{"id":31667,"date":"2023-10-23T19:46:09","date_gmt":"2023-10-23T19:46:09","guid":{"rendered":"https:\/\/meetcody.ai\/blog\/o-que-e-a-estrutura-da-api-rag-e-como-funciona\/"},"modified":"2024-06-10T10:44:16","modified_gmt":"2024-06-10T10:44:16","slug":"o-que-e-a-estrutura-da-api-rag-e-como-funciona","status":"publish","type":"post","link":"https:\/\/meetcody.ai\/pt-br\/blog\/o-que-e-a-estrutura-da-api-rag-e-como-funciona\/","title":{"rendered":"O que \u00e9 a API RAG e como ela funciona?"},"content":{"rendered":"<p><span style=\"font-weight: 400;\">A capacidade de recuperar e processar dados de forma eficiente tornou-se um fator de mudan\u00e7a na atual era de tecnologia intensiva.  <\/span><span style=\"font-weight: 400;\">Vamos explorar a forma como a API RAG redefine o processamento de dados. Esta abordagem inovadora combina as capacidades dos modelos de linguagem de grande dimens\u00e3o (LLM) com t\u00e9cnicas baseadas na recupera\u00e7\u00e3o para revolucionar a recupera\u00e7\u00e3o de dados.  <\/span><\/p>\n<h2>O que s\u00e3o Modelos de Linguagem de Grande Porte (LLMs)?<\/h2>\n<p>Os LLMs (Large Language Models) s\u00e3o sistemas avan\u00e7ados de intelig\u00eancia artificial que servem como base para a RAG (Retrieval-Augmented Generation). Os LLM, como o GPT (Generative Pre-trained Transformer), s\u00e3o modelos de IA altamente sofisticados e orientados para a linguagem. Foram treinados em conjuntos de dados extensos e podem compreender e gerar texto semelhante ao humano, o que os torna indispens\u00e1veis para v\u00e1rias aplica\u00e7\u00f5es.<\/p>\n<p><iframe loading=\"lazy\" title=\"How Large Language Models Work\" width=\"1200\" height=\"675\" src=\"https:\/\/www.youtube.com\/embed\/5sLYAQS9sWQ?feature=oembed\" frameborder=\"0\" allow=\"accelerometer; autoplay; clipboard-write; encrypted-media; gyroscope; picture-in-picture; web-share\" allowfullscreen><\/iframe><\/p>\n<p>No contexto da API RAG, estes LLMs desempenham um papel central na melhoria da recupera\u00e7\u00e3o, processamento e gera\u00e7\u00e3o de dados, tornando-a uma ferramenta vers\u00e1til e poderosa para otimizar as interac\u00e7\u00f5es de dados.<\/p>\n<p><em>Vamos simplificar o conceito de API RAG para si.<\/em><\/p>\n<h2><b>O que \u00e9 RAG?<\/b><\/h2>\n<p><span style=\"font-weight: 400;\">RAG, ou Retrieval-Augmented Generation, \u00e9 um quadro concebido para otimizar a IA generativa. O seu principal objetivo \u00e9 garantir que as respostas geradas pela IA n\u00e3o s\u00f3 est\u00e3o actualizadas e s\u00e3o relevantes para o pedido de entrada, como tamb\u00e9m s\u00e3o exactas. Esta \u00eanfase na exatid\u00e3o \u00e9 um aspeto fundamental da funcionalidade da API RAG. \u00c9 uma forma inovadora de processar dados usando programas de computador super inteligentes chamados Modelos de Linguagem Grandes (LLMs), como o GPT.<\/span><\/p>\n<p><iframe loading=\"lazy\" title=\"What is Retrieval-Augmented Generation (RAG)?\" width=\"1200\" height=\"675\" src=\"https:\/\/www.youtube.com\/embed\/T-D1OfcDW1M?feature=oembed\" frameborder=\"0\" allow=\"accelerometer; autoplay; clipboard-write; encrypted-media; gyroscope; picture-in-picture; web-share\" allowfullscreen><\/iframe><\/p>\n<p><span style=\"font-weight: 400;\">Estes LLMs s\u00e3o como feiticeiros digitais que conseguem prever as palavras que v\u00eam a seguir numa frase, compreendendo as palavras que as precedem. Aprenderam com toneladas de textos, por isso conseguem escrever de uma forma que soa muito humana.  <\/span><span style=\"font-weight: 400;\">Com o RAG, pode utilizar estes assistentes digitais para o ajudar a encontrar e trabalhar com dados de forma personalizada. \u00c9 como ter um amigo muito inteligente que sabe tudo sobre dados a ajud\u00e1-lo!<\/span><\/p>\n<p>Essencialmente, o RAG injeta dados recuperados por meio de pesquisa sem\u00e2ntica na consulta feita ao LLM para refer\u00eancia. Vamos nos aprofundar nessas terminologias mais adiante neste artigo.<\/p>\n<p><img loading=\"lazy\" decoding=\"async\" class=\"aligncenter wp-image-37173 size-large\" src=\"https:\/\/meetcody.ai\/wp-content\/uploads\/2023\/10\/Screenshot-2024-06-10-at-4.05.47%E2%80%AFPM-1024x556.png\" alt=\"Processo do RAG API\" width=\"1024\" height=\"556\"><\/p>\n<p>Para saber mais sobre o RAG em detalhes, confira este artigo abrangente da <a href=\"https:\/\/docs.cohere.com\/docs\/retrieval-augmented-generation-rag\">Cohere<\/a><\/p>\n<h2><b>RAG vs. ajuste fino: Qual \u00e9 a diferen\u00e7a?<\/b><\/h2>\n<table>\n<thead>\n<tr>\n<th bgcolor=\"black\"><b>Aspeto<\/b><\/th>\n<th bgcolor=\"black\"><b>API RAG<\/b><\/th>\n<th bgcolor=\"black\"><b>Afina\u00e7\u00e3o<\/b><\/th>\n<\/tr>\n<\/thead>\n<tbody>\n<tr>\n<td><b>Abordagem<\/b><\/td>\n<td><span style=\"font-weight: 400;\">Aumenta os LLMs existentes com o contexto da sua base de dados<\/span><\/td>\n<td><span style=\"font-weight: 400;\">Especializa o LLM para tarefas espec\u00edficas<\/span><\/td>\n<\/tr>\n<tr>\n<td><b>Recursos inform\u00e1ticos<\/b><\/td>\n<td><span style=\"font-weight: 400;\">Requer menos recursos computacionais<\/span><\/td>\n<td><span style=\"font-weight: 400;\">Exige recursos computacionais substanciais<\/span><\/td>\n<\/tr>\n<tr>\n<td><b>Requisitos de dados<\/b><\/td>\n<td><span style=\"font-weight: 400;\">Adequado para conjuntos de dados mais pequenos<\/span><\/td>\n<td><span style=\"font-weight: 400;\">Requer grandes quantidades de dados<\/span><\/td>\n<\/tr>\n<tr>\n<td><b>Especificidade do modelo<\/b><\/td>\n<td><span style=\"font-weight: 400;\">Agn\u00f3stico em rela\u00e7\u00e3o ao modelo; pode mudar de modelo conforme necess\u00e1rio<\/span><\/td>\n<td><span