Ir para o conteúdo principal
Português— Escolher um idioma
Menu

RAG Avançado: Multi-Query, HyDE, Step-Back

Aula 14 de 22 Atualizada a 29 de julho de 2026 Programador
Nesta página
  1. Objetivos
  2. O Problema: Uma Única Consulta Não Basta
  3. Multi-Query: Colocar a Questão de Forma Diferente
  4. HyDE: Hypothetical Document Embeddings
  5. Step-Back Prompting
  6. Comparação das Técnicas
  7. Combinação de Técnicas
  8. Pontos-chave

Objetivos

  • Melhorar a recuperação utilizando técnicas avançadas
  • Implementar as estratégias multi-query, HyDE e step-back prompting
  • Saber quando utilizar cada técnica

O Problema: Uma Única Consulta Não Basta

O reranking da lição anterior melhorou a forma como os candidatos foram classificados, mas não pôde ajudar com documentos que a recuperação nunca trouxe à superfície em primeiro lugar. A causa mais comum destas falhas não é o modelo nem o índice — é a própria consulta. Um utilizador pode escrever «não funciona no meu telemóvel», enquanto a documentação discute «incompatibilidade com versões do Android anteriores à 12». Nenhum modelo de embeddings aproximará espontaneamente estas duas formulações.

As seguintes técnicas partilham um único princípio: em vez de aceitar a consulta tal como está, transformamo-la ou multiplicamo-la antes de pesquisar. Todas atuam sobre o recall — ou seja, a capacidade de colocar o documento certo na lista de candidatos.

Multi-Query: Colocar a Questão de Forma Diferente

A primeira abordagem é a mais direta. Pedimos ao LLM que reformule a questão sob vários ângulos, executamos uma pesquisa com cada variante e fundimos os resultados. A questão «como cancelo a minha subscrição?» torna-se também «procedimento de cancelamento», «interromper a cobrança mensal» e «eliminar a minha conta paga» — três vocabulários diferentes, três hipóteses de acertar na redação que o autor da documentação utilizou.

A etapa de fusão merece uma nota: a linha np.maximum mantém, para cada documento, a melhor pontuação obtida em todas as consultas. Um documento que corresponda bem a apenas uma reformulação sobe ainda assim ao topo, o que não aconteceria se fizéssemos a média das pontuações. A temperatura de 0.7 é intencional aqui, porque queremos variedade, não reprodutibilidade.

from openai import OpenAI
import numpy as np

client = OpenAI()

def generer_multi_queries(question: str, n: int = 3) -> list[str]:
    """Generate n rephrasings of the question."""
    response = client.chat.completions.create(
        model="gpt-5.6-terra",
        messages=[{
            "role": "user",
            "content": (
                f"Generate {n} different rephrasings of this question "
                f"for document search. Each rephrasing "
                f"should cover a different angle.\n\n"
                f"Original question: {question}\n\n"
                f"Return only the rephrasings, one per line."
            )
        }],
        temperature=0.7
    )
    queries = response.choices[0].message.content.strip().split("\n")
    return [q.strip().lstrip("0123456789.-) ") for q in queries if q.strip()]

def recherche_multi_query(
    question: str,
    corpus_embeddings: np.ndarray,
    documents: list[dict],
    k: int = 5,
    n_queries: int = 3
) -> list[dict]:
    """Search with multiple rephrasings."""
    queries = [question] + generer_multi_queries(question, n_queries)
    print(f"Queries: {queries}")

    tous_scores = np.zeros(len(documents))
    for query in queries:
        query_emb = client.embeddings.create(
            input=query, model="text-embedding-3-large"
        ).data[0].embedding
        scores = corpus_embeddings @ np.array(query_emb)
        tous_scores = np.maximum(tous_scores, scores)

    top_k = np.argsort(tous_scores)[-k:][::-1]
    return [
        {**documents[i], "score": float(tous_scores[i])}
        for i in top_k
    ]

HyDE: Hypothetical Document Embeddings

O HyDE aborda o problema pelo outro lado. Em vez de multiplicar as questões, fazemos o modelo gerar uma resposta plausível — mesmo que esteja parcialmente errada, isso não importa — e depois procuramos documentos próximos dessa resposta. A questão «como configuro o SSO?» produz um parágrafo que fala de fornecedores de identidade, SAML e metadados, exatamente o vocabulário encontrado na documentação real.

def recherche_hyde(
    question: str,
    corpus_embeddings: np.ndarray,
    documents: list[dict],
    k: int = 5
) -> list[dict]:
    """Search with a hypothetical document (HyDE)."""
    # 1. Generate a hypothetical document
    response = client.chat.completions.create(
        model="gpt-5.6-terra",
        messages=[{
            "role": "user",
            "content": (
                f"Write a short paragraph (3-5 sentences) that would answer "
                f"this question. Write as if it were an excerpt "
                f"from technical documentation.\n\n"
                f"Question: {question}"
            )
        }],
        temperature=0.3
    )
    doc_hypothetique = response.choices[0].message.content

    # 2. Encode the hypothetical document
    hyde_emb = client.embeddings.create(
        input=doc_hypothetique,
        model="text-embedding-3-large"
    ).data[0].embedding

