Pular para o conteúdo
ReviewRamble

A newsletter semanal

IA, analisada, na sua caixa de entrada.

  • Novas análises de ferramentas, modelos, servidores MCP e repositórios, com o veredicto logo no início
  • Preços e notas reconferidos quando algo muda
  • Novos artigos de análise assim que são publicados

Modelos, agentes, servidores MCP e as ferramentas que realmente valem seu tempo.

Um e-mail por semana. Cancele pelo link em qualquer edição. Como usamos seu e-mail

Grafo de conhecimento

Um grafo de conhecimento (knowledge graph) guarda informações como entidades (pessoas, produtos, lugares, conceitos) conectadas por relações nomeadas, para que um software possa seguir as ligações entre fatos em vez de buscar em texto solto.

Também chamado: KG

Por Divya Sharma · Verificado em 15 de nov. de 2026 · Como analisamos

Em um grafo de conhecimento, "Acme Corp", "Jane Doe" e "Berlim" são nós, e as arestas dizem como eles se relacionam: Jane Doe trabalha na Acme Corp, a Acme Corp fica em Berlim. Os fatos muitas vezes são escritos como triplas de sujeito, relação e objeto. Bancos de dados de grafos como o Neo4j e padrões como RDF e SPARQL são formas comuns de guardá-los e consultá-los.

Por que isso importa para a IA

A busca vetorial encontra passagens que soam como a pergunta. Ela é mais fraca em perguntas que exigem vários saltos, como "quais fornecedores do nosso escritório de Berlim também atendem nossos concorrentes?". Um grafo consegue responder a isso seguindo as arestas. Os grafos também dão ao modelo fatos limpos e estruturados para ancorar sua resposta, o que pode reduzir a alucinação.

Como são construídos

Grafos selecionados são construídos à mão ou a partir de dados estruturados. Abordagens mais novas usam um LLM para extrair entidades e relações de documentos automaticamente, que é o primeiro passo do GraphRAG. Erros de extração e entidades duplicadas ("IBM" vs "International Business Machines") são os problemas habituais.

Grafo de conhecimento vs base de conhecimento

Uma base de conhecimento é qualquer coleção de informações que um sistema pode usar. Um grafo de conhecimento é uma forma de estruturá-la, com ligações explícitas entre entidades.

O guia de grafos de conhecimento compara ferramentas, e sistemas de memória de agente também guardam cada vez mais fatos como grafos.

Termos relacionados

GraphRAG
GraphRAG é uma abordagem de recuperação em que um LLM primeiro constrói um grafo de conhecimento a partir de uma coleção de documentos e escreve resumos de grupos de entidades relacionadas, e depois responde a perguntas usando esses resumos e as ligações do grafo.
Base de conhecimento (IA)
Em apps de IA, uma base de conhecimento (knowledge base) é a coleção de documentos e dados que um assistente ou agente consulta para responder a perguntas, como artigos de ajuda, políticas ou documentação de produto, mantida separada do próprio modelo.
Retrieval-augmented generation
Retrieval-augmented generation (RAG, geração aumentada por recuperação) é um padrão em que um sistema primeiro busca em uma coleção de documentos os trechos relevantes para uma pergunta e depois entrega esses trechos a um modelo de linguagem para que a resposta se baseie neles.
Memória de agente
Memória de agente é o conjunto de técnicas que permitem a um agente de IA guardar informações além de uma única janela de contexto, como fatos sobre um usuário ou trabalhos anteriores, armazenando-as fora do modelo e carregando-as de volta quando necessário.
Grounding
Grounding (ancoragem) é ligar a resposta de um modelo de linguagem a fontes específicas e verificáveis, como resultados de busca, documentos ou um banco de dados, para que suas afirmações se apoiem em evidências fornecidas, e não apenas nos dados de treinamento.

Fontes