Questão 1
Não respondida
~/questoes/agentes-de-ia
O SemanticChunker é uma estratégia avançada de divisão de documentos que usa embeddings para identificar os melhores pontos de quebra baseado no conteúdo semântico. Embora produza chunks de maior qualidade, tem um custo computacional ligeiramente maior que splitters simples, mas esse investimento é compensado pelos resultados superiores em aplicações de RAG.
A alternativa A está correta porque reconhece o trade-off real do SemanticChunker: ele demanda mais processamento (cálculo de embeddings), mas gera chunks semanticamente mais coesos e relevantes, o que melhora significativamente a recuperação de informações em sistemas RAG e reduz alucinações dos modelos.
Esta é a resposta correta. O SemanticChunker realmente tem custo computacional maior porque precisa calcular embeddings para analisar similaridade semântica entre trechos. Porém, esse custo extra se justifica pelos chunks de qualidade superior, mais coesos e contextualizados, que melhoram o desempenho de sistemas RAG.
Esta alternativa é incorreta. O SemanticChunker não gera chunks muito grandes; pelo contrário, ele é inteligente em identificar pontos naturais de quebra. Ele respeita limites de tamanho quando necessário e prioriza a coesão semântica, não o tamanho excessivo.
Esta alternativa é falsa. O SemanticChunker funciona com múltiplos idiomas porque opera através de embeddings, que são representações numéricas agnósticas a idioma (dependendo do modelo de embedding usado). Não há restrição apenas para inglês.
Esta alternativa é incorreta. O SemanticChunker é justamente recomendado para uso em sistemas RAG em produção, pois melhora a qualidade dos chunks recuperados e aumenta a precisão das respostas. Não existe incompatibilidade com RAG.