RAG (Retrieval-Augmented Generation, ou geração aumentada por recuperação) é a técnica de dar a um modelo de IA acesso a uma base de conhecimento externa no momento de responder. Em vez de depender só do que o modelo "decorou" no treinamento, o sistema busca os trechos mais relevantes nos seus documentos e os injeta no prompt, para que a resposta seja baseada em dados reais e atualizados.
Por que importa
Modelos de linguagem alucinam: inventam fatos com confiança. O RAG reduz esse risco ancorando a resposta em fontes concretas, e ainda permite que a IA responda sobre informações que ela nunca viu no treino, como os manuais, contratos ou o histórico de suporte da sua empresa, sem precisar retreinar o modelo.
Na prática
Um fluxo RAG típico indexa seus documentos em um banco vetorial, transforma a pergunta do usuário em uma busca por similaridade, recupera os trechos mais próximos e os entrega ao modelo junto da pergunta. É a base da maioria dos assistentes corporativos e das buscas internas com IA. A qualidade do RAG depende mais dos dados e da recuperação do que do modelo em si.