RAG híbrido: combinar busca semântica e por palavras-chave sem respostas inventadas
Publicado em 2026-10-26 por frfrand
Busca híbrida, filtros e citações para assistentes de IA com documentos
Seu assistente responde muito bem perguntas gerais, mas falha quando perguntam pelo número exato de uma fatura ou o nome de uma função. A busca semântica é boa para significado; a busca por palavras exatas resolve outros casos. Combiná-las costuma funcionar melhor.
Vamos colocar isso na prática: o que significa, como testar e o que acontece quando você usa com clientes ou informações reais. A maioria dos problemas não se resolve com um botão mágico, mas com passos que você pode repetir e medir.
O que é RAG híbrido e por que importa
RAG recupera documentos relevantes e os usa como contexto para responder. A busca híbrida combina sinais léxicos (por exemplo BM25) e vetoriais, e pode utilizar reranking e filtros de permissões. Recuperar texto não garante que o modelo o cite ou interprete corretamente.
Uma coisa é uma demonstração funcionar por cinco minutos e outra é manter um serviço todos os dias. Para isso você precisa de limites, permissões, registros de atividade e procedimentos para resolver falhas sem improvisar.
Exemplo de implementação ou diagnóstico
// Flujo conceptual
pregunta
-> aplicar filtro de Empresa/cliente permitido
-> buscar BM25 por palabras exactas
-> buscar embeddings por similitud semántica
-> fusionar y reordenar resultados
-> pasar fragmentos citables al modelo
-> verificar que la respuesta corresponde a fuentes autorizadasÉ uma referência didática, não um modelo que você deva executar às cegas em produção. Substitua os valores de exemplo, escolha identidades com permissões mínimas e certifique-se de que nenhuma chave sensível termine em um log ou repositório.
Como eu colocaria para funcionar
- Prepare documentos limpos com identificador, data, origem e permissões.
- Indexe o conteúdo para busca léxica e vetorial, salvando referências.
- Teste consultas difíceis: nomes exatos, IDs e perguntas semânticas.
- Fusione os resultados e mostre ao modelo fragmentos com fontes claras.
- Avalie respostas corretas, alucinações e vazamentos entre clientes.
Após cada etapa, verifique um resultado concreto: uma ação autorizada, um status HTTP, uma tarefa processada, um custo registrado ou uma métrica estabelecida. Se algo não funcionar, verifique qual foi a primeira falha antes de tentar novamente em loop.
Um exemplo que pode aparecer em um projeto real
Uma agência quer que um agente consulte documentação de vários projetos. Se o cliente A perguntar sobre uma API dele, o buscador não deve trazer fragmentos internos do cliente B, mesmo que sejam semanticamente parecidos.
Se esse aplicativo tiver vários clientes, separe contextos e recursos. Isso é especialmente importante quando um chatbot ou um agente pode consultar dados: a facilidade de conectar ferramentas não deve pular os limites de privacidade e autorização.
O erro mais comum
Não coloque o filtro de permissões apenas depois de gerar a resposta. Os documentos privados devem ficar fora da recuperação não autorizada desde o início.
Uma configuração com bons padrões ajuda, mas não elimina a necessidade de testes. Para serviços que gravam dados ou disparam ações, considere retentativas, duplicatas e falhas no meio do caminho.
Onde entra o ArduMaker?
Você pode implantar um backend RAG e PostgreSQL no ArduMaker, e integrá-lo com MCP ou Router IA se o design exigir. A qualidade depende de dados, permissões e avaliação, não de mudar apenas o modelo.
Com o ArduMaker você pode hospedar o backend em um VPS, implantar via Git, configurar domínio HTTPS e utilizar ferramentas de bases de dados, serviços e MCP de acordo com o projeto. Isso facilita reunir operações em um ambiente, embora as regras de negócio e de segurança continuem sendo responsabilidade do software.
O que mediria para saber se melhorou
Não mediria apenas «funciona/não funciona». Também revisaria consumo de recursos, erros, tempos de resposta ou gasto de API, conforme a funcionalidade. Defina uma medida de sucesso antes da mudança e compare com o mesmo cenário depois.
Se um dado parecer estranho, verifique a amostra e a janela temporal. Uma média pode esconder casos extremos, e uma única execução bem-sucedida não demonstra que uma automação suporte milhares de solicitações.
Perguntas frequentes
Preciso de uma infraestrutura grande para começar? Não necessariamente. Primeiro resolva o problema com uma arquitetura simples e meça o ponto onde começa a ficar aquém.
O que acontece se o provedor externo falhar? Você precisa de timeouts, política de tentativas e uma resposta útil para o usuário. Não assuma que as APIs externas estão sempre disponíveis.
Como mantenho o controle? Registre eventos importantes, separe permissões e conserve um procedimento testado para desfazer alterações ou recuperar informações.
Referências para seguir
A ideia final: automatizar e medir vale a pena quando você também sabe detectar um erro, limitar seus efeitos e se recuperar.