RAG significa Retrieval-Augmented Generation, ou geração aumentada por recuperação.
Na prática, é uma arquitetura que permite que um modelo de linguagem consulte conteúdos específicos antes de responder.
Um exemplo
Imagine um assistente para funcionários responder dúvidas sobre políticas internas.
Sem RAG, o modelo depende apenas do conhecimento aprendido no treinamento. Com RAG, ele pode buscar trechos em documentos autorizados e usar esse contexto na resposta.
Fluxo simplificado
pergunta → busca → documentos relevantes → modelo → resposta
Isso é diferente de “treinar o modelo com todos os documentos”.
O que RAG ajuda a resolver
Pode ser útil quando a informação:
- muda com frequência;
- está em documentos internos;
- precisa ser limitada a fontes autorizadas;
- deve ser citada ou rastreada.
O que RAG não resolve
Se os documentos estão desatualizados, duplicados ou contraditórios, a resposta continua problemática.
Também é necessário avaliar permissões: um usuário não deveria recuperar conteúdo que não pode acessar.
A qualidade está na recuperação
Um bom modelo com busca ruim pode responder mal.
Por isso, projetos de RAG precisam testar não apenas fluência da resposta, mas se o sistema recuperou a informação certa e se a resposta está apoiada nela.
