RAG é a sigla de Retrieval-Augmented Generation, em português, Geração Aumentada por Recuperação. Nesse processo, a IA consulta fontes definidas antes de responder. Ela não depende apenas do que o modelo já conhece: o sistema procura o conteúdo relacionado à pergunta e o inclui na execução.
Primeiro procurar, depois responder
Pense em uma dúvida sobre as regras de um produto ou operação. Em vez de confiar na memória, a pessoa abre o manual, localiza a parte certa e responde a partir daquele conteúdo.
O RAG segue essa lógica. A aplicação recebe a pergunta e consulta a base disponível. Só então entrega as informações encontradas à IA.
O fluxo tem uma ordem definida:
- A pessoa faz uma pergunta.
- O sistema procura informações relacionadas ao assunto.
- Os trechos mais relevantes são selecionados.
- A IA utiliza esses trechos para preparar a resposta.
Busca e resposta pertencem à mesma execução, mas têm funções diferentes. O sistema encontra; a IA organiza o material recebido em uma resposta.
A fonte define o limite
As informações podem vir de manuais e contratos, políticas internas, páginas ou perguntas frequentes. Cadastros e outros dados de um sistema também podem ser conectados.
RAG não pesquisa toda a internet automaticamente. A consulta fica restrita às fontes conectadas e preparadas para o projeto.
Chunks e embeddings entram na busca
Documentos grandes costumam ser divididos em partes menores chamadas chunks. Os embeddings ajudam a encontrar quais partes possuem significado mais próximo da pergunta.
Essa preparação ajuda o sistema a escolher o trecho. O artigo Chunks e embeddings: como o RAG encontra informações detalha o processo.
O exemplo das férias
Uma equipe de recursos humanos mantém políticas de férias, benefícios e trabalho remoto. Uma pessoa pergunta: “Com quanto tempo de antecedência preciso solicitar minhas férias?”
O sistema localiza o trecho da política de férias e o entrega à IA. A pessoa recebe uma resposta baseada naquela informação sem procurar manualmente em todos os documentos.
RAG não conserta um documento ruim
RAG não garante que toda resposta estará correta. Se a fonte estiver desatualizada, incompleta ou mal organizada, a resposta também pode apresentar problemas.
Os documentos precisam de revisão, e a aplicação deve acompanhar a origem das informações usadas. Esse tipo de implementação faz sentido quando a resposta depende de documentos ou dados próprios, não apenas de conhecimento geral. Se a fonte estiver errada, o sistema recupera esse erro e o envia ao modelo.