Clicked Gallery

O que é geração aumentada por recuperação (RAG)?

Subrayado en un documento técnico real. Explicado por Clicked.

Usado numa frase

Engineering Notes · AI Systems

Instead of fine-tuning the base LLM, we implemented a RAG pipeline to pull direct facts from internal company files.

O leitor sublinhou uma palavra na documentação. O Clicked tornou o termo técnico «RAG pipeline» fácil de entender:

Explicado em três níveis

Os mesmos fatos, outra vibe — Modo slang 😎

O método Clicked

●○○

Overview

RAG é um jeito de fazer um modelo de IA responder a partir de documentos específicos. Em vez de depender só do que aprendeu no treinamento, o sistema primeiro recupera os arquivos relevantes e os entrega ao modelo como contexto para a resposta.
●○○

Overview

RAG é dar uma cola para a IA em vez de mandá-la decorar a biblioteca inteira. A pergunta chega, o sistema pega os documentos certos, desliza sobre a mesa, e o modelo responde com base neles. Trocar os documentos leva segundos, e nada precisa ser retreinado. 😎

Uma ideia rápida — muitas vezes é tudo de que você precisa.

●●○

Detail

O pipeline tem duas etapas. Recuperação: a pergunta é usada para buscar num acervo de documentos — arquivos da empresa, manuais, uma base de conhecimento — e os trechos mais relevantes são extraídos. Geração: esses trechos são inseridos no prompt do modelo, e ele responde usando o que recebeu. A vantagem sobre o fine-tuning é que os dados de treinamento são congelados e genéricos, enquanto o RAG adiciona conhecimento novo ou privado sem retreinar nada, e ainda dá para ver quais trechos alimentaram a resposta. O limite duro: a qualidade da resposta é limitada pela qualidade da busca, então se a etapa de recuperação puxa os trechos errados, o modelo resume com toda a confiança a coisa errada.
●●○

Detail

Jogada em dois tempos: primeiro busca, depois resposta. Por que todo mundo está fazendo isso: retreinar um modelo com os arquivos da sua empresa é caro e fica desatualizado até sexta-feira, enquanto trocar documentos numa pasta é de graça. Bônus: dá para conferir as fontes, porque a resposta veio de trechos que você consegue ler. O porém que ninguém coloca no slide: se a busca pega as páginas erradas, o modelo não fica confuso — ele explica as páginas erradas com toda a confiança. A recuperação é o jogo inteiro. 😎

Quer mais? Um clique aprofunda.

●●●

Analogy

Dois jeitos de montar um suporte para o manual de políticas da sua empresa. Opção um: treinar um funcionário por meses até o manual morar na cabeça dele, o que funciona até o manual mudar. Opção dois: contratar um leitor rápido que mantém o manual sobre a mesa e abre na página certa a cada pergunta.
Deepest level reached.
●●●

Analogy

É o funcionário novo que parece um veterano de dez anos de casa, porque você passou os documentos internos por baixo da mesa antes da reunião. Tire os documentos e ele não sabe nada sobre a empresa. Entregue os documentos errados e ele apresenta aqueles, com a maior confiança.
Deepest level reached.

Conceito novo? Um exemplo do dia a dia faz clicar — novas analogias quando quiser.

Explicações de IA podem conter erros · Não é aconselhamento profissional

Definição formal — O mesmo termo, explicado da forma habitual

Geração aumentada por recuperação é uma arquitetura na qual a entrada de um modelo de linguagem é ampliada com documentos recuperados de um corpus externo no momento da inferência, tipicamente por busca de similaridade vetorial densa sobre um acervo indexado. Ao condicionar a geração ao contexto recuperado em vez de apenas ao conhecimento paramétrico, sistemas RAG permitem adaptação de domínio sem retreinamento do modelo, dão suporte à atribuição de fontes e mitigam — sem eliminar — alucinações; o desempenho de ponta a ponta permanece limitado pela precisão e pela cobertura da recuperação.

Quer que o Clicked explique termos como «RAG» direto no seu navegador, até em PDFs?

Adicionar ao Chrome — Grátis

50 explicações grátis · Sem cartão de crédito