RAG e recuperação · Concluído
Sistema híbrido RAG e CAG para chat contextual
Sistema de IA com arquiteturas RAG e CAG para processar dados não estruturados e gerar respostas contextuais via API da OpenAI. Busca vetorial em FAISS, validação anti-alucinação com prompts auxiliares, logging de interações e persistência em banco.
Contexto
O cenário antes da solução
Projeto pessoal para explorar arquiteturas híbridas de RAG e CAG sobre dados não estruturados.
Gerar respostas contextuais com qualidade, controlando alucinações e mantendo observabilidade das interações.
Meu papel
O que eu planejei, desenvolvi e implantei
Projeto pessoal: desenvolvimento ponta a ponta.
Arquitetura
Como o sistema funciona
API → embeddings → busca vetorial em FAISS → contexto via Redis → geração com OpenAI → validação anti-alucinação com prompts auxiliares → logging → persistência em MySQL.
Decisões
Escolhas e trade-offs
Uso de FAISS para busca vetorial local, Redis para cache de contexto e prompts auxiliares para validação anti-alucinação.
Desafios
Problemas encontrados
Validação anti-alucinação e manutenção de contexto coerente em sessões longas.
Resultados
O que foi alcançado
Sistema funcional com busca vetorial em FAISS, cache de contexto em Redis, validação anti-alucinação por prompts auxiliares e logging de interações persistido em MySQL.
Aprendizados
Aprendizados e evolução
O projeto serviu de base para a evolução posterior em direção a arquiteturas RAG multifonte aplicadas em produção.