    # 3. Search for similar documents
    scores = corpus_embeddings @ np.array(hyde_emb)
    top_k = np.argsort(scores)[-k:][::-1]

    return [
        {**documents[i], "score": float(scores[i])}
        for i in top_k
    ]

Se esta técnica funciona, é porque o embedding de uma resposta se assemelha mais ao embedding de um documento do que o embedding de uma questão. Uma questão é curta, interrogativa e muitas vezes formulada pelas próprias palavras do utilizador; um documento é longo, afirmativo e escrito em jargão do domínio. O HyDE colmata esta lacuna entre consulta e documento, trazendo a consulta para o terreno do corpus. É também por isso que o prompt especifica «como se fosse um excerto de documentação técnica»: estamos a imitar o registo alvo.

Step-Back Prompting

A terceira técnica lida com o caso oposto: questões tão específicas que nenhum documento as aborda diretamente. «Posso deduzir uma bicicleta elétrica comprada em fevereiro?» não aparece em lado nenhum, mas a secção sobre despesas comerciais dedutíveis sim. Por isso, pedimos ao modelo a questão geral que se esconde por trás da específica e depois pesquisamos com ambas, ponderando-as em 0.7 para a questão original e 0.3 para a mais ampla — o contexto amplo ajuda, mas não deve dominar.

def recherche_step_back(
    question: str,
    corpus_embeddings: np.ndarray,
    documents: list[dict],
    k: int = 5
) -> list[dict]:
    """Two-pass search: general then specific."""
    # 1. Generate a step-back question
    response = client.chat.completions.create(
        model="gpt-5.6-terra",
        messages=[{
            "role": "user",
            "content": (
                f"What is the more general question or underlying concept "
                f"behind this specific question?\n\n"
                f"Specific question: {question}\n\n"
                f"Return only the general question."
            )
        }],
        temperature=0.3
    )
    question_generale = response.choices[0].message.content.strip()

    # 2. Search with both questions
    resultats_combines = {}

    for q, poids in [(question, 0.7), (question_generale, 0.3)]:
        q_emb = client.embeddings.create(
            input=q, model="text-embedding-3-large"
        ).data[0].embedding
        scores = corpus_embeddings @ np.array(q_emb)

        for i, s in enumerate(scores):
            if i not in resultats_combines:
                resultats_combines[i] = 0.0
            resultats_combines[i] += float(s) * poids

    top_k = sorted(
        resultats_combines.items(),
        key=lambda x: x[1], reverse=True
    )[:k]

    return [
        {**documents[idx], "score": score}
        for idx, score in top_k
    ]

Comparação das Técnicas

Cada uma aborda uma patologia específica de recuperação e cada uma tem o custo de chamadas adicionais e, portanto, de maior latência.

TécnicaQuando utilizarCusto adicional
Multi-queryConsultas ambíguas, vocabulário variadon chamadas de embedding + 1 chamada LLM
HyDELacuna consulta-documento, domínios técnicos1 chamada LLM + 1 chamada de embedding
Step-backQuestões muito específicas, necessidade de contexto1 chamada LLM + 2 chamadas de embedding

Combinação de Técnicas

Não tem de escolher apenas uma. A função seguinte aceita uma lista de estratégias, acumula as pontuações que cada uma produz num dicionário indexado por documento e mantém o máximo. Um documento encontrado apenas pelo HyDE classifica-se assim ao lado de um documento encontrado por pesquisa direta. Tenha em mente, no entanto, que empilhar três estratégias triplica o orçamento e alarga o tempo de resposta: reserve esta combinação para consultas difíceis ou para processamento offline onde a latência não importa.

def recherche_avancee(
    question: str,
    corpus_embeddings: np.ndarray,
    documents: list[dict],
    k: int = 5,
    strategies: list[str] = ["direct", "multi_query", "hyde"]
) -> list[dict]:
    """Combine multiple search strategies."""
    tous_resultats = {}

    if "direct" in strategies:
        q_emb = client.embeddings.create(
            input=question, model="text-embedding-3-large"
        ).data[0].embedding
        scores = corpus_embeddings @ np.array(q_emb)
        for i, s in enumerate(scores):
            tous_resultats.setdefault(i, []).append(float(s))

    if "hyde" in strategies:
        res_hyde = recherche_hyde(
            question, corpus_embeddings, documents, k=k*2
        )
        for r in res_hyde:
            tous_resultats.setdefault(r["id"], []).append(r["score"])

    # Final score = max of scores
    scores_finaux = {
        idx: max(scores) for idx, scores in tous_resultats.items()
    }

    top_k = sorted(
        scores_finaux.items(), key=lambda x: x[1], reverse=True
    )[:k]

    return [
        {**documents[idx], "score": score}
        for idx, score in top_k
    ]

Pontos-chave

  • O multi-query reformula a questão sob múltiplos ângulos para cobrir mais vocabulário
  • O HyDE gera uma resposta hipotética que se assemelha mais aos documentos alvo
  • O step-back coloca uma questão mais geral para captar o contexto amplo
  • Estas técnicas adicionam latência, mas melhoram significativamente o recall