style=\"font-weight: 400;\">Espec\u00edfico do modelo; normalmente \u00e9 bastante entediante mudar de LLM<\/span><\/td>\n<\/tr>\n<tr>\n<td><b>Adaptabilidade do dom\u00ednio<\/b><\/td>\n<td><span style=\"font-weight: 400;\">Independente do dom\u00ednio, vers\u00e1til em v\u00e1rias aplica\u00e7\u00f5es<\/span><\/td>\n<td><span style=\"font-weight: 400;\">Pode ser necess\u00e1rio adapt\u00e1-lo a diferentes dom\u00ednios<\/span><\/td>\n<\/tr>\n<tr>\n<td><b>Redu\u00e7\u00e3o das alucina\u00e7\u00f5es<\/b><\/td>\n<td><span style=\"font-weight: 400;\">Reduz eficazmente as alucina\u00e7\u00f5es<\/span><\/td>\n<td><span style=\"font-weight: 400;\">Pode ter mais alucina\u00e7\u00f5es se n\u00e3o for cuidadosamente afinada<\/span><\/td>\n<\/tr>\n<tr>\n<td><b>Casos de utiliza\u00e7\u00e3o comuns<\/b><\/td>\n<td><span style=\"font-weight: 400;\">Ideal para sistemas de perguntas e respostas (QA), v\u00e1rias aplica\u00e7\u00f5es<\/span><\/td>\n<td><span style=\"font-weight: 400;\">Tarefas especializadas, como a an\u00e1lise de documentos m\u00e9dicos, etc.<\/span><\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<h2><b>O papel da base de dados vetorial<\/b><\/h2>\n<p><span style=\"font-weight: 400;\">A base de dados vetorial \u00e9 fundamental na gera\u00e7\u00e3o aumentada de recupera\u00e7\u00e3o (RAG) e nos modelos de l\u00edngua de grande dimens\u00e3o (LLM). Servem de base para melhorar a recupera\u00e7\u00e3o de dados, o aumento do contexto e o desempenho geral destes sistemas. Aqui est\u00e1 uma explora\u00e7\u00e3o do papel fundamental das bases de dados vectoriais:<\/span><\/p>\n<h3><b>Ultrapassar as limita\u00e7\u00f5es das bases de dados estruturadas<\/b><\/h3>\n<p><span style=\"font-weight: 400;\">As bases de dados estruturadas tradicionais s\u00e3o frequentemente insuficientes quando utilizadas na API RAG devido \u00e0 sua natureza r\u00edgida e predefinida. T\u00eam dificuldade em lidar com os requisitos flex\u00edveis e din\u00e2micos da alimenta\u00e7\u00e3o de informa\u00e7\u00f5es contextuais aos LLM. As bases de dados vectoriais v\u00eam colmatar esta limita\u00e7\u00e3o.<\/span><\/p>\n<h3><b>Armazenamento eficiente de dados em forma de vetor<\/b><\/h3>\n<p><span style=\"font-weight: 400;\">As bases de dados vectoriais s\u00e3o excelentes para armazenar e gerir dados utilizando vectores num\u00e9ricos. Este formato permite uma representa\u00e7\u00e3o vers\u00e1til e multidimensional dos dados. Estes vectores podem ser processados de forma eficiente, facilitando a recupera\u00e7\u00e3o avan\u00e7ada de dados.<\/span><\/p>\n<h3><b>Relev\u00e2ncia e desempenho dos dados<\/b><\/h3>\n<p><span style=\"font-weight: 400;\">Os sistemas RAG podem aceder e recuperar rapidamente informa\u00e7\u00f5es contextuais relevantes, tirando partido das bases de dados vectoriais. Esta recupera\u00e7\u00e3o eficiente \u00e9 crucial para aumentar a velocidade e a precis\u00e3o das respostas geradas pelos LLMs.<\/span><\/p>\n<h3><b>Agrupamento e an\u00e1lise multidimensional<\/b><\/h3>\n<p><span style=\"font-weight: 400;\">Os vectores podem agrupar e analisar pontos de dados num espa\u00e7o multidimensional. Esta carater\u00edstica \u00e9 inestim\u00e1vel para o RAG, permitindo que os dados contextuais sejam agrupados, relacionados e apresentados de forma coerente aos LLM. Isto conduz a uma melhor compreens\u00e3o e \u00e0 gera\u00e7\u00e3o de respostas contextualizadas.<\/span><\/p>\n<h2><b>O que \u00e9 a pesquisa sem\u00e2ntica?<\/b><\/h2>\n<p><span style=\"font-weight: 400;\">A pesquisa sem\u00e2ntica \u00e9 uma pedra angular da API Retrieval-Augmented Generation (RAG) e dos modelos de linguagem de grande dimens\u00e3o (LLM). A sua import\u00e2ncia n\u00e3o pode ser subestimada, revolucionando a forma como a informa\u00e7\u00e3o \u00e9 acedida e compreendida.  <\/span><\/p>\n<h3><b>Para al\u00e9m da base de dados tradicional<\/b><\/h3>\n<p><span style=\"font-weight: 400;\">A pesquisa sem\u00e2ntica ultrapassa as limita\u00e7\u00f5es das bases de dados estruturadas, que muitas vezes t\u00eam dificuldade em lidar com requisitos de dados din\u00e2micos e flex\u00edveis. Em vez disso, recorre a bases de dados de vectores, permitindo uma gest\u00e3o de dados mais vers\u00e1til e adapt\u00e1vel, crucial para o sucesso dos GCR e dos LLM.<\/span><\/p>\n<h3><b>An\u00e1lise Multidimensional<\/b><\/h3>\n<p><span style=\"font-weight: 400;\">Um dos principais pontos fortes da pesquisa sem\u00e2ntica \u00e9 a sua capacidade de compreender os dados sob a forma de vectores num\u00e9ricos. Esta an\u00e1lise multidimensional melhora a compreens\u00e3o das rela\u00e7\u00f5es entre os dados com base no contexto, permitindo a cria\u00e7\u00e3o de conte\u00fados mais coerentes e conscientes do contexto.<\/span><\/p>\n<h3><b>Recupera\u00e7\u00e3o eficiente de dados<\/b><\/h3>\n<p><span style=\"font-weight: 400;\">A efici\u00eancia \u00e9 vital na recupera\u00e7\u00e3o de dados, especialmente para a gera\u00e7\u00e3o de respostas em tempo real em sistemas API RAG. A pesquisa sem\u00e2ntica optimiza o acesso aos dados, melhorando significativamente a velocidade e a precis\u00e3o da gera\u00e7\u00e3o de respostas utilizando LLMs. Trata-se de uma solu\u00e7\u00e3o vers\u00e1til que pode ser adaptada a v\u00e1rias aplica\u00e7\u00f5es, desde an\u00e1lises m\u00e9dicas a consultas complexas, reduzindo simultaneamente as imprecis\u00f5es nos conte\u00fados gerados por IA.<\/span><\/p>\n<h2>O que \u00e9 a API RAG?