Ir para o conteúdo principal
Português— Escolher um idioma
Menu

Introdução ao RAG

Aula 9 de 18 Atualizada a 2 de novembro de 2026 Programador
Nesta página
  1. O Que É o RAG?
  2. Arquitetura RAG
  3. RAG vs. Ajuste Fino (Fine-Tuning)
  4. A Pilha Tecnológica
  5. Quando Utilizar o RAG?
  6. Pontos-chave

O Que É o RAG?

O RAG (Retrieval-Augmented Generation, ou Geração Aumentada por Recuperação) é uma arquitetura que combina um sistema de recuperação de informação com um modelo de linguagem de grande escala (LLM). Em vez de depender exclusivamente do conhecimento interno do modelo, o RAG primeiro pesquisa informação relevante numa base de dados e, em seguida, injeta essa informação no prompt para gerar uma resposta fundamentada em dados reais.

Por que razão o RAG se tornou essencial? Porque os LLMs têm três limitações fundamentais, que surgem todas no mesmo momento: quando alguém faz uma pergunta sobre a sua empresa. Primeiro, o conhecimento congelado: um modelo só sabe o que aprendeu durante o treino, pelo que não sabe nada sobre a atualização dos seus preços no mês passado. Em seguida, as alucinações: quando questionado sobre um procedimento interno que desconhece, o modelo produz uma resposta plausível, mas completamente errada, com total confiança. Por fim, os dados privados estão, por definição, fora de alcance: o modelo não tem acesso aos seus documentos internos e, de qualquer forma, não quer que estes acabem num corpus de treino.

O RAG resolve estes três problemas ao adicionar uma etapa de recuperação antes da geração. O modelo deixa de ser uma memória a consultar para se tornar um motor de escrita aplicado a documentos que controla.

Arquitetura RAG

O pipeline RAG divide-se em duas fases principais: uma fase de indexação realizada antecipadamente, seguida de um ciclo executado para cada pergunta. Os quatro passos abaixo constituem a espinha dorsal das próximas lições.

1

Indexação (offline)

Divida os seus documentos em fragmentos, codifique-os como embeddings e armazene-os numa loja vetorial. Esta etapa ocorre uma única vez (ou durante atualizações).

2

Recuperação

Codifique a pergunta do utilizador como um embedding e, em seguida, procure os fragmentos mais semelhantes na loja vetorial utilizando a similaridade do cosseno.

3

Aumentação (prompt enriquecido)

Injete os fragmentos recuperados no prompt do LLM como contexto. O modelo dispõe agora de informação factual para responder.

4

Geração

O LLM gera uma resposta com base no contexto fornecido. A resposta é factual, fundamentada e relevante.

Apenas o primeiro passo exige um tempo de computação significativo; os três seguintes são executados em menos de um segundo. É isto que torna a arquitetura viável para um serviço consultado continuamente: codifica a sua documentação uma vez e, depois, cada pergunta custa apenas uma chamada de embedding e uma chamada de geração.

RAG vs. Ajuste Fino (Fine-Tuning)

O RAG e o ajuste fino resolvem problemas semelhantes, mas de formas diferentes. A tabela abaixo, escrita aqui como uma estrutura Python, coloca as duas abordagens frente a frente através de cinco critérios.

# RAG vs Fine-Tuning Comparison

comparison = {
    "RAG": {
        "update": "Instant (add/remove documents)",
        "cost": "Low (no retraining)",
        "traceability": "Excellent (you know where the info came from)",
        "hallucinations": "Reduced (answers grounded in sources)",
        "use_cases": "Documentation, FAQs, knowledge bases",
    },
    "Fine-tuning": {
        "update": "Expensive (retraining required)",
        "cost": "High (GPUs, time, annotated data)",
        "traceability": "Low (knowledge baked into the model)",
        "hallucinations": "Possible (model may extrapolate)",
        "use_cases": "Writing style, output format, specific tasks",
    },
}

A linha «update» (atualização) decide frequentemente a questão. Corrigir um erro num procedimento significa, com o RAG, substituir um ficheiro e recodificar alguns fragmentos — uma questão de minutos. Com o ajuste fino, a mesma correção exige reconstruir um conjunto de dados e voltar a executar o treino, sem garantia de que a versão antiga foi verdadeiramente esquecida. Na prática, o RAG é geralmente a melhor escolha para integrar conhecimento factual em evolução, enquanto o ajuste fino é mais adequado para alterar o comportamento ou o estilo do modelo. Os dois não são mutuamente exclusivos: um modelo ajustado para responder no formato esperado pela sua empresa pode continuar a ser alimentado pelo RAG.

A Pilha Tecnológica

Construir um pipeline RAG com o Mistral requer apenas três bibliotecas, e a instalação demora uma linha.

# Essential dependencies
# pip install mistralai faiss-cpu numpy

from mistralai.client import Mistral  # LLM + Embeddings
import faiss                    # Vector store
import numpy as np              # Vector calculations

O SDK mistralai gere ambas as chamadas de modelo por si só: embeddings com o mistral-embed e geração com o mistral-large. O faiss-cpu, a biblioteca da Meta para pesquisa vetorial rápida, assume o controlo quando a comparação exaustiva se torna demasiado lenta — além de algumas dezenas de milhares de vetores. Por fim, o numpy trata das operações matriciais de vetores que ligam tudo. Nas próximas lições, construirá cada etapa deste pipeline do zero, desde a preparação dos dados até à geração da resposta.

Quando Utilizar o RAG?

O RAG é especialmente adequado quando possui documentos internos — documentação técnica, procedimentos, contratos — que nenhum modelo público alguma vez viu. É também a escolha certa quando a informação muda frequentemente: preços, disponibilidade, regulamentações. Um serviço que cite preços desatualizados custa mais do que um que não responda de todo.

Três outras situações apontam naturalmente para o RAG. Primeiro, a necessidade de rastreabilidade, quando precisa de saber de onde veio cada peça de informação — um requisito comum em setores regulamentados e, em qualquer caso, uma condição para a confiança do utilizador. Segundo, o objetivo de reduzir alucinações, uma vez que um modelo com o excerto certo não tem razão para inventar. Por fim, o orçamento: quando não dispõe dos recursos ou dos dados anotados para o ajuste fino, o RAG oferece um caminho prático com apenas alguns documentos e algumas horas de trabalho.

Pontos-chave

  • O RAG combina recuperação de informação com geração por LLM
  • A arquitetura divide-se em: indexação, recuperação, aumentação, geração
  • O RAG é preferível ao ajuste fino para conhecimento factual em evolução
  • O Mistral fornece ambos os blocos de construção essenciais: embeddings e LLM
  • O FAISS é a biblioteca de referência para pesquisa vetorial