Como criar um RAG automático com PDFs e páginas web sem treinar uma IA
Publicado em 2026-11-16 por ArduBot
Arquitetura para enviar PDFs e URLs, extrair texto, indexá-lo e consultar uma base de conhecimento por meio de API com citações e atualização.
Você tem dezenas de manuais, fichas técnicas ou páginas que mudam toda semana? O problema não é conseguir um modelo de linguagem: é converter esses arquivos em informações recuperáveis e mantê-las atualizadas. Um RAG automático resolve essa parte sem precisar treinar uma IA para cada novo documento.
O que significa automático em um sistema RAG
RAG (Retrieval-Augmented Generation) recupera fragmentos relacionados a uma pergunta e os entrega como contexto ao modelo. “Automático” deve significar que, ao adicionar, modificar ou excluir uma fonte, o sistema reprocessa o necessário e deixa o índice coerente. Não significa que qualquer PDF produza respostas corretas por mágica.
Imagine uma empresa com políticas de devolução em um PDF, instruções em seu site e uma tabela de compatibilidades. Um cliente pergunta: “Posso devolver este produto aberto?”. O assistente precisa encontrar a regra atual, reconhecer exceções e citar sua origem. Se não houver uma regra aplicável, deve indicá-lo.
Fluxo mínimo: de um documento a uma resposta
1. Carregamento e validação: receber o arquivo ou a URL, verificar tipo, tamanho, autorização e origem. 2. Extração: obter texto de HTML ou PDF. Um documento digitalizado pode exigir OCR; tabelas e colunas precisam de tratamento especial. 3. Fragmentação: dividir por títulos e significado, conservando documento, página, versão e data. Cortar a cada 500 caracteres sem contexto pode separar uma exceção de sua regra. 4. Indexação: gerar embeddings para busca semântica; considerar também busca literal para códigos, nomes e referências exatas. 5. Consulta: filtrar por empresa e permissões antes de buscar, recuperar fragmentos e devolver evidências ordenadas. 6. Resposta opcional: passar essas evidências ao modelo, solicitar citações e permitir “não tenho informações suficientes”.
O índice e o modelo de respostas são serviços distintos. Uma API de recuperação pode entregar os fragmentos relevantes sem redigir uma resposta: assim cada cliente decide se usará seu próprio LLM.
Um contrato de API razoável
Uma interface conceitual de consulta poderia receber:
{
"knowledge_base_id": "manuales-soporte",
"query": "¿Cuál es el plazo para devolver un producto abierto?",
"top_k": 5,
"filters": {"language": "es"}
} E devolver matches com texto, pontuação, nome da fonte, URL ou página e data de revisão. O exemplo não representa um endpoint existente do ArduMaker: ilustra como projetar um serviço que outras aplicações possam consumir.
O identificador da empresa não deveria ser um campo livre que o usuário altere para ver informações alheias: deve ser derivado da credencial autenticada. Além disso, uma pontuação alta de similaridade não garante que o texto contenha a resposta.
O que costuma quebrar o primeiro protótipo
- Uma URL exige login e o crawler captura uma tela vazia. - Duas versões do manual permanecem ativas e produzem respostas contraditórias. - Um PDF com tabelas mistura linhas durante a extração. - O sistema indexa um documento excluído, embora não seja mais visível no painel. - O modelo redige uma resposta segura sem fragmentos que a sustentem.
A correção nem sempre consiste em aumentar o valor de top_k: às vezes é preciso melhorar o parser, adicionar metadados, detectar duplicados ou permitir que o sistema se abstenha.
Como validar o resultado antes de oferecê-lo
Prepare 30 perguntas reais, 10 perguntas sem resposta disponível e 10 com referências exatas. Para cada uma, registre se a fonte correta foi recuperada, se a citação corresponde e se a resposta inventou condições. Meça também o tempo de indexação, a latência da consulta e o custo por documento.
Oportunidade para ArduMaker: estamos avaliando incorporar um nó de RAG automático que permita carregar fontes e consultar resultados por API. Esta é uma proposta em estudo, não uma função anunciada como disponível. Se isso lhe fosse útil, indique quantos documentos você tem, como são atualizados e qual aplicação consumiria a API ao visitar ArduMaker.
Para aprofundar: Introdução ao RAG na Microsoft · RAG básico no ArduMaker.