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.
Também chamado: RAG
Por Divya Sharma · Verificado em 15 de nov. de 2026 · Como analisamos
Um modelo de linguagem só sabe o que estava nos seus dados de treinamento, até o seu knowledge cutoff. Ele não vê a wiki da sua empresa, os tickets da semana passada nem um contrato assinado ontem. O RAG fecha essa lacuna sem novo treinamento: você busca o texto certo na hora da pergunta e o coloca no prompt.
Como funciona
De antemão, os documentos são divididos por chunking, transformados em vetores por um modelo de embedding e armazenados em um banco de dados vetorial. Quando chega uma pergunta, o sistema gera o embedding dela, recupera os chunks mais próximos, muitas vezes os reordena com um reranker, e passa os primeiros ao modelo com a instrução de responder com base neles.
O artigo de 2020 que deu nome à ideia juntou um gerador de texto treinado com um índice pesquisável da Wikipedia. A maioria dos sistemas RAG hoje dispensa esse treinamento conjunto e conecta um modelo pronto a um retriever separado.
Exemplo
Um bot de suporte recebe "Posso mudar meu plano no meio do mês?" Ele recupera o parágrafo da política de cobrança e o FAQ dos planos, e o modelo responde com base neles, citando os dois.
Limites
O RAG só é tão bom quanto a sua recuperação. Se o trecho certo nunca é encontrado, o modelo pode preencher a lacuna com uma alucinação. Ele também tem dificuldade com perguntas sobre um corpus inteiro, como "quais são os temas principais?", que é o caso que o GraphRAG ataca. As ferramentas de cada etapa são comparadas no guia do AI stack.
Termos relacionados
- Banco de dados vetorial
- Um banco de dados vetorial (vector database) armazena embeddings junto com seus registros de origem e encontra os vetores guardados mais próximos de um vetor de consulta, geralmente com um índice aproximado para que a busca continue rápida em milhões de itens.
- Alucinação (IA)
- Uma alucinação (hallucination) é uma saída de um modelo de IA que soa fluente e confiante, mas é falsa, não tem apoio nas fontes ou foi inventada, como uma citação, uma frase, uma estatística ou uma função de API que não existem.
- Embedding
- Um embedding (representação vetorial) é uma lista de números (um vetor) que representa um trecho de texto, uma imagem ou outros dados, produzida de forma que itens com significado parecido acabem com vetores próximos entre si.
- Chunking
- Chunking (divisão em trechos) é a etapa que divide documentos longos em passagens menores antes de gerar seus embeddings e indexá-los, para que um sistema de recuperação possa encontrar e devolver apenas as partes de um documento que respondem a uma consulta.
- Reranking
- Reranking (reordenação) é uma segunda etapa de busca que pega uma lista curta de documentos candidatos e os reordena por relevância para a consulta, usando um modelo mais preciso, porém mais lento, que o da primeira busca.
- RAG agêntico
- RAG agêntico (agentic RAG) é a geração aumentada por recuperação conduzida por um agente de IA que decide quando buscar, o que buscar e qual fonte usar, e pode buscar de novo se os primeiros resultados não bastarem.