Glossário de IA

É um modelo de IA de grande porte, treinado com muito texto para entender instruções e produzir conteúdo.

Exemplo: O GPT-4, da OpenAI, é um LLM conhecido por seu uso no ChatGPT.

É um modelo de IA menor, criado para gastar menos recursos e resolver tarefas mais específicas.

Exemplo: O Phi-3 Mini, da Microsoft, é um SLM que pode funcionar em equipamentos mais modestos.

É um ajuste interno aprendido pelo modelo durante o treinamento e usado para decidir como responder.

Exemplo: Quanto mais parâmetros um modelo possui, mais ajustes internos ele pode usar para interpretar uma pergunta.

São abreviações usadas para indicar milhões e bilhões de parâmetros.

Exemplo: 300M significa 300 milhões, enquanto 7B significa 7 bilhões.

Indica um modelo com cerca de 300 milhões de parâmetros, normalmente leve e econômico.

Exemplo: Um modelo 300M pode ser adequado para classificação simples em uma máquina com pouca memória.

Indica um modelo com cerca de 1 bilhão de parâmetros.

Exemplo: Um modelo 1B costuma equilibrar baixo consumo e capacidade para tarefas bem definidas.

Indicam modelos progressivamente maiores, que costumam compreender tarefas mais complexas, mas exigem mais memória e processamento.

Exemplo: Um modelo 7B normalmente precisa de uma máquina mais potente do que um modelo 3B.

É um modelo que utiliza quase toda a sua capacidade interna sempre que processa uma entrada.

Exemplo: Ao responder uma pergunta, um modelo denso aciona praticamente todos os seus parâmetros.

Significa Mistura de Especialistas. O modelo possui partes especializadas e ativa somente as mais úteis para cada entrada.

Exemplo: Uma pergunta sobre programação pode ativar partes diferentes das usadas para analisar um contrato.

São os ajustes internos realmente usados pelo modelo durante um processamento.

Exemplo: Um modelo pode ter muitos parâmetros no total, mas usar apenas uma parte deles em cada resposta.

É uma pequena parte do texto que o modelo lê ou escreve. Pode ser uma palavra inteira, parte dela ou um sinal.

Exemplo: A frase “Bom dia” pode ser dividida em mais de um token.

É o limite de conteúdo que o modelo consegue considerar ao mesmo tempo.

Exemplo: Uma janela maior permite analisar um documento longo sem descartar suas primeiras páginas.

É o momento em que um modelo já treinado recebe uma entrada e produz um resultado.

Exemplo: Pedir um resumo e receber a resposta é uma inferência.

É uma forma de compactar o modelo para reduzir o uso de memória e processamento, com possível perda de qualidade.

Exemplo: Uma versão quantizada pode funcionar em uma máquina menor do que a versão original.

É um modelo executado em uma máquina controlada pelo próprio projeto, sem depender sempre de um serviço externo.

Exemplo: Uma empresa pode executar um modelo Llama em seu próprio servidor.

É a capacidade de trabalhar com diferentes tipos de conteúdo, como texto, imagem e áudio.

Exemplo: O GPT-4o pode interpretar uma imagem acompanhada de uma pergunta em texto.

São as partes do texto enviadas ao modelo, incluindo a solicitação, as instruções e o contexto.

Exemplo: Uma pergunta curta acompanhada de um documento longo usa poucos tokens na pergunta e muitos no contexto.

São as partes do texto geradas pelo modelo como resultado.

Exemplo: Uma resposta longa consome mais output tokens do que uma resposta curta.

Também chamados de tokens em cache, são partes da entrada já processadas que podem ser reutilizadas por plataformas compatíveis.

Exemplo: Instruções fixas podem ser reaproveitadas em várias execuções para reduzir tempo ou custo.

Também chamado de esforço de raciocínio, define quanto processamento um modelo compatível pode dedicar antes de responder.

Exemplo: Uma análise complexa pode usar esforço alto, enquanto uma classificação simples pode usar esforço baixo.

É uma configuração que controla o quanto a resposta pode variar em modelos compatíveis. Valores baixos tendem a produzir resultados mais previsíveis.

Exemplo: Uma extração de dados pode usar temperature baixa, enquanto uma tarefa criativa pode usar um valor maior.

É uma configuração que limita as opções consideradas pelo modelo ao gerar cada parte da resposta. Valores menores tendem a deixar o resultado mais conservador.

