Construindo um RAG do zero
A trilha completa de recuperação: chunking, embeddings, busca e avaliação.
Ao final desta trilha, você consegue
Você vai montar um pipeline de RAG funcional e saber diagnosticar por que o retriever erra.
Entre para marcar etapas concluídas e acompanhar seu progresso nesta trilha.
- ArtigoEtapa 1
RAG na prática: monte seu primeiro retriever em Python
Aprenda RAG na prática em Python: chunking, embeddings, busca no Chroma e prompt final, mais os erros que fazem o retriever devolver lixo.
Por que agora: O pipeline inteiro de ponta a ponta, com código que roda.
- LaboratórioEtapa 2
Simulador de Chunking
Ajuste tamanho e sobreposição e veja onde o seu documento é cortado.
Por que agora: Veja com os próprios olhos onde o seu documento está sendo cortado errado.
- ArtigoEtapa 3
Chunking para RAG: 4 estratégias que funcionam
Compare quatro estratégias de chunking para RAG com código: tamanho fixo, parágrafo, recursiva e semântica. Veja quando usar cada uma e como medir.
Por que agora: As estratégias por tipo de documento — e quando cada uma quebra.
- ArtigoEtapa 4
Banco vetorial na prática com pgvector e Postgres
Use pgvector no Postgres como banco vetorial para RAG: tabela, índice HNSW, busca por similaridade, busca híbrida e quando migrar para algo dedicado.
Por que agora: Onde guardar os embeddings, e por que pgvector costuma bastar.
- JogoEtapa 5
Pipeline em Pânico
Roteie registros sujos pelas estações certas antes que a esteira te engula.
Por que agora: A intuição de que dado sujo na entrada vira resposta ruim na saída.
- ArtigoEtapa 6
RAG, fine-tuning ou prompt? Guia de decisão para LLMs
Saiba quando usar prompt, RAG ou fine-tuning em projetos com LLM. Um guia de decisão com critérios, exemplos e armadilhas para não gastar meses à toa.
Por que agora: Fecha a trilha decidindo quando RAG NÃO é a resposta certa.