RAG avançado

O que você vai aprender

1. Aula 1. RAG agêntico: quando o agente decide se busca, o que busca e se a busca serviu

   45 min

   A diferença entre o RAG de duas etapas (sempre busca, depois responde) e o RAG agêntico, em que o modelo decide quando buscar, avalia os trechos recuperados e reescreve a pergunta quando a busca falhou. Montado como fluxo no construtor, com os prompts de cada passo.

   • Explicar as três arquiteturas de RAG (duas etapas, agêntico e híbrido) e o que cada uma troca em controle, flexibilidade e latência.
   • Montar a decisão de busca como um passo explícito, com registro do motivo.
   • Avaliar os trechos recuperados com critérios escritos e reescrever a pergunta quando a busca não serviu, com limite de voltas.
   • Escolher a arquitetura certa para um negócio a partir do tipo de pergunta, do custo por resposta e do risco de resposta errada.

   Aula completa, exemplos e exercícios dentro da plataforma

2. Aula 2. Grafos de conhecimento: quando ligar as coisas vale mais do que empilhar trechos

   45 min

   O que é um grafo de conhecimento, como ele se diferencia de uma busca por trechos, o que o GraphRAG acrescenta (comunidades e resumos para perguntas amplas), quanto custa construir e manter, e um checklist honesto para decidir se o seu negócio precisa de um.

   • Explicar o que é um grafo de conhecimento (entidades, relações, propriedades) com um exemplo de negócio.
   • Distinguir as perguntas que a busca por trechos responde bem das que exigem seguir relações ou enxergar o todo.
   • Descrever o que o GraphRAG faz (extração de entidades, comunidades, resumos, busca global e local) sem prometer o que ele não faz.
   • Aplicar um checklist de decisão e estimar o custo de construir e manter um grafo para um negócio real.

   Aula completa, exemplos e exercícios dentro da plataforma

3. Aula 3. Contexto longo versus recuperação, e a arte de comprimir o contexto

   45 min

   Por que despejar tudo na janela do modelo não substitui a busca: o efeito 'perdido no meio', custo por chamada, atualização e permissões. Como enriquecer trechos com contexto antes de indexar, reordenar com reranking e comprimir o que vai ao modelo (filtro, resumo, notas estruturadas e compactação de conversas).

   • Comparar contexto longo e recuperação em cinco critérios: precisão, custo, atualização, permissão e rastreabilidade.
   • Explicar o efeito 'perdido no meio' e o que ele implica na ordem dos trechos enviados ao modelo.
   • Aplicar a recuperação contextual (trecho enriquecido com contexto do documento, busca por embeddings e por palavras, reranking) e saber o que cada parte acrescenta.
   • Montar uma estratégia de compressão de contexto com orçamento de tokens: filtro, resumo por trecho, notas estruturadas e compactação de conversa longa.

   Aula completa, exemplos e exercícios dentro da plataforma

4. Aula 4. Recuperação iterativa (multi-hop): perguntas que precisam de mais de uma busca

   45 min

   Como responder perguntas compostas que nenhum trecho responde sozinho: quebrar a pergunta em partes, buscar uma parte, usar o resultado para formular a próxima busca, juntar as partes com citação por parte, e parar no momento certo com orçamento de saltos.

   • Reconhecer uma pergunta de vários saltos e distingui-la de uma pergunta longa de um salto só.
   • Montar o ciclo buscar-raciocinar-buscar com decomposição explícita, estado por parte e critério de parada.
   • Definir orçamento de saltos, tratamento de parte não encontrada e citação por parte na resposta final.
   • Avaliar um assistente multi-hop com um conjunto de perguntas compostas e comparar com o RAG de duas etapas.

   Aula completa, exemplos e exercícios dentro da plataforma

Termos que você vai dominar

• RAG de duas etapas (2-step RAG)
• RAG agêntico (agentic RAG)
• RAG híbrido
• Avaliação de trechos (grading)
• Reescrita da pergunta (query rewriting)
• Busca como ferramenta
• Grafo de conhecimento (knowledge graph)
• Entidade
• Relação
• GraphRAG
• Busca global e busca local
• Multi-hop (vários saltos)
• Janela de contexto
• Perdido no meio (lost in the middle)
• Recuperação contextual (contextual retrieval)
• BM25
• Reranking
• Compactação (compaction)
• Pergunta de vários saltos (multi-hop)
• Decomposição
• Recuperação iterativa
• Salto (hop)
• Critério de parada
• Citação por parte