<\/h2>\n<p>Pense na API do RAG como o <strong>RAG como um servi\u00e7o<\/strong>. Ele re\u00fane todos os fundamentos de um sistema RAG em um \u00fanico pacote, o que torna conveniente empregar um sistema RAG em sua organiza\u00e7\u00e3o. A API do RAG permite que voc\u00ea se concentre nos principais elementos de um sistema RAG e deixe a API cuidar do resto.<\/p>\n<h3><b>Quais s\u00e3o os 3 elementos das consultas da API RAG?<\/b><\/h3>\n<p><img loading=\"lazy\" decoding=\"async\" class=\"aligncenter wp-image-31649 size-large\" src=\"https:\/\/meetcody.ai\/wp-content\/uploads\/2023\/10\/Elements-RAG-API-Cody-1024x574.webp\" alt=\"uma consulta RAG pode ser dissecada em tr\u00eas elementos cruciais: O Contexto, A Fun\u00e7\u00e3o e A Consulta do Utilizador. Estes componentes s\u00e3o os blocos de constru\u00e7\u00e3o que alimentam o sistema RAG, desempenhando cada um deles um papel vital no processo de gera\u00e7\u00e3o de conte\u00fados.  \" width=\"1024\" height=\"574\" srcset=\"https:\/\/meetcody.ai\/wp-content\/uploads\/2023\/10\/Elements-RAG-API-Cody-1024x574.webp 1024w, https:\/\/meetcody.ai\/wp-content\/uploads\/2023\/10\/Elements-RAG-API-Cody-300x168.webp 300w, https:\/\/meetcody.ai\/wp-content\/uploads\/2023\/10\/Elements-RAG-API-Cody-768x430.webp 768w, https:\/\/meetcody.ai\/wp-content\/uploads\/2023\/10\/Elements-RAG-API-Cody-1536x861.webp 1536w, https:\/\/meetcody.ai\/wp-content\/uploads\/2023\/10\/Elements-RAG-API-Cody-2048x1148.webp 2048w, https:\/\/meetcody.ai\/wp-content\/uploads\/2023\/10\/Elements-RAG-API-Cody-1156x648.webp 1156w\" sizes=\"auto, (max-width: 1024px) 100vw, 1024px\" \/><\/p>\n<p><span style=\"font-weight: 400;\">Quando mergulhamos nos meandros da Gera\u00e7\u00e3o Aumentada por Recupera\u00e7\u00e3o (RAG), descobrimos que uma consulta RAG pode ser dissecada em tr\u00eas elementos cruciais:  <\/span><b>O contexto, a fun\u00e7\u00e3o e a consulta do utilizador.<\/b><span style=\"font-weight: 400;\">  Estes componentes s\u00e3o os blocos de constru\u00e7\u00e3o que alimentam o sistema RAG, desempenhando cada um deles um papel vital no processo de gera\u00e7\u00e3o de conte\u00fados.<\/span><\/p>\n<p><span style=\"font-weight: 400;\">Os <\/span><b>O contexto<\/b><span style=\"font-weight: 400;\">  constitui a base de uma consulta da API RAG, servindo como reposit\u00f3rio de conhecimentos onde residem as informa\u00e7\u00f5es essenciais. O aproveitamento da pesquisa sem\u00e2ntica nos dados da base de conhecimentos existente permite um contexto din\u00e2mico relevante para a consulta do utilizador.<\/span><\/p>\n<p><span style=\"font-weight: 400;\">O papel <\/span><b>Papel<\/b><span style=\"font-weight: 400;\">  define o objetivo do sistema RAG, orientando-o para a realiza\u00e7\u00e3o de tarefas espec\u00edficas. Orienta o modelo na gera\u00e7\u00e3o de conte\u00fados adaptados aos requisitos, oferecendo explica\u00e7\u00f5es, respondendo a perguntas ou resumindo informa\u00e7\u00f5es.<\/span><\/p>\n<p><span style=\"font-weight: 400;\">A <\/span><b>Consulta do utilizador<\/b><span style=\"font-weight: 400;\">  \u00e9 a entrada do utilizador, assinalando o in\u00edcio do processo RAG. Representa a intera\u00e7\u00e3o do utilizador com o sistema e comunica as suas necessidades de informa\u00e7\u00e3o.<\/span><\/p>\n<p><span style=\"font-weight: 400;\">O processo de recupera\u00e7\u00e3o de dados no \u00e2mbito da API RAG \u00e9 tornado eficiente pela pesquisa sem\u00e2ntica. Esta abordagem permite a an\u00e1lise de dados multidimensionais, melhorando a nossa compreens\u00e3o das rela\u00e7\u00f5es entre os dados com base no contexto. Em suma, a compreens\u00e3o da anatomia das consultas RAG e da recupera\u00e7\u00e3o de dados atrav\u00e9s da pesquisa sem\u00e2ntica permite-nos desbloquear o potencial desta tecnologia, facilitando o acesso eficiente ao conhecimento e a gera\u00e7\u00e3o de conte\u00fados sens\u00edveis ao contexto.<\/span><\/p>\n<h2><b>Como melhorar a relev\u00e2ncia com prompts?<\/b><\/h2>\n<p><span style=\"font-weight: 400;\">A engenharia de prompts \u00e9 fundamental para orientar os grandes modelos lingu\u00edsticos (LLM) do RAG para gerar respostas contextualmente relevantes para um dom\u00ednio espec\u00edfico.  <\/span><\/p>\n<p><span style=\"font-weight: 400;\">Embora a capacidade da Gera\u00e7\u00e3o Aumentada por Recupera\u00e7\u00e3o (RAG) para tirar partido do contexto seja uma capacidade formid\u00e1vel, fornecer apenas o contexto nem sempre \u00e9 suficiente para garantir respostas de alta qualidade. \u00c9 aqui que entra o conceito de prompts.  <\/span><\/p>\n<p><span style=\"font-weight: 400;\">Um prompt bem elaborado serve como um roteiro para o LLM, orientando-o para a resposta desejada. Normalmente, inclui os seguintes elementos:<\/span><\/p>\n<h3><b>Desbloquear a relev\u00e2ncia contextual<\/b><\/h3>\n<p><span style=\"font-weight: 400;\">A gera\u00e7\u00e3o aumentada por recupera\u00e7\u00e3o (RAG) \u00e9 uma ferramenta poderosa para tirar partido do contexto. No entanto, o mero contexto pode n\u00e3o ser suficiente para garantir respostas de elevada qualidade. \u00c9 aqui que os prompts s\u00e3o cruciais para orientar os grandes modelos lingu\u00edsticos (LLMs) no RAG para gerar respostas que se alinham com dom\u00ednios espec\u00edficos.<\/span><\/p>\n<h3><b>Roteiro para criar uma fun\u00e7\u00e3o de bot para seu caso de uso<\/b><\/h3>\n<p><span style=\"font-weight: 400;\">Um prompt bem estruturado funciona como um roteiro, orientando os LLMs para as respostas desejadas. Normalmente, \u00e9 composto por v\u00e1rios elementos:<\/span><\/p>\n<h4><b>Identidade do Bot<\/b><\/h4>\n<p><span style=\"font-weight: 400;\">Ao mencionar o nome do bot, estabelece a sua identidade na intera\u00e7\u00e3o, tornando a conversa mais pessoal.