Geração aumentada por recuperação (RAG)
A geração aumentada por recuperação (RAG) é uma técnica de IA em que o sistema primeiro recupera trechos relevantes de uma base de conhecimento definida, como guias agronômicos ou regulamentos, e depois faz um modelo de linguagem gerar uma resposta ancorada nesses trechos, muitas vezes com citações.
Também conhecido como: RAG · geração ancorada · IA aumentada por recuperação
Por que isso importa?
Na agricultura e na conformidade, as respostas precisam servir a uma cultura, região, safra ou texto legal específicos. Sozinho, um modelo de linguagem pode produzir orientações fluentes, mas imprecisas. O RAG ancora as respostas em um conjunto curado de conhecimento, como manuais de extensão rural, boas práticas agrícolas, padrões de certificação ou a EUDR (Regulamento da UE sobre Desmatamento), que pode ser atualizado sem retreinar o modelo. A abordagem foi descrita em uma pesquisa de Lewis e colegas (2020).
Como funciona?
- Construir a base de conhecimento: reunir e revisar documentos, dividi-los em trechos e indexá-los.
- Recuperar: para cada pergunta, encontrar os trechos mais relevantes, muitas vezes por busca semântica.
- Gerar: entregar os trechos e a pergunta a um modelo de linguagem, instruindo-o a responder com base neles.
- Citar e avaliar: mostrar as fontes, testar as respostas com perguntas revisadas por especialistas e coletar o feedback dos usuários.
Erros comuns
- Uma base de conhecimento desatualizada ou não adaptada às condições locais.
- Misturar fontes de confiabilidade diferente sem hierarquizá-las.
- Nenhum conjunto de avaliação, de modo que a qualidade é desconhecida.
- Respostas em um idioma ou nível de leitura que os produtores não usam.
O agrônomo de IA da Farmer1st usa respostas ancoradas em conhecimento agronômico revisado para apoiar os produtores e as equipes que trabalham com eles.
Perguntas frequentes
Por que usar RAG em vez de um chatbot genérico?
Um modelo genérico responde com base no que aprendeu no treinamento, o que pode estar desatualizado, ser genérico ou estar errado para o contexto local. O RAG restringe as respostas a fontes validadas e atuais e permite mostrar qual fonte sustenta a resposta.
O RAG elimina os erros da IA?
Não. Ele reduz as respostas sem fundamento, mas depende da qualidade e da cobertura da base de conhecimento, da etapa de recuperação e da avaliação. A revisão humana e os ciclos de feedback continuam importantes.
Conte-nos sobre sua cadeia de suprimentos.
Dez minutos com nosso assistente de escopo. Voltamos com um primeiro esboço do seu serviço.
