O que É RAG? Como a IA Responde com Base nos Seus Documentos

Pergunte a um chatbot sobre a política de reembolso da sua empresa e você vai receber uma resposta confiante que não tem nada a ver com ela. O modelo nunca viu essa política: ele aprendeu com um retrato de textos públicos que para numa data de corte. A geração aumentada por recuperação (em inglês, "retrieval-augmented generation"), quase sempre chamada só de RAG, é a solução padrão. Antes de o modelo responder, uma etapa de busca encontra os trechos relevantes nos seus próprios documentos e os entrega junto com a pergunta. Este guia explica o que é RAG em linguagem simples, como funciona, quando é melhor do que o fine-tuning ou do que colar tudo no chat, como usar sem programar e onde ainda dá errado.

O que RAG significa em linguagem simples

RAG é uma prova com consulta para um modelo de IA. Sem ela, o modelo responde de memória: com os padrões que absorveu durante o treinamento. Com ela, o modelo primeiro recebe algumas páginas do livro certo e só então responde usando essas páginas. O nome lista as três partes na ordem: recuperação (encontrar o texto relevante), aumento (acrescentá-lo ao prompt) e geração (escrever a resposta).

O termo vem de um artigo de 2020 de Patrick Lewis e colegas do Facebook AI Research, da University College London e da New York University, que combinaram um modelo de linguagem com um índice pesquisável da Wikipédia e obtiveram respostas mais precisas e específicas do que com o modelo sozinho. A ideia se espalhou porque resolvia três problemas de uma vez:

• Conhecimento privado: o modelo pode usar seus manuais, contratos e wikis sem ser retreinado com eles.
• Conhecimento atualizado: você atualiza um documento e a próxima resposta já reflete a mudança.
• Respostas rastreáveis: como a resposta vem de trechos específicos, a ferramenta pode mostrar quais foram.

Também ajuda com as alucinações de IA. Um modelo com os fatos à sua frente tem menos motivo para inventá-los, embora, como você vai ver mais abaixo, "menos" não seja "nunca".

Como o RAG funciona, passo a passo

Todo sistema de RAG segue o mesmo fluxo: uma parte acontece com antecedência, outra toda vez que alguém faz uma pergunta.

Preparação (feita uma vez e depois mantida em dia):

1. Reunir os documentos: PDFs, páginas da web, artigos de ajuda, transcrições.
2. Dividi-los em pedaços (chunks): trechos de algumas centenas de palavras, porque um modelo trabalha melhor com cinco parágrafos relevantes do que com cinquenta arquivos inteiros.
3. Criar embeddings: cada pedaço vira uma longa lista de números que representa o seu significado. Trechos sobre assuntos parecidos recebem números parecidos, mesmo quando usam palavras diferentes.
4. Guardá-los num índice: normalmente um banco de dados vetorial, muitas vezes ao lado de um índice clássico por palavras-chave.

Na hora da pergunta:

1. Buscar: a pergunta também é transformada em embedding, e o sistema encontra os pedaços mais próximos. Muitos sistemas fazem ainda uma busca por palavras-chave, que pega termos exatos como códigos de produto.
2. Selecionar: as melhores correspondências, geralmente de 5 a 20 pedaços, são escolhidas e às vezes reordenadas por um segundo modelo, chamado reranker.
3. Montar o prompt: os pedaços são inseridos no prompt com instruções como "responda usando apenas estas fontes".
4. Gerar: o modelo escreve a resposta, de preferência citando os pedaços que usou.

O prompt oculto que o modelo recebe é mais ou menos assim:

O truque é só esse. O RAG não muda o modelo; muda o que o modelo vê. Por isso costuma ser descrito como uma parte da engenharia de contexto: decidir o que entra na janela de contexto do modelo a cada solicitação.

RAG vs. fine-tuning vs. janela de contexto longa

O RAG não é a única forma de dar ao modelo o seu conhecimento, e cada opção serve para um trabalho diferente.