Exemplo: Um top-p baixo pode favorecer respostas mais previsíveis em uma tarefa bem definida.

São tokens usados internamente por alguns modelos para analisar a tarefa antes de gerar a resposta.

Exemplo: Ao resolver um problema complexo, o modelo pode usar reasoning tokens antes de produzir os output tokens.

É quando o modelo apresenta como verdadeira uma informação incorreta ou que não estava nas fontes consultadas.

Exemplo: O modelo pode inventar uma data ao responder sobre um documento que não informa essa data.

É uma técnica que procura informações em uma base confiável antes de o modelo produzir a resposta.

Exemplo: Antes de responder sobre uma política interna, o sistema consulta os documentos oficiais da empresa.

É uma base organizada de documentos, textos ou dados que podem ser consultados pela IA.

Exemplo: Manuais, normas e perguntas frequentes podem formar uma knowledge base.

É a preparação de um conteúdo para que ele possa ser armazenado e pesquisado.

Exemplo: Um PDF é lido, limpo e separado em trechos antes de entrar na base.

É uma prévia do conteúdo preparado antes de sua gravação definitiva.

Exemplo: A pessoa revisa os trechos extraídos de um PDF e só depois confirma a inclusão.

É a organização do conteúdo em um formato que permite encontrá-lo com rapidez.

Exemplo: Depois de indexado, um manual pode ser localizado por assunto em poucos instantes.

É a repetição da indexação quando o conteúdo ou a forma de organizá-lo muda.

Exemplo: Ao substituir um regulamento antigo, a base é reindexada para usar a nova versão.

É um pequeno trecho retirado de um conteúdo maior para facilitar a busca.

Exemplo: Um documento de vinte páginas pode ser separado em dezenas de chunks.

É o processo de dividir um conteúdo em pequenos trechos.

Exemplo: Um manual pode ser dividido por parágrafos ou seções para facilitar sua consulta.

É a repetição de uma pequena parte do texto entre dois trechos vizinhos para evitar perda de contexto.

Exemplo: O fim de um parágrafo pode aparecer também no início do trecho seguinte.

É uma representação numérica criada para comparar o significado de conteúdos.

Exemplo: Os termos “carro” e “automóvel” recebem representações próximas por terem sentidos semelhantes.

É o modelo que transforma textos em representações numéricas comparáveis.

Exemplo: O Qwen3 Embedding pode transformar uma pergunta e um documento em valores usados pela busca.

É a quantidade de valores usada para representar o significado de cada conteúdo.

Exemplo: Uma representação com 1.024 dimensões contém 1.024 valores numéricos.

É um banco preparado para guardar representações numéricas e encontrar conteúdos com significados próximos.

Exemplo: Uma busca por “cancelar assinatura” pode localizar um texto chamado “encerramento de plano”.

É uma busca que considera o significado da pergunta, mesmo quando as palavras são diferentes.

Exemplo: Buscar “como encerrar meu plano” pode encontrar um documento sobre cancelamento.

É uma busca que procura palavras, códigos ou expressões iguais às informadas.

Exemplo: Pesquisar o código “NF-2048” retorna registros que contêm exatamente esse código.

É a combinação da busca por significado com a busca por palavras exatas.

Exemplo: Uma pesquisa pode considerar tanto o assunto quanto um código específico de produto.

É um método que reúne listas de resultados de diferentes buscas e favorece itens bem posicionados em mais de uma delas.

Exemplo: Um documento encontrado tanto pelo significado quanto pelas palavras usadas tende a subir na lista final.

É o limite de resultados que uma busca deve devolver.

Exemplo: Com top-k igual a 5, a busca retorna no máximo cinco resultados.

É uma nota que indica o quanto um resultado combina com a pesquisa.

Exemplo: Um resultado com nota alta tende a ser mais útil para a pergunta feita.

É a nota mínima exigida para aceitar um resultado.

Exemplo: Se o limite for 0,70, um resultado com 0,50 será descartado.

São informações que descrevem um conteúdo e ajudam a organizá-lo.

Exemplo: Nome do arquivo, autor, categoria, idioma e página são metadados.

São regras que restringem uma busca a determinados conteúdos.

Exemplo: A pesquisa pode considerar apenas documentos do setor financeiro publicados neste ano.

É uma segunda avaliação que reorganiza os resultados para colocar os mais úteis primeiro.