<\/span><\/p>\n<h4><b>Defini\u00e7\u00e3o da tarefa<\/b><\/h4>\n<p><span style=\"font-weight: 400;\">A defini\u00e7\u00e3o clara da tarefa ou fun\u00e7\u00e3o que o LLM deve desempenhar garante que ele satisfa\u00e7a as necessidades do utilizador, seja fornecendo informa\u00e7\u00f5es, respondendo a perguntas ou qualquer outra tarefa espec\u00edfica.<\/span><\/p>\n<h4><b>Especifica\u00e7\u00e3o do tom<\/b><\/h4>\n<p><span style=\"font-weight: 400;\">A especifica\u00e7\u00e3o do tom ou estilo de resposta pretendido define o ambiente adequado para a intera\u00e7\u00e3o, seja ela formal, amig\u00e1vel ou informativa.<\/span><\/p>\n<h4><b>Instru\u00e7\u00f5es diversas<\/b><\/h4>\n<p><span style=\"font-weight: 400;\">Esta categoria pode abranger uma s\u00e9rie de directivas, incluindo a adi\u00e7\u00e3o de liga\u00e7\u00f5es e imagens, a apresenta\u00e7\u00e3o de sauda\u00e7\u00f5es ou a recolha de dados espec\u00edficos.<\/span><\/p>\n<h4><b>Cria\u00e7\u00e3o de relev\u00e2ncia contextual<\/b><\/h4>\n<p><span style=\"font-weight: 400;\">A elabora\u00e7\u00e3o cuidadosa dos prompts \u00e9 uma abordagem estrat\u00e9gica para garantir que a sinergia entre o RAG e os LLM resulta em respostas contextualmente conscientes e altamente pertinentes para as necessidades do utilizador, melhorando a experi\u00eancia geral do utilizador.<\/span><\/p>\n<h2><b>Porqu\u00ea escolher a API RAG da Cody?<\/b><\/h2>\n<p><span style=\"font-weight: 400;\">Agora que j\u00e1 desvend\u00e1mos o significado do RAG e dos seus componentes principais, vamos apresentar a Cody como o parceiro ideal para tornar o RAG uma realidade.  <a href=\"https:\/\/developers.meetcody.ai\/\">A Cody oferece uma API RAG abrangente<\/a> que combina todos os elementos essenciais necess\u00e1rios para uma recupera\u00e7\u00e3o e processamento de dados eficientes, tornando-a a melhor escolha para o seu percurso RAG.<\/span><\/p>\n<h3>Modelo Agn\u00f3stico<\/h3>\n<p>Voc\u00ea n\u00e3o precisa se preocupar em trocar de modelo para se manter atualizado com as \u00faltimas tend\u00eancias de IA. Com a API RAG da Cody, voc\u00ea pode alternar facilmente entre modelos de idiomas grandes em tempo real, sem custo adicional.<\/p>\n<h3><b>Versatilidade inigual\u00e1vel<\/b><\/h3>\n<p><span style=\"font-weight: 400;\">A API RAG da Cody apresenta uma versatilidade not\u00e1vel, lidando eficazmente com v\u00e1rios formatos de ficheiros e reconhecendo hierarquias textuais para uma organiza\u00e7\u00e3o \u00f3ptima dos dados.<\/span><\/p>\n<h3><b>Algoritmo de fragmenta\u00e7\u00e3o personalizado<\/b><\/h3>\n<p><span style=\"font-weight: 400;\">A sua carater\u00edstica de destaque reside nos seus algoritmos de fragmenta\u00e7\u00e3o avan\u00e7ados, que permitem uma segmenta\u00e7\u00e3o abrangente dos dados, incluindo metadados, garantindo uma gest\u00e3o de dados superior.<\/span><\/p>\n<h3><b>Velocidade superior \u00e0 concorr\u00eancia<\/b><\/h3>\n<p><span style=\"font-weight: 400;\">Garante uma recupera\u00e7\u00e3o de dados extremamente r\u00e1pida em escala com um tempo de consulta linear, independentemente do n\u00famero de \u00edndices. Garante resultados r\u00e1pidos para as suas necessidades de dados.<\/span><\/p>\n<h3><b>Integra\u00e7\u00e3o e suporte cont\u00ednuos<\/b><\/h3>\n<p><span style=\"font-weight: 400;\">A Cody oferece uma integra\u00e7\u00e3o perfeita com plataformas populares e um suporte abrangente, melhorando a sua experi\u00eancia RAG e solidificando a sua posi\u00e7\u00e3o como a melhor escolha para a recupera\u00e7\u00e3o e processamento eficientes de dados. Assegura uma interface de utilizador intuitiva que n\u00e3o requer conhecimentos t\u00e9cnicos, tornando-a acess\u00edvel e f\u00e1cil de utilizar por indiv\u00edduos de todos os n\u00edveis de compet\u00eancias, simplificando ainda mais a experi\u00eancia de recupera\u00e7\u00e3o e processamento de dados.<\/span><\/p>\n<h2><b>Funcionalidades da API RAG que melhoram as interac\u00e7\u00f5es de dados<\/b><\/h2>\n<p><span style=\"font-weight: 400;\">Na nossa explora\u00e7\u00e3o da Gera\u00e7\u00e3o Aumentada por Recupera\u00e7\u00e3o (RAG), descobrimos uma solu\u00e7\u00e3o vers\u00e1til que integra Modelos de Linguagem de Grande Dimens\u00e3o (LLM) com pesquisa sem\u00e2ntica, bases de dados vectoriais e avisos para melhorar a recupera\u00e7\u00e3o e o processamento de dados.  <\/span><\/p>\n<p><span style=\"font-weight: 400;\">O RAG, sendo agn\u00f3stico em rela\u00e7\u00e3o ao modelo e ao dom\u00ednio, \u00e9 muito promissor em diversas aplica\u00e7\u00f5es. A API RAG da Cody eleva esta promessa ao oferecer funcionalidades como o tratamento flex\u00edvel de ficheiros, a fragmenta\u00e7\u00e3o avan\u00e7ada, a recupera\u00e7\u00e3o r\u00e1pida de dados e as integra\u00e7\u00f5es perfeitas. Esta combina\u00e7\u00e3o est\u00e1 preparada para revolucionar o envolvimento dos dados.  <\/span><\/p>\n<p><strong><em>Est\u00e1 preparado para abra\u00e7ar esta transforma\u00e7\u00e3o de dados? Redefina as suas interac\u00e7\u00f5es de dados e explore uma nova era no processamento de dados com a <a href=\"https:\/\/meetcody.ai\/use-cases\/\">IA da Cody<\/a>.<\/em><\/strong><\/p>\n<h2>Perguntas frequentes<\/h2>\n<h3>1. Qual \u00e9 a diferen\u00e7a entre RAG e modelos de l\u00edngua de grande porte (LLMs)?<\/h3>\n<p>A API RAG (Retrieval-Augmented Generation API) e os LLMs (Large Language Models) funcionam em conjunto.