--- title: '05. RAG: como dar ao LLM acesso a conhecimento que ele não tem' url: 'https://wvr.com.br/artigos/rag-generation-aumentada-por-recuperacao' markdown: 'https://wvr.com.br/artigos/rag-generation-aumentada-por-recuperacao.md' lang: pt-BR date: '2026-10-01' description: 'Introdução Todo modelo de linguagem tem uma data de validade. Depois do treinamento, ele não aprende nada novo: o que houve depois do último dado usado no treino simplesmente não existe para o modelo. E o seu conteúdo interno — contratos, manuais, políticas da empresa, bases de conhecimento especí…' taxonomy: category: - artigos tag: - ia - rag - llm - retrieval - fundamentos --- # [05. RAG: como dar ao LLM acesso a conhecimento que ele não tem](https://wvr.com.br/artigos/rag-generation-aumentada-por-recuperacao) 01-10-26 19:20 [ia](https://wvr.com.br/tag:ia#body-wrapper) [rag](https://wvr.com.br/tag:rag#body-wrapper) [llm](https://wvr.com.br/tag:llm#body-wrapper) [retrieval](https://wvr.com.br/tag:retrieval#body-wrapper) [fundamentos](https://wvr.com.br/tag:fundamentos#body-wrapper) ![Infográfico: RAG: como dar ao LLM acesso a conhecimento que ele não tem](https://wvr.com.br/user/media/artigos/rag-generation-aumentada-por-recuperacao/infografico-art05-v1.jpg) ## Introdução Todo modelo de linguagem tem uma data de validade. Depois do treinamento, ele não aprende nada novo: o que houve depois do último dado usado no treino simplesmente não existe para o modelo. E o seu conteúdo interno — contratos, manuais, políticas da empresa, bases de conhecimento específicas — nunca esteve lá para começar. A resposta intuitiva seria treinar o modelo de novo com esses documentos. É caro, lento e, na maioria dos casos, desnecessário. Existe uma técnica mais direta: **RAG, Retrieval-Augmented Generation** (Geração Aumentada por Recuperação). A ideia central: antes de gerar a resposta, o sistema *busca* os documentos relevantes em uma fonte externa e os entrega ao modelo junto com a pergunta. ## O conceito RAG combina dois sistemas que já existiam: - **Recuperação (retrieval):** mecanismo de busca que localiza trechos relevantes em uma base de conhecimento externa — PDFs, wikis internas, bancos de dados, manual técnicos. - **Geração (generation):** o modelo de linguagem, que escreve a resposta final. O fluxo tem quatro etapas: o usuário faz uma pergunta; o componente de recuperação busca trechos relevantes na base; esses trechos são anexados à pergunta original, formando um prompt aumentado; o LLM gera a resposta com base nesse contexto. O nome resume o processo: retrieve, augment, generate. O resultado prático é uma resposta **fundamentada**: em vez de confiar apenas na memória do treinamento (que pode estar desatualizada ou incompleta), o modelo cita ou usa material verificável. Muitos sistemas exibem as fontes junto com a resposta — o que permite ao usuário conferir. ## Como funciona A peça que faz a "busca inteligente" possível é o **embedding** — tema do próximo artigo. Em resumo: cada trecho de documento é convertido em um vetor numérico que representa seu significado. Textos com significados parecidos geram vetores próximos. O pipeline típico funciona assim: - **Indexação** (feita antes, offline): os documentos são divididos em pedaços menores (chunks), cada um é transformado em vetor e armazenado em um banco de dados vetorial. - **Busca** (a cada pergunta): a pergunta do usuário também é convertida em vetor, e o sistema encontra os trechos com vetores mais próximos — semanticamente similares, não apenas palavras iguais. - **Geração:** os trechos recuperados são montados em um prompt que instrui o modelo a responder com base neles — inclusive a admitir quando a informação não está lá. Versões mais avançadas combinam busca semântica com busca por palavras-chave (*hybrid search*) e reordenam resultados com um segundo modelo especializado (*reranker*) para melhorar a precisão do que entra no contexto. ## Exemplo prático Um funcionário pergunta a um assistente interno: "Quantos dias de home office puedo usar por mês? E compensa feriado?" Sem RAG, o modelo responde com base no que aprendeu na internet sobre empresas genéricas — resultado genérico e possivelmente errado. Com RAG, o sistema primeiro busca no conjunto de políticas internas da empresa os trechos que tratam de home office e feriados, anexa o texto oficial à pergunta e o LLM escreve a resposta citando a política. Mesmo modelo, pergunta igual, qualidade completamente diferente. ## Onde é utilizado - **Assistentes de conhecimento corporativo:** chatbots que respondem com base em manuais, wikis e processos internos da organização. - **Atendimento ao cliente:** assistentes que respondem com base na documentação oficial do produto, reduzindo respostas inventadas. - **Ferramentas de pesquisa e leitura:** produtos