LLM

RAG

Também conhecido como: Retrieval-Augmented Generation

Arquitetura em que um LLM recupera trechos de uma base externa antes de gerar a resposta, aumentando precisão e citabilidade.

Explicação

Primeiro busca, depois escreve. É por isso que a forma do seu conteúdo — e não só a qualidade — determina se ele entra na resposta.

Representações vetoriais de texto que permitem a modelos comparar significado e recuperar trechos semanticamente similares.

Divisão do conteúdo em blocos autossuficientes, otimizados para recuperação e citação por sistemas de IA.

Conjunto de práticas para aumentar a probabilidade do seu conteúdo ser recuperado, sintetizado e citado por motores generativos.

Prática de projetar instruções para modelos de linguagem, maximizando qualidade, previsibilidade e citação de fontes.