<\/p>\n<p>A API RAG \u00e9 uma interface de programa\u00e7\u00e3o de aplicativos que combina dois elementos essenciais: um mecanismo de recupera\u00e7\u00e3o e um modelo de linguagem generativo (LLM). O seu principal objetivo \u00e9 melhorar a recupera\u00e7\u00e3o de dados e a gera\u00e7\u00e3o de conte\u00fados, centrando-se fortemente nas respostas sens\u00edveis ao contexto. A API RAG \u00e9 frequentemente aplicada a tarefas espec\u00edficas, como a resposta a perguntas, a gera\u00e7\u00e3o de conte\u00fados e a sumariza\u00e7\u00e3o de textos. Foi concebido para dar respostas contextualmente relevantes \u00e0s consultas dos utilizadores.<\/p>\n<p>Os LLM (Large Language Models), por outro lado, constituem uma categoria mais vasta de modelos lingu\u00edsticos como o GPT (Generative Pre-trained Transformer). Estes modelos s\u00e3o pr\u00e9-treinados em conjuntos de dados extensos, permitindo-lhes gerar texto semelhante ao humano para v\u00e1rias tarefas de processamento de linguagem natural. Embora possam lidar com a recupera\u00e7\u00e3o e a gera\u00e7\u00e3o, a sua versatilidade estende-se a v\u00e1rias aplica\u00e7\u00f5es, incluindo tradu\u00e7\u00e3o, an\u00e1lise de sentimentos, classifica\u00e7\u00e3o de textos e muito mais.<\/p>\n<p>Na sua ess\u00eancia, a API RAG \u00e9 uma ferramenta especializada que combina a recupera\u00e7\u00e3o e a gera\u00e7\u00e3o de respostas sens\u00edveis ao contexto em aplica\u00e7\u00f5es espec\u00edficas. Os LLM, em contrapartida, s\u00e3o modelos lingu\u00edsticos fundamentais que servem de base a v\u00e1rias tarefas de processamento da linguagem natural, oferecendo uma gama mais alargada de potenciais aplica\u00e7\u00f5es para al\u00e9m da simples recupera\u00e7\u00e3o e gera\u00e7\u00e3o.<\/p>\n<h3>2. RAG e LLM &#8211; O que \u00e9 melhor e porqu\u00ea?<\/h3>\n<p><span data-preserver-spaces=\"true\">A escolha entre API RAG e LLMs depende das suas necessidades espec\u00edficas e da natureza da tarefa que pretende realizar. Segue-se uma an\u00e1lise das considera\u00e7\u00f5es para o ajudar a determinar qual \u00e9 a melhor op\u00e7\u00e3o para a sua situa\u00e7\u00e3o:<\/span><\/p>\n<p><strong><span data-preserver-spaces=\"true\">Selecionar API RAG Se:<\/span><\/strong><\/p>\n<p><strong><span data-preserver-spaces=\"true\">Necessita de respostas sens\u00edveis ao contexto<\/span><\/strong><\/p>\n<p><span data-preserver-spaces=\"true\">A API RAG destaca-se por fornecer respostas contextualmente relevantes. Se a sua tarefa envolve responder a perguntas, resumir conte\u00fados ou gerar respostas espec\u00edficas do contexto, a API RAG \u00e9 uma escolha adequada.<\/span><\/p>\n<p><strong><span data-preserver-spaces=\"true\">Tem casos de utiliza\u00e7\u00e3o espec\u00edficos<\/span><\/strong><\/p>\n<p><span data-preserver-spaces=\"true\">Se a sua aplica\u00e7\u00e3o ou servi\u00e7o tiver casos de utiliza\u00e7\u00e3o bem definidos que exijam conte\u00fados sens\u00edveis ao contexto, a API RAG pode ser mais adequada. Foi concebido especificamente para aplica\u00e7\u00f5es em que o contexto desempenha um papel crucial.<\/span><\/p>\n<p><strong><span data-preserver-spaces=\"true\">Necessita de um controlo preciso<\/span><\/strong><\/p>\n<p><span data-preserver-spaces=\"true\">A API RAG permite o ajuste fino e a personaliza\u00e7\u00e3o, o que pode ser vantajoso se tiver requisitos ou restri\u00e7\u00f5es espec\u00edficos para o seu projeto.<\/span><\/p>\n<p><strong><span data-preserver-spaces=\"true\">Escolha LLMs se:<\/span><\/strong><\/p>\n<p><strong><span data-preserver-spaces=\"true\">Necessita de versatilidade<\/span><\/strong><\/p>\n<p><span data-preserver-spaces=\"true\">Os LLM, tal como os modelos GPT, s\u00e3o altamente vers\u00e1teis e podem lidar com uma vasta gama de tarefas de processamento de linguagem natural. Se as suas necessidades abrangem v\u00e1rias aplica\u00e7\u00f5es, os LLM oferecem flexibilidade.<\/span><\/p>\n<p><strong><span data-preserver-spaces=\"true\">Pretende criar solu\u00e7\u00f5es personalizadas<\/span><\/strong><\/p>\n<p><span data-preserver-spaces=\"true\">Pode criar solu\u00e7\u00f5es personalizadas de processamento de linguagem natural e ajust\u00e1-las ao seu caso de utiliza\u00e7\u00e3o espec\u00edfico ou integr\u00e1-las nos seus fluxos de trabalho existentes.<\/span><\/p>\n<p><strong><span data-preserver-spaces=\"true\">Necessita de uma compreens\u00e3o lingu\u00edstica previamente treinada<\/span><\/strong><\/p>\n<p><span data-preserver-spaces=\"true\">Os LLMs s\u00e3o pr\u00e9-treinados em vastos conjuntos de dados, o que significa que t\u00eam uma forte compreens\u00e3o lingu\u00edstica imediata. Se precisar de trabalhar com grandes volumes de dados de texto n\u00e3o estruturados, os LLM podem ser uma mais-valia.<\/span><\/p>\n<h3><strong><span data-preserver-spaces=\"true\">3. Porque \u00e9 que os LLM, tal como os modelos GPT, s\u00e3o t\u00e3o populares no processamento de linguagem natural?<\/span><\/strong><\/h3>\n<p><span data-preserver-spaces=\"true\">Os LLM t\u00eam merecido uma aten\u00e7\u00e3o generalizada devido ao seu desempenho excecional em v\u00e1rias tarefas lingu\u00edsticas. Os LLMs s\u00e3o treinados em grandes conjuntos de dados. Como resultado, eles podem compreender e produzir textos coerentes, contextualmente relevantes e gramaticalmente corretos, entendendo as nuances de qualquer idioma. Al\u00e9m disso, a acessibilidade de LLMs pr\u00e9-treinados tornou a compreens\u00e3o e a gera\u00e7\u00e3o de linguagem natural com base em IA acess\u00edveis a um p\u00fablico mais vasto.<\/span><\/p>\n<h3>4. Quais s\u00e3o algumas aplica\u00e7\u00f5es t\u00edpicas dos LLMs?