Trilha de RAG

Aulas da trilha de RAG em ordem de estudo, do que é um LLM até a avaliação de um sistema.

1. 1
   LidaLLMs: como um modelo lê texto e por que o contexto limita

   Como um LLM lê e escreve em tokens, o que é a janela de contexto e por que ele não conhece os seus dados nem para de inventar com segurança.
2. 2
   LidaPrompt e contexto: montando o que vai para o modelo

   Como montar instruções, exemplos e material de referência para o modelo citar a fonte e dizer quando não sabe a resposta.
3. 3
   LidaEmbeddings: texto que vira vetor com significado

   Como transformar um texto em números que carregam significado, de modo que textos parecidos fiquem perto uns dos outros no espaço.
4. 4
   LidaSimilaridade entre vetores: quando dois vetores são parecidos

   Como o computador decide que dois vetores são parecidos, com as três medidas usadas (euclidiana, produto escalar e cosseno) e quando cada uma serve.
5. 5
   LidaBusca vetorial: achando vizinhos entre milhões de vetores

   Como achar os vetores mais próximos de uma consulta quando existem milhões deles, com índices aproximados como IVF, HNSW e quantização.
6. 6
   LidaBanco de dados vetorial: guardando, atualizando e filtrando vetores

   O que um banco de dados vetorial guarda, como mantém o índice atualizado com filtros e quando vale usar um dedicado em vez de uma extensão.
7. 7
   LidaChunking: cortando documentos em pedaços que fazem sentido

   Como cortar documentos grandes em pedaços que cabem no contexto e ainda fazem sentido sozinhos, e como medir se o corte funciona.
8. 8
   LidaIngestão de documentos: de PDFs e páginas a pedaços atualizados

   Como transformar PDFs, páginas web e notas em texto limpo indexado, e como manter o índice atualizado quando os documentos mudam.
9. 9
   LidaBusca híbrida: quando a busca por significado erra siglas e nomes

   O que fazer quando a busca por significado erra siglas, códigos e nomes próprios, combinando-a com a busca por palavras.
10. 10
    LidaReranking: reordenando candidatos antes de entregá-los ao modelo

    Como melhorar a ordem dos resultados com uma segunda leitura mais precisa, e quantos candidatos e pedaços vale usar em cada etapa.
11. 11
    LidaRAG: o pipeline completo e onde ele costuma quebrar

    O que é RAG (geração aumentada por busca), como o pipeline completo funciona, como montar o prompt com citação e recusa, e onde ele falha.
12. 12
    LidaAvaliação de RAG: como saber se o sistema está bom

    Como medir se um RAG acerta, se as respostas se apoiam nos trechos recuperados e se uma mudança melhorou ou piorou o resultado.