Termo técnico
Voltar
RAG (Retrieval-Augmented Generation)
IA e RAGO RAG é um sistema que recupera informações antes de gerar uma resposta. Em vez de responder apenas com memória do modelo, procura fragmentos relevantes e os usa como contexto.
O que significa RAG (Retrieval-Augmented Generation)
RAG (Retrieval-Augmented Generation): O RAG é um sistema que recupera informações antes de gerar uma resposta. Em vez de responder apenas com memória do modelo, procura fragmentos relevantes e os usa como contexto.
Área AISEO: IA e RAG. Esta etiqueta ajuda a colocar o termo dentro do glossário e a entender se pertence a rastreio, semântica, desempenho, segurança, IA, acessibilidade ou certificação.
Importa porque a qualidade da resposta depende muito do que se recupera. Se a web não oferecer fragmentos claros, o sistema pode escolher mal ou não escolher.
- Dividir o conteúdo em blocos claros e autossuficientes.
- Adicionar contexto suficiente para que cada fragmento tenha sentido por si mesmo.
- Ligar entidades, fontes e sinais de confiança quando for caso disso.
- Remover textos decorativos que não fornecem informações úteis.
Erros habituais
Criar blocos de texto que dependem demasiado do contexto anterior.
Misturar conceitos distintos em uma mesma seção sem hierarquia.
Não fornecer sinais suficientes para que uma IA identifique fonte, entidade ou intenção.
Tratar RAG como um detalhe menor e não como um sinal dentro do sistema.
Perguntas frequentes sobre RAG (Retrieval-Augmented Generation)
O que é o RAG?
O RAG é um sistema que recupera informações antes de gerar uma resposta. Em vez de responder apenas com memória do modelo, procura fragmentos relevantes e os usa como contexto.
Por que convém rever o RAG?
Importa porque a qualidade da resposta depende muito do que se recupera. Se a web não oferecer fragmentos claros, o sistema pode escolher mal ou não escolher.
Como se trabalha o RAG em AISEO?
Dividir o conteúdo em blocos claros e auto-suficientes. Adicionar contexto suficiente para que cada fragmento tenha sentido por si mesmo. Ligar entidades, fontes e sinais de confiança quando for caso disso.