RAG Adaptativo
Nesta página
Encaminhamento inteligente de perguntas
O Self-RAG aplica o mesmo tratamento a todas as perguntas, e é exatamente aí que reside a sua falha. Pergunte-lhe quanto é dois mais dois: ele irá codificar a consulta, vasculhar o índice, classificar quatro documentos irrelevantes, mudar para a web, gerar e verificar. São uma dúzia de chamadas ao LLM para uma pergunta que o modelo resolve instantaneamente. Nem todas as perguntas têm a mesma complexidade, e uma questão factual simples não exige o mesmo tratamento que uma que exija síntese através de múltiplos documentos. O RAG Adaptativo adiciona, portanto, um roteador inteligente a montante do pipeline: analisa a pergunta e seleciona a estratégia ótima antes de iniciar qualquer processamento dispendioso.
O roteador tem três destinos. As perguntas sobre tópicos efetivamente cobertos pelos seus documentos vão para a loja vetorial; este é o caminho RAG completo. As perguntas sobre atualidades ou fora do âmbito indexado vão para a pesquisa na web, uma vez que consultar o índice apenas devolveria ruído. Por fim, as perguntas simples ou de cultura geral recebem uma resposta direta do modelo, sem qualquer recuperação.
Implementar o roteador
A parte delicada é que o roteador deve conhecer o âmbito do seu índice para tomar uma decisão. A solução escolhida é tão simples quanto eficaz: passar-lhe a lista de tópicos cobertos, indexed_topics, que ele compara com a pergunta. As três regras são declaradas explicitamente no prompt, e o formato JSON restrito garante um valor utilizável. O result.get("route", "vectorstore") merece atenção: em caso de resultado inesperado, o padrão recua para a loja vetorial. Este é o comportamento mais seguro, confiando nos seus dados em vez da web ou da memória do modelo.
import json
from mistralai.client import Mistral
client = Mistral(api_key=api_key)
def route_question(question, indexed_topics):
"""Encaminha uma pergunta para a melhor estratégia."""
topics_str = ", ".join(indexed_topics)
prompt = f"""You are a question router. Given a question,
determine the best source of information.
Your indexed documents cover the following topics: {topics_str}
Rules:
- If the question concerns indexed topics -> "vectorstore"
- If the question concerns current events or an uncovered topic -> "websearch"
- If the question is very simple or general knowledge -> "direct"
Respond ONLY with a JSON object: {{"route": "vectorstore"}} or {{"route": "websearch"}} or {{"route": "direct"}}
Question: {question}
Route JSON:"""
response = client.chat.complete(
model="mistral-large-latest",
messages=[{"role": "user", "content": prompt}],
temperature=0,
response_format={"type": "json_object"},
)
result = json.loads(response.choices[0].message.content)
return result.get("route", "vectorstore")
# Testar o roteador
topics = ["embeddings", "RAG", "Mistral AI", "vector search", "FAISS"]
tests = [
"How does mistral-embed work?", # -> vectorstore
"What is Apple's stock price today?", # -> websearch
"How much is 2 + 2?", # -> direct
"What are the steps of RAG?", # -> vectorstore
"Who won the 2026 World Cup?", # -> websearch
]
for q in tests:
route = route_question(q, topics)
print(f" [{route:12s}] {q}")
O conjunto de testes ilustra cada cenário e servirá como a sua salvaguarda. Uma pergunta sobre o mistral-embed enquadra-se perfeitamente nos tópicos declarados, por isso vai para a loja vetorial. Os preços das ações ou os resultados de competições mudam diariamente: nenhum índice estático os pode conter, por isso vão para a web. Dois mais dois não requer nem um corpus nem pesquisa. Reutilize este bloco com os seus próprios tópicos e cerca de quinze perguntas representativas do seu tráfego real: esta é a forma mais económica de verificar se a lista topics é suficientemente precisa. Um roteador que envia tudo para a loja vetorial não agrega valor, e um roteador que responde diretamente sobre os seus tópicos de negócio é francamente perigoso.
O pipeline completo
O AdaptiveRAG reúne tudo o que construiu nas últimas três lições. Cada rota tem o seu próprio método de execução, e o método ask lê-se como uma instrução switch. A rota direct retorna imediatamente, com uma temperatura de 0,3, uma vez que não há contexto a respeitar, e uma lista de fontes vazia que sinaliza honestamente ao utilizador que nada sustenta esta resposta. A rota websearch gera apenas a partir de resultados da web. A rota vectorstore, no entanto, desfruta de toda a artilharia: classificação de documentos ao estilo do Corrective RAG, recurso à web se nenhum sobreviver, e depois um ciclo de geração com verificações de fundamentação e utilidade herdadas do Self-RAG, agrupadas aqui em grade_and_correct.
