RAG: a IA que responde sobre a sua empresa

O que você vai aprender

1. Aula 1. O que é RAG e por que resolve o "não sei responder sobre a minha empresa"

   35 min

   A recuperação aumentada explicada do zero: por que a IA inventa quando pergunta sobre o seu negócio, como a consulta prévia aos seus documentos muda isso e qual é o caminho completo da pergunta até a resposta com fonte.

   • Explicar com as próprias palavras por que um modelo de linguagem não conhece o seu negócio e por que ele inventa quando não sabe
   • Descrever as duas fases do RAG (preparar a base e responder com consulta) e o que acontece em cada passo
   • Reconhecer quando RAG é a ferramenta certa e quando o problema é outro (prompt, ajuste fino ou automação simples)
   • Montar um prompt de resposta que obriga a IA a usar só o trecho recuperado e a dizer quando não encontrou

   Aula completa, exemplos e exercícios dentro da plataforma

2. Aula 2. Busca híbrida e reranking: achar o trecho certo, não só o parecido

   40 min

   Por que a busca por significado erra em código de produto, nome próprio e sigla, como juntar busca por palavra e por significado em uma lista só (busca híbrida com fusão de ranking) e quando vale acrescentar um reordenador (reranker) antes de entregar os trechos ao modelo.

   • Diferenciar busca por palavra-chave (léxica) de busca por significado (semântica) e dizer em que tipo de pergunta cada uma acerta
   • Explicar como a busca híbrida combina as duas listas com fusão de ranking recíproco (RRF) e o que os pesos controlam
   • Descrever o papel do reranking (reordenar poucos candidatos com um modelo mais caro) e decidir quando ele compensa
   • Ajustar o número de candidatos (k) em cada etapa sem estourar a janela de contexto

   Aula completa, exemplos e exercícios dentro da plataforma

3. Aula 3. Filtros, metadados e recuperação em vários documentos

   40 min

   Como etiquetar cada parte da base (documento, tipo, data, público, cliente) para buscar só onde faz sentido, lidar com documentos que se contradizem, evitar que a versão velha responda e combinar trechos de fontes diferentes em uma resposta só.

   • Definir um conjunto mínimo de metadados para cada parte da base e explicar para que serve cada campo
   • Diferenciar filtro antes da busca (pré-filtro) de filtro depois da busca (pós-filtro) e saber qual usar
   • Projetar a base para vários documentos: separar por tipo e público, versionar e aposentar documentos antigos
   • Montar o prompt para respostas que combinam trechos de mais de um documento sem misturar regras

   Aula completa, exemplos e exercícios dentro da plataforma

4. Aula 4. Avaliação das fontes: como saber se a resposta veio de onde deveria

   45 min

   Como conferir, com método e não com impressão, se o assistente recuperou o trecho certo e se a resposta está apoiada nele: conjunto de perguntas de teste, as quatro medidas que importam (cobertura, precisão, fidelidade e relevância), citação obrigatória, registro de cada consulta e rotina de revisão.

   • Separar erro de recuperação (o trecho certo não veio) de erro de geração (o trecho veio e o modelo ignorou ou distorceu)
   • Montar um conjunto de teste com perguntas de três tipos e a resposta esperada de cada uma
   • Aplicar as quatro medidas básicas de avaliação de RAG em uma tabela simples, à mão ou com ferramenta
   • Projetar o registro de consultas (pergunta, trechos, resposta) e uma rotina de revisão semanal

   Aula completa, exemplos e exercícios dentro da plataforma

Termos que você vai dominar

• RAG (Retrieval-Augmented Generation)
• Janela de contexto (context window)
• Alucinação (hallucination)
• Parte (chunk)
• Embedding
• Recuperação (retrieval)
• Fundamentação (grounding)
• Busca léxica (keyword / full-text search)
• Busca semântica (semantic / vector search)
• Busca híbrida (hybrid search)
• RRF (Reciprocal Rank Fusion)
• Reranking (reordenação)
• k (top-k)
• Recall
• Metadados (metadata)
• Pré-filtro (pre-filtering)
• Pós-filtro (post-filtering)
• Namespace (espaço de nomes)
• Versão do documento
• Isolamento por usuária (tenant isolation)
• Contradição entre fontes
• Fidelidade (faithfulness)
• Relevância da resposta (response relevancy)
• Precisão do contexto (context precision)
• Cobertura do contexto (context recall)
• Conjunto de teste (test set)
• Citação (citation)
• Juiz-modelo (LLM as judge)