03 — Naive RAG: sua linha de base