Embeddings

Embeddings transformam conteúdo em vetores.

Um embedding é uma representação numérica criada por um modelo para capturar características semânticas de um conteúdo. Textos com significados semelhantes tendem a produzir vetores próximos em determinado espaço matemático.

Isso permite buscar por significado em vez de depender apenas de palavras idênticas.

INTUIÇÃO

Document → Embedding Model → Vector

Um documento, frase, imagem ou outro objeto é enviado a um modelo de embeddings, que devolve uma lista de números. Essa lista não é legível para humanos, mas pode ser comparada matematicamente com outras representações.

RAG

Por que embeddings aparecem tanto em RAG

Durante a preparação da base, chunks podem ser convertidos em embeddings. Quando uma pergunta chega, ela também é convertida em vetor. O sistema procura os chunks cujos vetores são mais próximos do vetor da pergunta.

Embeddings não são a única forma de retrieval: busca lexical, filtros e estratégias híbridas podem ser combinados para melhorar precisão.

DESIGN

Qualidade depende do modelo e do domínio

Um embedding model define como os conteúdos são representados. Modelos, idiomas, tamanho de chunk e características do domínio podem alterar significativamente a qualidade da recuperação.

Por isso, vector search deve ser avaliado com consultas representativas do uso real.