Exemplo: Depois da busca inicial, um modelo revê dez documentos e coloca os três melhores no topo.

É a escolha de uma categoria com base no significado do conteúdo.

Exemplo: Um documento sobre férias pode ser classificado automaticamente como “Recursos Humanos”.

É uma regra que mantém o mesmo modelo de embedding na gravação e na busca para evitar comparações incompatíveis.

Exemplo: Se uma base foi criada com Qwen3 Embedding, a pesquisa continua usando esse mesmo modelo.

É um recurso oferecido por algumas plataformas de IA para guardar arquivos e pesquisar dentro deles.

Exemplo: A OpenAI oferece File Search para consultar conteúdos enviados à sua plataforma.

É a configuração que define de onde a IA deve buscar informações, ou se deve responder sem consultar uma base.

Exemplo: Uma configuração pode usar documentos internos, a busca da plataforma contratada ou nenhuma base.

É o uso de dados ou documentos confiáveis para orientar a resposta do modelo.

Exemplo: Antes de responder sobre uma política interna, o modelo consulta a versão oficial armazenada na base.

É a camada que organiza modelos, regras, conhecimento, ferramentas e execuções em um único lugar.

Exemplo: Um sistema usa o motor para consultar documentos, escolher um modelo e registrar o resultado.

É uma configuração de IA preparada para cumprir uma função com regras, conhecimento e ferramentas definidos.

Exemplo: Um agent pode analisar contratos seguindo critérios específicos da empresa.

É o conteúdo enviado ao modelo para explicar a tarefa e fornecer contexto.

Exemplo: “Resuma este documento em cinco tópicos” é um prompt simples.

É o conjunto principal de regras que orienta o comportamento do modelo durante toda a execução.

Exemplo: Uma regra pode determinar que o modelo responda apenas com dados encontrados nos documentos.

São orientações que explicam como a IA deve realizar uma tarefa.

Exemplo: Uma instrução pode pedir linguagem objetiva e exigir a indicação da fonte consultada.

É o componente que reúne regras, contexto e dados na ordem correta antes de enviá-los ao modelo.

Exemplo: Ele combina as regras da empresa com a pergunta e os documentos encontrados.

É um conjunto reutilizável de orientações para ensinar a IA a realizar um tipo de tarefa.

Exemplo: Uma skill pode definir como revisar um contrato ou resumir um relatório financeiro.

É a ordem em que uma skill deve ser considerada quando várias estão ativas.

Exemplo: Uma regra de segurança pode ter prioridade maior do que uma orientação de estilo.

É uma regra de proteção que limita ou bloqueia comportamentos indesejados.

Exemplo: Um guardrail pode impedir a exibição de dados pessoais em uma resposta.

É um recurso externo que a IA pode acionar para consultar dados ou executar uma tarefa.

Exemplo: Uma tool pode consultar o estoque de um produto em um sistema interno.

É o momento em que o modelo identifica a necessidade de usar uma tool e solicita sua execução.

Exemplo: Para verificar um preço atualizado, o modelo solicita a consulta ao sistema de produtos.

É uma forma automática de um sistema enviar dados para outro quando algo acontece.

Exemplo: Ao concluir um processamento, o motor envia o resultado para o sistema da empresa.

É um padrão de conexão que permite à IA acessar ferramentas e dados de outros sistemas de forma organizada.

Exemplo: Um servidor MCP pode permitir que a IA consulte produtos armazenados em um sistema antigo.

Significa manter uma pessoa no processo para revisar, aprovar ou complementar uma ação da IA.

Exemplo: Uma alteração importante só é executada depois da aprovação de um responsável.

É uma execução completa, desde o recebimento da entrada até a produção do resultado.

Exemplo: Analisar um documento e devolver sua categoria corresponde a uma run.

É um agrupamento de execuções relacionadas ao mesmo trabalho ou contexto.

Exemplo: Várias análises feitas durante o processamento de um relatório podem pertencer à mesma session.

É o armazenamento de informações que podem ser recuperadas em execuções futuras.

Exemplo: O sistema pode guardar uma preferência de formato para reutilizá-la depois.

É a capacidade de um agent guardar e reutilizar informações úteis de execuções anteriores.

Exemplo: O agent pode lembrar uma preferência ou decisão registrada e aplicá-la em uma tarefa futura.

É um resultado entregue com campos e organização previsíveis, em vez de texto livre.