Uma diferença de limiar vale a pena notar em comparação com a lição sobre Corrective RAG. O recurso à web já não é acionado assim que um documento é descartado, mas apenas se relevant_docs estiver vazio. Esta escolha é mais tolerante: quando dois de quatro fragmentos permanecem relevantes, é razoável gerar com eles em vez de ir para a web, o que poupa uma chamada e reduz a latência. Deve arbitrar com base nos requisitos do seu domínio.
import numpy as np
class AdaptiveRAG:
"""Pipeline RAG Adaptativo com roteamento inteligente."""
def __init__(self, chunks, embeddings, index, topics):
self.chunks = chunks
self.embeddings = embeddings
self.index = index
self.topics = topics
def route(self, question):
"""Determina a estratégia ótima."""
return route_question(question, self.topics)
def retrieve_from_vectorstore(self, question, k=4):
"""Recuperação da loja vetorial local."""
response = client.embeddings.create(
model="mistral-embed", inputs=[question]
)
query_vec = np.array([response.data[0].embedding], dtype=np.float32)
distances, indices = self.index.search(query_vec, k)
return [
{"text": self.chunks[idx]["text"], "source": "vectorstore"}
for dist, idx in zip(distances[0], indices[0]) if idx >= 0
]
def search_web(self, question):
"""Pesquisa na web para perguntas fora do âmbito."""
return web_search_fallback(question)
def direct_answer(self, question):
"""Resposta direta sem recuperação."""
response = client.chat.complete(
model="mistral-large-latest",
messages=[{"role": "user", "content": question}],
temperature=0.3,
)
return response.choices[0].message.content
def generate_with_context(self, question, documents):
"""Geração com contexto (RAG clássico)."""
context = "\n\n---\n\n".join([d["text"] for d in documents])
prompt = f"Context:\n{context}\n\nQuestion: {question}"
response = client.chat.complete(
model="mistral-large-latest",
messages=[
{"role": "system", "content": "Answer based on the provided context."},
{"role": "user", "content": prompt},
],
temperature=0.1,
)
return response.choices[0].message.content
def grade_and_correct(self, question, documents, generation):
"""Verificações do Self-RAG (alucinações + utilidade)."""
is_grounded = check_hallucination(documents, generation)
if not is_grounded:
return None, "hallucination"
is_useful = check_answer_usefulness(question, generation)
if not is_useful:
return None, "not_useful"
return generation, "ok"
def ask(self, question, max_retries=2):
"""Pipeline RAG Adaptativo completo."""
print(f"\n{'='*60}")
print(f"Question: {question}")
# 1. Roteamento
route = self.route(question)
print(f"Chosen route: {route}")
# 2. Executar com base na rota
if route == "direct":
answer = self.direct_answer(question)
return {"answer": answer, "route": "direct", "sources": []}
elif route == "websearch":
docs = self.search_web(question)
answer = self.generate_with_context(question, docs)
return {"answer": answer, "route": "websearch", "sources": ["web"]}
else: # vectorstore
docs = self.retrieve_from_vectorstore(question)
# Classificação de documentos
relevant_docs = []
for doc in docs:
if grade_document(question, doc["text"]):
relevant_docs.append(doc)
# Recurso à web se não houver documentos relevantes suficientes
if not relevant_docs:
print(" No relevant documents, web fallback...")
relevant_docs = self.search_web(question)
# Ciclo de geração com verificação
for attempt in range(max_retries + 1):
generation = self.generate_with_context(question, relevant_docs)
answer, status = self.grade_and_correct(
question, relevant_docs, generation
)
if status == "ok":
return {
"answer": answer,
"route": "vectorstore",
"attempts": attempt + 1,
"sources": [d.get("source", "") for d in relevant_docs],
}
elif status == "not_useful":
web_docs = self.search_web(question)
relevant_docs.extend(web_docs)
# Retornar a última geração mesmo que imperfeita
return {
"answer": generation,
"route": "vectorstore",
"attempts": max_retries + 1,
"sources": [d.get("source", "") for d in relevant_docs],
}
# Utilização
adaptive_rag = AdaptiveRAG(chunks, embeddings, index, topics=topics)
questions = [
"How do I create a FAISS index with mistral-embed?",
"What is the weather in Paris tomorrow?",
"How many dimensions does codestral-embed have?",
]
for q in questions:
result = adaptive_rag.ask(q)
print(f"\nRoute: {result['route']}")
print(f"Answer: {result['answer'][:200]}...")
As três perguntas de exemplo percorrem todos os caminhos numa única execução, e o campo route no resultado indica qual foi utilizado. Este é o valor que deve registar em produção: a distribuição das rotas no seu tráfego real é o melhor indicador de saúde do seu sistema, revelando tanto um índice demasiado restrito como um roteador mal calibrado.
Pontos-chave
- O RAG Adaptativo encaminha cada pergunta para a estratégia ótima (loja vetorial, web, direta)
- O roteador utiliza um LLM com saída estruturada para classificar as perguntas
- As perguntas sobre tópicos indexados vão para a loja vetorial; as restantes vão para a web
- O roteamento reduz a latência e os custos, evitando o RAG completo para perguntas simples
- O RAG Adaptativo combina ideias do Corrective RAG e do Self-RAG com roteamento