<\/h3>\n<p>Os LLMs encontram aplica\u00e7\u00f5es num vasto espetro de tarefas lingu\u00edsticas, incluindo:<\/p>\n<p><strong>Compreens\u00e3o de linguagem natural<\/strong><\/p>\n<p>Os LLMs destacam-se em tarefas como a an\u00e1lise de sentimentos, o reconhecimento de entidades nomeadas e a resposta a perguntas. As suas robustas capacidades de compreens\u00e3o lingu\u00edstica tornam-nos valiosos para extrair informa\u00e7\u00f5es de dados de texto.<\/p>\n<p><strong>Gera\u00e7\u00e3o de texto<\/strong><\/p>\n<p>Podem gerar texto semelhante ao humano para aplica\u00e7\u00f5es como chatbots e gera\u00e7\u00e3o de conte\u00fados, fornecendo respostas coerentes e contextualmente relevantes.<\/p>\n<p><strong>Tradu\u00e7\u00e3o autom\u00e1tica<\/strong><\/p>\n<p>Melhoraram significativamente a qualidade da tradu\u00e7\u00e3o autom\u00e1tica. Podem traduzir textos entre l\u00ednguas com um n\u00edvel not\u00e1vel de exatid\u00e3o e flu\u00eancia.<\/p>\n<p><strong>Sumariza\u00e7\u00e3o de conte\u00fado<\/strong><\/p>\n<p>S\u00e3o competentes na cria\u00e7\u00e3o de resumos concisos de documentos extensos ou transcri\u00e7\u00f5es, proporcionando uma forma eficiente de destilar informa\u00e7\u00f5es essenciais de conte\u00fados extensos.<\/p>\n<h3><strong><span data-preserver-spaces=\"true\">5. Como podem os LLMs manter-se actualizados com dados recentes e tarefas em evolu\u00e7\u00e3o?<\/span><\/strong><\/h3>\n<p>\u00c9 fundamental garantir que os programas de forma\u00e7\u00e3o de LLM se mantenham actuais e eficazes. S\u00e3o utilizadas v\u00e1rias estrat\u00e9gias para as manter actualizadas com novos dados e tarefas em evolu\u00e7\u00e3o:<\/p>\n<p><strong>Aumento de dados<\/strong><\/p>\n<p>O aumento cont\u00ednuo dos dados \u00e9 essencial para evitar a degrada\u00e7\u00e3o do desempenho resultante de informa\u00e7\u00f5es desactualizadas. Aumentar o armazenamento de dados com informa\u00e7\u00f5es novas e relevantes ajuda o modelo a manter a sua exatid\u00e3o e relev\u00e2ncia.<\/p>\n<p><strong>Reciclagem<\/strong><\/p>\n<p>A reciclagem peri\u00f3dica dos LLMs com novos dados \u00e9 uma pr\u00e1tica comum. O aperfei\u00e7oamento do modelo com base em dados recentes garante a sua adapta\u00e7\u00e3o \u00e0 evolu\u00e7\u00e3o das tend\u00eancias e mant\u00e9m-se atualizado.<\/p>\n<p><strong>Aprendizagem ativa<\/strong><\/p>\n<p>A aplica\u00e7\u00e3o de t\u00e9cnicas de aprendizagem ativa \u00e9 outra abordagem. Isto implica a identifica\u00e7\u00e3o de inst\u00e2ncias em que o modelo \u00e9 incerto ou suscet\u00edvel de cometer erros e a recolha de anota\u00e7\u00f5es para essas inst\u00e2ncias. Estas anota\u00e7\u00f5es ajudam a aperfei\u00e7oar o desempenho do modelo e a manter a sua precis\u00e3o.<\/p>\n","protected":false},"excerpt":{"rendered":"<p>A capacidade de recuperar e processar dados de forma eficiente tornou-se um fator de mudan\u00e7a na atual era de tecnologia intensiva. Vamos explorar a forma como a API RAG redefine o processamento de dados. Esta abordagem inovadora combina as capacidades dos modelos de linguagem de grande dimens\u00e3o (LLM) com t\u00e9cnicas baseadas na recupera\u00e7\u00e3o para revolucionar<a class=\"excerpt-read-more\" href=\"https:\/\/meetcody.ai\/pt-br\/blog\/o-que-e-a-estrutura-da-api-rag-e-como-funciona\/\" title=\"ReadO que \u00e9 a API RAG e como ela funciona?\">&#8230; Read more &raquo;<\/a><\/p>\n","protected":false},"author":1,"featured_media":31647,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"inline_featured_image":false,"footnotes":""},"categories":[81,82,93],"tags":[187,317,316],"class_list":["post-31667","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-base-de-conhecimentos-de-ia","category-inteligencia-artificial-pt-br","category-negocios","tag-a-ia-nas-empresas","tag-api-pt-br","tag-rag-pt-br"],"acf":[],"yoast_head":"<!-- This site is optimized with the Yoast SEO Premium plugin v21.8 (Yoast SEO v24.2) - https:\/\/yoast.com\/wordpress\/plugins\/seo\/ -->\n<title>O que \u00e9 a API RAG e como ela funciona?<\/title>\n<meta name=\"description\" content=\"Explore o poder da API do RAG. Saiba como est\u00e1 a transformar o processamento de dados, as respostas da IA e a otimiza\u00e7\u00e3o da IA generativa.\" \/>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/meetcody.ai\/pt-br\/blog\/o-que-e-a-estrutura-da-api-rag-e-como-funciona\/\" \/>\n<meta property=\"og:locale\" content=\"pt_BR\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"O que \u00e9 a API RAG e como ela funciona?\" \/>\n<meta property=\"og:description\" content=\"Explore o poder da API do RAG. Saiba como est\u00e1 a transformar o processamento de dados, as respostas da IA e a otimiza\u00e7\u00e3o da IA generativa.\" \/>\n<meta property=\"og:url\" content=\"https:\/\/meetcody.ai\/pt-br\/blog\/o-que-e-a-estrutura-da-api-rag-e-como-funciona\/\" \/>\n<meta property=\"og:site_name\" content=\"Cody - The AI Trained on Your Business\" \/>\n<meta property=\"article:published_time\" content=\"2023-10-23T19:46:09+00:00\" \/>\n<meta property=\"article:modified_time\" content=\"2024-06-10T10:44:16+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/meetcody.ai\/wp-content\/uploads\/2023\/10\/Cody-RAG-API-1-scaled-e1698089887322.webp\" \/>\n\t<meta property=\"og:image:width\" content=\"2560\" \/>\n\t<meta property=\"og:image:height\" content=\"1550\" \/>\n\t<meta property=\"og:image:type\" content=\"image\/webp\" \/>\n<meta name=\"author\" content=\"Oriol Zertuche\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:creator\" content=\"@oriol003\" \/>\n<meta name=\"twitter:site\" content=\"@meetcodyai\" \/>\n<meta name=\"twitter:label1\" content=\"Written by\" \/>\n\t<meta name=\"twitter:data1\" content=\"Oriol Zertuche\" \/>\n\t<meta name=\"twitter:label2\" content=\"Est. reading time\" \/>\n\t<meta name=\"twitter:data2\" content=\"17 minutes\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\/\/schema.org\",\"@graph\":[{\"@type\":\"Article\",\"@id\":\"https:\/\/meetcody.ai\/pt-br\/blog\/o-que-e-a-estrutura-da-api-rag-e-como-funciona\/#article\",\"isPartOf\":{\"@id\":\"https:\/\/meetcody.ai\/pt-br\/blog\/o-que-e-a-estrutura-da-api-rag-e-como-funciona\/\"},\"author\":{\"name\":\"Oriol Zertuche\",\"@id\":\"https:\/\/meetcody.ai\/#\/schema\/person\/b3486c07f03571f834cfb7646dba8749\"},\"headline\":\"O que \u00e9 a API RAG e como ela funciona?