RAG é a sigla de Retrieval-Augmented Generation, em português, Geração Aumentada por Recuperação. É uma forma de fazer a IA consultar informações antes de responder. Em vez de depender apenas do que o modelo já conhece, o sistema procura conteúdo em fontes definidas e utiliza o que encontrou para preparar a resposta.
Uma comparação do dia a dia
Uma pessoa precisa responder a uma dúvida sobre as regras da empresa. Em vez de confiar apenas na memória, ela abre o manual, encontra a parte certa e responde com base naquele conteúdo.
O RAG funciona de maneira parecida. A IA recebe a pergunta, consulta a base disponível e utiliza as informações mais relevantes como apoio.
Como funciona
O funcionamento pode ser resumido em quatro passos:
- 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.
A busca e a resposta são etapas do mesmo processo, mas cumprem funções diferentes. Primeiro o sistema encontra o conteúdo. Depois a IA organiza esse conteúdo em uma resposta clara.
De onde vêm as informações
As informações podem vir de manuais, contratos, políticas internas, perguntas frequentes, páginas, cadastros ou dados de um sistema.
O RAG não pesquisa toda a internet automaticamente. Ele consulta apenas as fontes que foram conectadas e preparadas para aquele projeto.
Onde entram chunks e embeddings
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 facilita a busca pelo trecho certo. O processo está explicado de forma simples no artigo Chunks e embeddings: como o RAG encontra informações.
Um exemplo real
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 encontra o trecho da política de férias e o entrega para a IA. A resposta é preparada com base naquela informação, sem exigir que a pessoa procure manualmente em todos os documentos.
O que o RAG não faz sozinho
RAG não garante que toda resposta estará correta. Se a fonte estiver desatualizada, incompleta ou mal organizada, a resposta também pode apresentar problemas.
Por isso, os documentos precisam ser revisados e a origem das informações deve ser acompanhada. A qualidade da resposta começa pela qualidade do conteúdo disponível.
Onde ele ajuda mais
RAG faz sentido quando a IA precisa responder com base em documentos ou dados próprios, e não apenas em conhecimento geral.