• O fine-tuning retreina o modelo com exemplos. É bom para ensinar um comportamento, como o estilo da casa ou um formato de saída fixo. É ruim para ensinar fatos: eles se diluem no modelo, não podem ser citados e ficam desatualizados assim que algo muda.
• Uma janela de contexto longa significa colar tudo no chat. Para um conjunto pequeno e estável de documentos, muitas vezes é a opção mais simples. A orientação da Anthropic é que, se uma base de conhecimento tem menos de uns 200.000 tokens (cerca de 500 páginas), você pode incluí-la inteira e usar o cache de prompt para manter o custo baixo.
• O RAG recupera só o que é relevante para cada pergunta. Ele vence quando o material é grande demais para colar, muda com frequência, exige permissões por usuário ou precisa vir com citações.

Uma regra prática: fine-tuning para como o modelo deve responder, RAG para o que ele deve saber e contexto longo para trabalhos pequenos. Não sabe o tamanho do seu material? Cole uma amostra no nosso contador de tokens e multiplique.

Onde você já usa RAG

Você provavelmente usou RAG esta semana sem perceber. Qualquer recurso de IA que lê alguma coisa antes de responder está fazendo uma versão disso:

• Busca com IA: o Perplexity, a busca do ChatGPT e as Visões Gerais criadas por IA do Google pesquisam na web, leem os primeiros resultados e escrevem uma resposta com links. Nosso guia de como usar o Perplexity mostra como tirar o máximo dele.
• Conversar com seus arquivos: enviar PDFs para um projeto do ChatGPT ou do Claude, ou para um Gem do Gemini. Com arquivos grandes, a ferramenta busca as partes relevantes em vez de ler todas as páginas a cada vez.
• NotebookLM: o caderno de pesquisa do Google responde só com base nas fontes que você adiciona e mostra uma citação para cada afirmação. É o exemplo mais claro de RAG para o público em geral.
• Assistentes de trabalho: o Microsoft 365 Copilot e ferramentas parecidas recuperam informações dos seus e-mails, arquivos e chats, filtradas pelo que você tem permissão para ver.

Então, quando uma ferramenta de busca com IA erra, a culpa muitas vezes é da recuperação (uma página fraca ou desatualizada), não do raciocínio do modelo. Confira as fontes primeiro.

Como configurar RAG sem escrever código

Para a maioria das pessoas, "fazer RAG" não significa construir um banco de dados vetorial. Significa escolher uma ferramenta que faça a recuperação por você e alimentá-la com boas fontes.

• Escolha o recipiente certo: o NotebookLM para pesquisar em muitos documentos (nosso guia de como usar o NotebookLM mostra o passo a passo), um projeto no ChatGPT ou no Claude para trabalhos contínuos, ou um GPT personalizado com arquivos de conhecimento se você quiser compartilhar o assistente.
• Faça curadoria, não despejo: dez documentos atuais valem mais do que 200 que incluem três versões da mesma política. Apague os arquivos substituídos; o sistema não sabe qual versão é a oficial.
• Deixe os documentos fáceis de pesquisar: títulos claros, um assunto por arquivo, nomes descritivos ("Política de reembolso de despesas 2026 – Brasil", não "final_v3.pdf") e datas dentro do texto. Páginas escaneadas sem texto legível são invisíveis para a maioria das ferramentas.
• Escreva instruções para o assistente: diga para responder só com base nos arquivos, citá-los e admitir lacunas. Nosso gerador de system prompt dá uma estrutura para você começar.

Um bom conjunto de instruções para um assistente de documentos:

Prompts que tiram respostas melhores das ferramentas de RAG

A recuperação é guiada pela sua pergunta: o sistema busca usando o que você digita, então uma pergunta vaga recupera trechos vagos. Alguns hábitos ajudam:

• Use o vocabulário dos documentos: se o manual fala em "férias anuais", esse termo recupera melhor do que "dias de folga".
• Pergunte uma coisa de cada vez: uma pergunta com três partes divide a busca em três. Três perguntas geram três boas recuperações.
• Peça citações literais: pedir a frase exata deixa a resposta mais fácil de verificar e mais difícil de enfeitar.
• Pergunte o que está faltando: uma boa resposta de RAG avisa quando as fontes não dizem nada. Deixe isso explícito.

