~/questoes/agentes-de-ia

Qual é a primeira etapa do funcionamento de um sistema RAG?

Responda, confira o feedback e use o resultado para orientar sua revisão.

Questão 1 Não respondida

Qual é a primeira etapa do funcionamento de um sistema RAG?

Agentes de IA Arquitetura e fases do RAG Intermediario

Para fixar

As Fases do RAG: Entendendo o Retrieval

Conceito central

RAG funciona em duas etapas principais: primeiro vem o Retrieval (recuperação de documentos relevantes usando busca semântica), depois a Augmented Generation (geração de respostas com base nesses documentos). A primeira etapa é fundamental porque garante que o modelo tenha informações reais e atualizadas para trabalhar.

Por que essa resposta faz sentido

Recuperar documentos relevantes usando busca semântica é exatamente a primeira etapa do RAG, chamada de Retrieval. Nesta fase, a pergunta do usuário é convertida em um embedding (representação numérica) e comparada com documentos já vetorizados no banco de dados, retornando os mais relevantes semanticamente.

Armadilhas comuns

Confundir RAG com fine-tuning: muitos acham que RAG envolve retreinar o modelo, mas na verdade ele mantém o modelo intacto e adiciona uma camada de busca de documentos.
Pensar que o Retrieval é apenas busca por palavras-chave: a busca semântica vai além, entendendo sinônimos, contexto e significado, não apenas correspondências textuais exatas.
Achar que compilar um banco de dados é parte do funcionamento do RAG: a preparação do banco de dados é anterior; o RAG começa quando o sistema já está pronto e recebe perguntas do usuário.

Entenda as alternativas

Esta é a etapa de Retrieval. Documentos relevantes são buscados usando busca semântica, não apenas correspondência de palavras-chave. É a base de todo o processo RAG, garantindo que informações confiáveis sejam passadas para o modelo gerar respostas.

Compilar um banco de dados não é uma etapa do funcionamento do RAG, é uma preparação anterior. Quando o sistema já está em funcionamento, o banco de dados já existe e está organizado. O RAG trabalha com dados já vetorizados neste banco.

Fine-tuning é uma abordagem diferente do RAG. Fine-tuning retreina o modelo, enquanto RAG mantém o modelo intacto e apenas recupera documentos externos. RAG é mais flexível e não requer retreinamento cada vez que novos dados chegam.

Gerar uma resposta é a segunda etapa do RAG (Augmented Generation), não a primeira. O modelo só deve gerar respostas depois que documentos relevantes foram recuperados e adicionados ao contexto do prompt.