Exemplo: Uma análise pode retornar sempre os campos “categoria”, “resumo” e “nível de risco”.

É uma lista de regras que define quais campos e tipos de informação um resultado estruturado deve possuir.

Exemplo: O schema pode exigir “nome” como texto e “preço” como número.

É o conjunto de informações oficiais que explica como a empresa funciona.

Exemplo: Regras comerciais, setores, políticas e processos internos formam o business context.

É uma lista organizada de produtos e suas informações para consulta pela IA.

Exemplo: Nome, preço, descrição e regras de venda podem compor o catálogo.

É um recurso que identifica o objetivo de uma entrada e direciona o processamento adequado.

Exemplo: Uma solicitação pode ser identificada como consulta de produto, análise de documento ou busca interna.

É uma comparação entre duas configurações para descobrir qual produz melhores resultados.

Exemplo: A mesma tarefa é executada com dois modelos e os resultados são comparados por qualidade, custo e velocidade.

É realizar uma tarefa apenas com uma instrução, sem fornecer exemplos prontos ao modelo.

Exemplo: A instrução pede para classificar um texto como positivo ou negativo sem mostrar classificações anteriores.

É orientar o modelo com poucos exemplos antes de pedir que ele realize uma tarefa semelhante.

Exemplo: Depois de mostrar três textos já classificados, o modelo classifica um quarto seguindo o mesmo padrão.

É uma tentativa de usar uma pergunta ou conteúdo malicioso para fazer o modelo ignorar suas regras.

Exemplo: Um documento pode mandar o modelo ignorar as regras anteriores e tentar alterar seu comportamento.

É uma empresa ou plataforma que oferece acesso a modelos de IA.

Exemplo: OpenAI, Google e Anthropic são providers.

É a capacidade de trabalhar com modelos de diferentes providers na mesma solução.

Exemplo: Uma tarefa pode usar um modelo da OpenAI e outra usar um modelo do Google.

Significa usar a própria chave de acesso da empresa para contratar diretamente um provider.

Exemplo: O cliente conecta sua chave da OpenAI e o consumo é cobrado em sua própria conta.

É o ambiente de software que prepara e executa cada tarefa de IA.

Exemplo: O runtime carrega as regras, conecta as ferramentas e envia a entrada ao modelo.

É uma forma organizada de dois sistemas trocarem dados e solicitarem ações.

Exemplo: Um sistema consulta uma API para obter o preço atualizado de um produto.

É uma pequena parte independente de um sistema, responsável por uma função específica.

Exemplo: Um microserviço pode cuidar apenas da geração de embeddings.

É uma ferramenta que facilita instalar, executar e acessar modelos de IA em uma máquina própria.

Exemplo: O Ollama pode executar um modelo Llama em um servidor local.

É a produção de resultados por um modelo executado em uma máquina controlada pelo projeto.

Exemplo: Um servidor da empresa processa os documentos sem enviar o conteúdo a uma API externa.

É uma máquina ou ambiente reservado e preparado para um projeto específico.

Exemplo: Uma empresa pode ter um servidor exclusivo para seu motor e seus modelos de IA.

É o tempo de espera entre enviar uma solicitação e receber o resultado.

Exemplo: Se a resposta chega dois segundos depois do envio, a latência foi de dois segundos.

É uma cópia temporária de um resultado usada para evitar repetir o mesmo processamento.

Exemplo: Uma consulta frequente pode reutilizar um resultado recente e responder mais rápido.

É uma nova tentativa automática feita após pausas que aumentam quando um serviço continua indisponível.

Exemplo: O sistema tenta novamente após um segundo, depois dois e depois quatro.

É o registro de informações sobre o funcionamento de cada execução.

Exemplo: Duração, custo, quantidade de texto processado e erros podem aparecer em um painel.

É a capacidade de acompanhar o sistema e descobrir por que algo ficou lento, falhou ou produziu um resultado inesperado.

Exemplo: Os registros mostram em qual etapa uma análise falhou e quanto tempo ela levou.

É o valor estimado para concluir uma execução inteira.

Exemplo: O cálculo pode somar o uso do modelo, da busca e de outros serviços acionados.

É o limite de solicitações ou tokens que um provider permite durante um período.

Exemplo: Se muitas execuções forem enviadas ao mesmo tempo, o provider pode pedir que o sistema aguarde antes de tentar novamente.