RAG

RAG (Retrieval-Augmented Generation, ou geração aumentada por recuperação) é uma técnica em que, antes de responder, o sistema busca trechos relevantes em uma base de conhecimento sua e os entrega ao modelo como contexto. Em vez de confiar só no que o modelo "memorizou" no treino, ele responde com base em documentos reais e atuais.

Na prática: você guarda seus documentos como embeddings, e quando chega uma pergunta o sistema recupera os pedaços mais próximos e os injeta no prompt. Por que importa: RAG é o jeito mais comum de fazer uma IA responder sobre os seus dados (manuais, políticas, produtos) sem retreinar nada, e reduz alucinação porque a resposta fica ancorada em fonte. O ponto fraco: a resposta é tão boa quanto a busca — se ela recupera o trecho errado, o modelo responde bem em cima do documento errado.