Este prompt funciona em quase qualquer ferramenta que responde com base nos seus arquivos ou na web:

Por que as respostas com RAG ainda dão errado

O RAG reduz erros, mas cria um novo lugar onde eles podem acontecer: a busca. Uma resposta errada geralmente é um destes casos:

• O trecho certo não foi recuperado: a busca não o encontrou, e o modelo respondeu com base num trecho quase certo ou de memória. É a falha mais comum.
• O trecho foi cortado ao meio: "O reembolso pode ser pedido em até 30 dias" caiu num pedaço, e "exceto para itens em promoção", no seguinte.
• A fonte estava desatualizada: uma versão antiga foi recuperada e citada fielmente.
• O modelo misturou fontes: juntou fatos recuperados com seus dados de treinamento, ou fundiu duas fontes numa só afirmação.
• A citação não sustenta a afirmação: o trecho indicado diz algo ligeiramente diferente. As citações mostram onde conferir; não provam que a resposta está certa.

Quando algo parecer estranho, peça para a ferramenta mostrar o raciocínio:

Construindo um app de RAG: as decisões que importam

Se a sua equipe está construindo um sistema de RAG, o modelo raramente é o elo fraco. A qualidade vem de um punhado de escolhas pouco glamorosas:

• Divisão em pedaços (chunking): pequenos demais, os pedaços perdem contexto; grandes demais, diluem a correspondência. Dividir por títulos e seções costuma funcionar melhor do que cortar a cada N caracteres, e uma pequena sobreposição evita que as regras fiquem separadas das suas exceções.
• Contexto para cada pedaço: "o limite é de R$ 2.500" não serve para nada sem saber a qual política pertence. A recuperação contextual da Anthropic acrescenta uma nota curta sobre onde cada pedaço se encaixa no documento antes de indexá-lo. Nos testes deles, combinada com busca por palavras-chave, ela reduziu as recuperações falhas em 49%, e em 67% com reranking.
• Busca híbrida: os embeddings resolvem "como eu pego meu dinheiro de volta?"; a busca por palavras-chave resolve "código de erro E-4012". Use as duas.
• Metadados e permissões: guarde datas, responsáveis e direitos de acesso com cada pedaço, para filtrar pelos mais recentes e nunca mostrar a alguém um trecho que não deveria ver.
• Avaliação: reúna de 50 a 100 perguntas reais com respostas conhecidas e meça duas coisas separadamente: a recuperação encontrou os trechos certos? E a resposta se manteve fiel a eles?

Configurações mais avançadas deixam o modelo decidir quando e o que buscar, ou fazer várias buscas seguidas. É aí que o RAG começa a se sobrepor aos agentes de IA: a recuperação vira uma ferramenta entre outras, em vez de uma etapa fixa.

O que o RAG não consegue fazer

O RAG é a forma mais prática de conectar a IA a conhecimento real, mas costuma ser superestimado. Limites que vale conhecer:

• Não elimina as alucinações: só as reduz. Os modelos ainda leem errado e exageram as fontes, principalmente quando a recuperação traz resultados fracos.
• Não responde perguntas sobre tudo ao mesmo tempo: "Quantos dos nossos 3.000 contratos têm cláusula de multa?" exige ler todos os documentos, não os dez melhores trechos. Contagens, totais e listas completas precisam de uma consulta a banco de dados ou de uma passada documento por documento.
• Seus documentos definem o teto: fontes erradas ou desatualizadas geram respostas erradas ou desatualizadas, entregues com a mesma confiança.
• Fornece fatos, não habilidades: o texto recuperado não muda a forma como o modelo escreve ou raciocina. O estilo vem das instruções, dos exemplos ou do fine-tuning.
• O texto recuperado pode trazer ataques: uma página da web ou um arquivo compartilhado pode esconder instruções dirigidas ao modelo, a chamada injeção de prompt (prompt injection). Trate o conteúdo recuperado como dados, não como comandos.
• Precisa de manutenção: os documentos mudam e os índices ficam desatualizados. Um sistema de RAG é uma biblioteca que precisa de bibliotecário, não uma instalação única.

A ideia central vale a pena mesmo que você nunca construa um: um modelo responde bem quando os fatos certos estão à sua frente, e o RAG é o mecanismo para encontrá-los. Dê a ele boas fontes, faça perguntas precisas e confira as citações em tudo o que for importante.

Referências

• Lewis et al. — Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks (arXiv, em inglês)
• Anthropic — Introducing Contextual Retrieval (em inglês)
• Prompt Engineering Guide (DAIR.AI) — Geração com Recuperação Aprimorada (RAG)