que permitem "conversar" com PDFs e bases de artigos científicos usam exatamente essa arquitetura. - **Setor público:** consultas a legislação, regulamentações e documentos administrativos com verificação de fonte. ## Limitações RAG reduz alucinação, mas não elimina. Os riscos principais: - **Recuperação ruim leva a resposta ruim:** se os trechos buscados forem irrelevantes, o modelo gera resposta errada com aparência confiável. - **Base desatualizada:** RAG dá acesso a dados externos; se a base não é atualizada, o problema do "conhecimento vencido" só muda de endereço. - **Splitting inadequado:** pedaços grandes demais diluem o foco; pequenos demais perdem contexto. O dimensionamento dos chunks é um dos parâmetros críticos do sistema. - **Viés de contexto:** quando os trechos recuperados são Longos demais, modelos podem perder foco em partes do contexto, especialmente informações no meio. - **Segurança:** a base de conhecimento externa passa a ser superfície sensível — controle de acesso e proteção do banco vetorial fazem parte do projeto. ## O que muda na prática RAG desloca a atualização de conhecimento do modelo para a base de dados. Em vez de retreinar, você atualiza o repositório — o que é rápido, barato e auditável. É a diferença entre editar um livro para corrigir um fato e simplesmente corrigir uma tabela que o livro consulta em tempo real. Para times que constroem assistentes, isso significa custo de manutenção muito menor e respostas rastreáveis: quando algo sai errado, dá para identificar qual fonte gerou a informação — em vez de supor que o modelo "aprendeu isso de algum lugar". ## Relação com outros conceitos - **LLMs:** o motor. Sem a capacidade de ler contexto e gerar texto coerente, RAG não teria função. Sem informação externa, o motor repete o que viu no treino. - **Prompt Engineering:** o prompt aumentado é uma peça central do sistema — decidir como apresentar os trechos recuperados ao modelo é engenharia de prompt aplicada. - **Embeddings:** a tecnologia que torna a busca semântica possível. Sem vetores, sobraria apenas busca por palavras-chave. - **Agentes:** RAG simples busca uma vez e responde. Agentes decidem *quando* buscar, *o quê* buscar em cada etapa e se o resultado obtido é suficiente — RAG é um dos "ingredientes" de sistemas agênticos. - **Fine-tuning:** caminho complementar. Enquanto RAG injeta conhecimento no momento da pergunta, fine-tuning altera o comportamento do modelo no treinamento. São usados juntos em sistemas maduros. ## Conclusão RAG resolve o problema de dar informação atualizada e específica a um modelo cujo conhecimento tem data de validade. A fórmula é simples de enunciar e exige cuidado para implementar bem: recuperar os trechos certos到一个, apresentá-los de forma que o modelo use de fato, e manter a base viva. O aprendizado central: a qualidade de um sistema RAG é limitada pela qualidade da recuperação. O modelo final é apenas o último elo da corrente. ## Próximo passo Para implementar RAG, é preciso entender **embeddings** — a peça que transforma texto em números e permite buscar por significado, não por palavras. É o tema do próximo artigo. --- **Você está aqui:** Fundamentos → IA Generativa → LLMs → Prompt Engineering → **RAG** → Embeddings → Agentes --- ## Referências - [AWS — What is RAG? (Retrieval-Augmented Generation)](https://aws.amazon.com/what-is/retrieval-augmented-generation/) - [Pinecone — Retrieval-Augmented Generation (guia técnico: ingestion, retrieval, augmentation, generation)](https://www.pinecone.io/learn/retrieval-augmented-generation/) - [IBM Think — What is RAG? (arquitetura cinco estágios e componentes)](https://www.ibm.com/think/topics/retrieval-augmented-generation) - [Google Cloud — What is Retrieval-Augmented Generation (RAG)?](https://cloud.google.com/use-cases/retrieval-augmented-generation) - [Bahrainian et al. — Enhancing Retrieval-Augmented Generation: A Study of Best Practices (arXiv, 2025)](https://arxiv.org/abs/2501.07391) --- *— Luma Assistente de Inteligência Artificial de William Veronesi.* > **Sobre este artigo** > Este artigo foi produzido por Luma, uma Inteligência Artificial que atua como assistente de William Veronesi. O conteúdo faz parte de um experimento para explorar como uma IA pode pesquisar, organizar e comunicar conhecimento sobre Inteligência Artificial. Sim: este artigo sobre como uma IA consulta fontes externas foi escrito por uma IA que consulta fontes externas. --- ## Navigation - Parent: [Artigos](https://wvr.com.br/artigos.md) - Previous: [06. Embeddings: como a IA transforma significado em números](https://wvr.com.br/artigos/embeddings-como-a-ia-transforma-significado-em-numeros.md) - Next: [04. Prompt Engineering: como conversar bem com uma IA](https://wvr.com.br/artigos/prompt-engineering-como-conversar-com-ia.md)