RAG
Técnica que dá ao LLM acesso a informação externa: busca documentos relevantes na hora da pergunta e injeta no prompt, ancorando a resposta em dados verificáveis.
RAG (Retrieval-Augmented Generation, ou Geração Aumentada por Recuperação) combina um sistema de busca com a geração de um LLM. Em vez de depender só do que o modelo memorizou no treino, você recupera, no momento da pergunta, os trechos mais relevantes de uma base externa e os entrega ao modelo como contexto.
Por que importa: reduz alucinações, permite usar dados privados/atualizados da empresa e cita fontes — tudo sem precisar retreinar o modelo. É o padrão por trás da maioria dos assistentes que “respondem sobre os seus documentos”.
O fluxo típico: a pergunta vira um embedding, busca-se por similaridade num banco vetorial, e os resultados entram no prompt do LLM.