\",\"datePublished\":\"2023-10-23T19:46:09+00:00\",\"dateModified\":\"2024-06-10T10:44:16+00:00\",\"mainEntityOfPage\":{\"@id\":\"https:\/\/meetcody.ai\/pt-br\/blog\/o-que-e-a-estrutura-da-api-rag-e-como-funciona\/\"},\"wordCount\":3335,\"publisher\":{\"@id\":\"https:\/\/meetcody.ai\/#organization\"},\"image\":{\"@id\":\"https:\/\/meetcody.ai\/pt-br\/blog\/o-que-e-a-estrutura-da-api-rag-e-como-funciona\/#primaryimage\"},\"thumbnailUrl\":\"https:\/\/meetcody.ai\/wp-content\/uploads\/2023\/10\/Cody-RAG-API-1-scaled-e1698089887322.webp\",\"keywords\":[\"a IA nas empresas\",\"API\",\"RAG\"],\"articleSection\":[\"Base de conhecimentos de IA\",\"Intelig\u00eancia Artificial\",\"Neg\u00f3cios\"],\"inLanguage\":\"pt-BR\"},{\"@type\":\"WebPage\",\"@id\":\"https:\/\/meetcody.ai\/pt-br\/blog\/o-que-e-a-estrutura-da-api-rag-e-como-funciona\/\",\"url\":\"https:\/\/meetcody.ai\/pt-br\/blog\/o-que-e-a-estrutura-da-api-rag-e-como-funciona\/\",\"name\":\"O que \u00e9 a API RAG e como ela funciona?\",\"isPartOf\":{\"@id\":\"https:\/\/meetcody.ai\/#website\"},\"primaryImageOfPage\":{\"@id\":\"https:\/\/meetcody.ai\/pt-br\/blog\/o-que-e-a-estrutura-da-api-rag-e-como-funciona\/#primaryimage\"},\"image\":{\"@id\":\"https:\/\/meetcody.ai\/pt-br\/blog\/o-que-e-a-estrutura-da-api-rag-e-como-funciona\/#primaryimage\"},\"thumbnailUrl\":\"https:\/\/meetcody.ai\/wp-content\/uploads\/2023\/10\/Cody-RAG-API-1-scaled-e1698089887322.webp\",\"datePublished\":\"2023-10-23T19:46:09+00:00\",\"dateModified\":\"2024-06-10T10:44:16+00:00\",\"description\":\"Explore o poder da API do RAG. Saiba como est\u00e1 a transformar o processamento de dados, as respostas da IA e a otimiza\u00e7\u00e3o da IA generativa.\",\"breadcrumb\":{\"@id\":\"https:\/\/meetcody.ai\/pt-br\/blog\/o-que-e-a-estrutura-da-api-rag-e-como-funciona\/#breadcrumb\"},\"inLanguage\":\"pt-BR\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\/\/meetcody.ai\/pt-br\/blog\/o-que-e-a-estrutura-da-api-rag-e-como-funciona\/\"]}]},{\"@type\":\"ImageObject\",\"inLanguage\":\"pt-BR\",\"@id\":\"https:\/\/meetcody.ai\/pt-br\/blog\/o-que-e-a-estrutura-da-api-rag-e-como-funciona\/#primaryimage\",\"url\":\"https:\/\/meetcody.ai\/wp-content\/uploads\/2023\/10\/Cody-RAG-API-1-scaled-e1698089887322.webp\",\"contentUrl\":\"https:\/\/meetcody.ai\/wp-content\/uploads\/2023\/10\/Cody-RAG-API-1-scaled-e1698089887322.webp\",\"width\":2560,\"height\":1550,\"caption\":\"RAG API is a framework with the commitment to enhance generative AI by guaranteeing that its outputs are current, aligned with the given input, and, crucially, accurate.\"},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\/\/meetcody.ai\/pt-br\/blog\/o-que-e-a-estrutura-da-api-rag-e-como-funciona\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Home\",\"item\":\"https:\/\/meetcody.ai\/pt-br\/inicio-v2\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"O que \u00e9 a API RAG e como ela funciona?\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\/\/meetcody.ai\/#website\",\"url\":\"https:\/\/meetcody.ai\/\",\"name\":\"Cody AI - The AI Trained on Your Business\",\"description\":\"AI Powered Knowledge Base for Employees\",\"publisher\":{\"@id\":\"https:\/\/meetcody.ai\/#organization\"},\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\/\/meetcody.ai\/?s={search_term_string}\"},\"query-input\":{\"@type\":\"PropertyValueSpecification\",\"valueRequired\":true,\"valueName\":\"search_term_string\"}}],\"inLanguage\":\"pt-BR\"},{\"@type\":\"Organization\",\"@id\":\"https:\/\/meetcody.ai\/#organization\",\"name\":\"Cody AI - The AI Trained on Your Business\",\"url\":\"https:\/\/meetcody.ai\/\",\"logo\":{\"@type\":\"ImageObject\",\"inLanguage\":\"pt-BR\",\"@id\":\"https:\/\/meetcody.ai\/#\/schema\/logo\/image\/\",\"url\":\"https:\/\/meetcody.ai\/wp-content\/uploads\/2023\/05\/logo-codyai.svg\",\"contentUrl\":\"https:\/\/meetcody.ai\/wp-content\/uploads\/2023\/05\/logo-codyai.svg\",\"width\":\"1024\",\"height\":\"1024\",\"caption\":\"Cody AI - The AI Trained on Your Business\"},\"image\":{\"@id\":\"https:\/\/meetcody.ai\/#\/schema\/logo\/image\/\"},\"sameAs\":[\"https:\/\/x.com\/meetcodyai\",\"https:\/\/discord.com\/invite\/jXEVDcFxqs\"]},{\"@type\":\"Person\",\"@id\":\"https:\/\/meetcody.ai\/#\/schema\/person\/b3486c07f03571f834cfb7646dba8749\",\"name\":\"Oriol Zertuche\",\"image\":{\"@type\":\"ImageObject\",\"inLanguage\":\"pt-BR\",\"@id\":\"https:\/\/meetcody.ai\/#\/schema\/person\/image\/\",\"url\":\"https:\/\/secure.gravatar.com\/avatar\/b54b9af69d5e8feacb5a92bf0d4be8c751d589ef418e21e6f69f48e4283b8525?s=96&d=mm&r=g\",\"contentUrl\":\"https:\/\/secure.gravatar.com\/avatar\/b54b9af69d5e8feacb5a92bf0d4be8c751d589ef418e21e6f69f48e4283b8525?s=96&d=mm&r=g\",\"caption\":\"Oriol Zertuche\"},\"description\":\"Oriol Zertuche is the CEO of CODESM and Cody AI. As an engineering student from the University of Texas-Pan American, Oriol leveraged his expertise in technology and web development to establish renowned marketing firm CODESM. He later developed Cody AI, a smart AI assistant trained to support businesses and their team members. Oriol believes in delivering practical business solutions through innovative technology.