Tecnologia RAG Explicada
Quando você faz upload de um arquivo para a plataforma, ele é processado através de um pipeline sofisticado. Primeiro, a extração de texto puxa o texto bruto de PDFs, DOCX e outros formatos, aplicando OCR em imagens digitalizadas se necessário. Em seguida, o chunking divide o texto em segmentos menores e gerenciáveis. Depois, o embedding converte cada chunk em um vetor (uma lista de números que representam significado) usando um modelo de embedding. Por fim, o armazenamento salva esses vetores em um banco de dados vetorial. Quando um agente pesquisa, a consulta também é convertida em embedding, e o banco de dados encontra os chunks com a proximidade matemática (significado) mais próxima da consulta.Painel de Configuração
- Knowledge Base do Projeto Ativo: Habilitado por padrão, concedendo acesso aos arquivos no workspace atual.
- Acesso entre Projetos: Permite vincular KBs de outros projetos (por exemplo, um projeto central de “Políticas da Empresa”).
- Descrição: Metadados descrevendo o conteúdo da KB ajudam o agente a decidir quando usar esta ferramenta.
- Citação Avançada (+1 crédito): Se habilitada, o agente fornece citações inline rigorosas vinculadas ao texto-fonte.
| Modo | Descrição | Custo | Melhor Para |
|---|---|---|---|
| Citação Padrão | Referencia nome do documento e chunks usando similaridade de cosseno. Incluído em Perguntas e Respostas gerais, consultas rápidas. | Incluído | Perguntas e Respostas gerais, consultas rápidas |
| Citação Avançada | Fornece referência exata de página/parágrafo com citação | +1 crédito por solicitação | Conformidade, Jurídico, Auditoria |
Sub-ferramentas Disponíveis
- Search Tool: A ferramenta principal para recuperação semântica. Encontra informações relevantes mesmo quando as palavras-chave não correspondem exatamente.
- Search Files Tool: Uma busca por metadados para encontrar arquivos específicos por nome em vez de conteúdo.
- Read Lines Tool: Extrai texto bruto de um arquivo específico. Útil quando o agente precisa ler um capítulo ou seção inteira em detalhes.
- File Stats Tool: Retorna metadados: tamanho do arquivo, autor, data de criação, número de páginas.
- File Tree Tool: Lista a estrutura de diretórios. Essencial para agentes explorarem uma nova KB e entenderem a organização dos arquivos.
Exemplos de Implementação
- Triagem de Currículos: O agente pesquisa por “experiência em Python” em todos os PDFs enviados, recupera chunks relevantes de diferentes currículos e resume os melhores candidatos.
- Perguntas e Respostas sobre Políticas: O usuário pergunta “Posso reembolsar um táxi?”. O agente pesquisa “Política de Viagens”, encontra a seção de transporte terrestre e responde “Sim, se for para viagem de clientes, conforme a seção 4.2”.
- Suporte Técnico: O agente pesquia manuais técnicos para encontrar códigos de erro e etapas de solução de problemas.