Boas Práticas de RAG

Para obter os melhores resultados com a indexação e busca semântica, a qualidade dos seus documentos é fundamental. A forma como você estrutura e escreve seus documentos impacta diretamente na capacidade do modelo de recuperar a informação correta.

Estrutura e Tamanho #

Um documento deve representar um trecho limitado e autossuficiente de conhecimento.

• Tamanho ideal: Mantenha documentos entre 20 e 700 palavras.
  • Muito curto (< 20 palavras): Pode não ter contexto suficiente para ser encontrado semanticamente.
  • Muito longo (> 700 palavras): Pode ter seu conteúdo truncado, afetando a qualidade da indexação, ou misturar muitos tópicos diferentes, confundindo a busca.

O que Fazer e O que Evitar #

❌ Não faça #

• Documentos muito curtos ou vazios: Evite criar documentos com 10 ou menos palavras.
• Documentos gigantes: Não envie documentos com milhares de palavras; quebre-os em partes menores.
• Mistura de assuntos: Não fale sobre múltiplas coisas desconexas em um mesmo documento (ex: “Como ligar o carro” e “Preço da gasolina” no mesmo texto).
• Mistura de idiomas: Mantenha o documento em uma única língua para melhor performance do embedding.
• Linguagem implícita: Evite textos onde o sujeito ou contexto não está claro (ex: “Ele é azul” - quem é ele?).
• Linguagem excessivamente técnica: Evite indexar JSONs puros ou logs de código sem explicação textual.

✅ Faça #

• Seja explícito: O documento deve fazer sentido sozinho.
• Foco único: Cada documento deve cobrir um único tópico ou conceito.
• Repetição de palavras-chave: Use termos importantes explicitamente.
  • Exemplo: Prefira “A cor do Honda Civic 2015 é amarela” ao invés de “a cor do carro é amarelo”.
• Linguagem natural: Escreva como um humano falaria ou explicaria o assunto.
• Use Tags: Utilize tags para categorizar seus documentos e facilitar filtros.

Dicas Adicionais #

• Independência de Contexto: Imagine que o documento será lido fora de ordem. Ele ainda faz sentido? Se a resposta for não, reescreva-o para ser independente.
• Metadados: Use o campo de metadados para armazenar informações estruturadas (fonte, autor, data) que não precisam ser pesquisadas semanticamente mas são úteis para referência.
• Chunks: Se você tem um PDF grande, faça o “chunking” (divisão) dele em parágrafos ou seções lógicas antes de indexar.

Seguir essas diretrizes garantirá que o sistema RAG recupere as informações mais relevantes para seus usuários.