\",\"sameAs\":[\"https:\/\/meetcody.ai\",\"https:\/\/www.linkedin.com\/in\/oriolzertuche\/\",\"https:\/\/x.com\/oriol003\"],\"url\":\"https:\/\/meetcody.ai\/pt-br\/blog\/author\/alien\/\"}]}<\/script>\n<!-- \/ Yoast SEO Premium plugin. -->","yoast_head_json":{"title":"O que \u00e9 a API RAG e como ela funciona?","description":"Explore o poder da API do RAG. Saiba como est\u00e1 a transformar o processamento de dados, as respostas da IA e a otimiza\u00e7\u00e3o da IA generativa.","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/meetcody.ai\/pt-br\/blog\/o-que-e-a-estrutura-da-api-rag-e-como-funciona\/","og_locale":"pt_BR","og_type":"article","og_title":"O que \u00e9 a API RAG e como ela funciona?","og_description":"Explore o poder da API do RAG. Saiba como est\u00e1 a transformar o processamento de dados, as respostas da IA e a otimiza\u00e7\u00e3o da IA generativa.","og_url":"https:\/\/meetcody.ai\/pt-br\/blog\/o-que-e-a-estrutura-da-api-rag-e-como-funciona\/","og_site_name":"Cody - The AI Trained on Your Business","article_published_time":"2023-10-23T19:46:09+00:00","article_modified_time":"2024-06-10T10:44:16+00:00","og_image":[{"width":2560,"height":1550,"url":"https:\/\/meetcody.ai\/wp-content\/uploads\/2023\/10\/Cody-RAG-API-1-scaled-e1698089887322.webp","type":"image\/webp"}],"author":"Oriol Zertuche","twitter_card":"summary_large_image","twitter_creator":"@oriol003","twitter_site":"@meetcodyai","twitter_misc":{"Written by":"Oriol Zertuche","Est. reading time":"17 minutes"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"Article","@id":"https:\/\/meetcody.ai\/pt-br\/blog\/o-que-e-a-estrutura-da-api-rag-e-como-funciona\/#article","isPartOf":{"@id":"https:\/\/meetcody.ai\/pt-br\/blog\/o-que-e-a-estrutura-da-api-rag-e-como-funciona\/"},"author":{"name":"Oriol Zertuche","@id":"https:\/\/meetcody.ai\/#\/schema\/person\/b3486c07f03571f834cfb7646dba8749"},"headline":"O que \u00e9 a API RAG e como ela funciona?","datePublished":"2023-10-23T19:46:09+00:00","dateModified":"2024-06-10T10:44:16+00:00","mainEntityOfPage":{"@id":"https:\/\/meetcody.ai\/pt-br\/blog\/o-que-e-a-estrutura-da-api-rag-e-como-funciona\/"},"wordCount":3335,"publisher":{"@id":"https:\/\/meetcody.ai\/#organization"},"image":{"@id":"https:\/\/meetcody.ai\/pt-br\/blog\/o-que-e-a-estrutura-da-api-rag-e-como-funciona\/#primaryimage"},"thumbnailUrl":"https:\/\/meetcody.ai\/wp-content\/uploads\/2023\/10\/Cody-RAG-API-1-scaled-e1698089887322.webp","keywords":["a IA nas empresas","API","RAG"],"articleSection":["Base de conhecimentos de IA","Intelig\u00eancia Artificial","Neg\u00f3cios"],"inLanguage":"pt-BR"},{"@type":"WebPage","@id":"https:\/\/meetcody.ai\/pt-br\/blog\/o-que-e-a-estrutura-da-api-rag-e-como-funciona\/","url":"https:\/\/meetcody.ai\/pt-br\/blog\/o-que-e-a-estrutura-da-api-rag-e-como-funciona\/","name":"O que \u00e9 a API RAG e como ela funciona?","isPartOf":{"@id":"https:\/\/meetcody.ai\/#website"},"primaryImageOfPage":{"@id":"https:\/\/meetcody.ai\/pt-br\/blog\/o-que-e-a-estrutura-da-api-rag-e-como-funciona\/#primaryimage"},"image":{"@id":"https:\/\/meetcody.ai\/pt-br\/blog\/o-que-e-a-estrutura-da-api-rag-e-como-funciona\/#primaryimage"},"thumbnailUrl":"https:\/\/meetcody.ai\/wp-content\/uploads\/2023\/10\/Cody-RAG-API-1-scaled-e1698089887322.webp","datePublished":"2023-10-23T19:46:09+00:00","dateModified":"2024-06-10T10:44:16+00:00","description":"Explore o poder da API do RAG. Saiba como est\u00e1 a transformar o processamento de dados, as respostas da IA e a otimiza\u00e7\u00e3o da IA generativa.","breadcrumb":{"@id":"https:\/\/meetcody.ai\/pt-br\/blog\/o-que-e-a-estrutura-da-api-rag-e-como-funciona\/#breadcrumb"},"inLanguage":"pt-BR","potentialAction":[{"@type":"ReadAction","target":["https:\/\/meetcody.ai\/pt-br\/blog\/o-que-e-a-estrutura-da-api-rag-e-como-funciona\/"]}]},{"@type":"ImageObject","inLanguage":"pt-BR","@id":"https:\/\/meetcody.ai\/pt-br\/blog\/o-que-e-a-estrutura-da-api-rag-e-como-funciona\/#primaryimage","url":"https:\/\/meetcody.ai\/wp-content\/uploads\/2023\/10\/Cody-RAG-API-1-scaled-e1698089887322.webp","contentUrl":"https:\/\/meetcody.ai\/wp-content\/uploads\/2023\/10\/Cody-RAG-API-1-scaled-e1698089887322.webp","width":2560,"height":1550,"caption":"RAG API is a framework with the commitment to enhance generative AI by guaranteeing that its outputs are current, aligned with the given input, and, crucially, accurate."},{"@type":"BreadcrumbList","@id":"https:\/\/meetcody.ai\/pt-br\/blog\/o-que-e-a-estrutura-da-api-rag-e-como-funciona\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Home","item":"https:\/\/meetcody.ai\/pt-br\/inicio-v2\/"},{"@type":"ListItem","position":2,"name":"O que \u00e9 a API RAG e como ela funciona?"}]},{"@type":"WebSite","@id":"https:\/\/meetcody.ai\/#website","url":"https:\/\/meetcody.ai\/","name":"Cody AI - The AI Trained on Your Business","description":"AI Powered Knowledge Base for Employees","publisher":{"@id":"https:\/\/meetcody.ai\/#organization"},"potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/meetcody.ai\/?s={search_term_string}"},"query-input":{"@type":"PropertyValueSpecification","valueRequired":true,"valueName":"search_term_string"}}],"inLanguage":"pt-BR"},{"@type":"Organization","@id":"https:\/\/meetcody.ai\/#organization","name":"Cody AI - The AI Trained on Your Business","url":"https:\/\/meetcody.ai\/","logo":{"@type":"ImageObject","inLanguage":"pt-BR","@id":"https:\/\/meetcody.ai\/#\/schema\/logo\/image\/","url":"https:\/\/meetcody.ai\/wp-content\/uploads\/2023\/05\/logo-codyai.svg","contentUrl":"https:\/\/meetcody.ai\/wp-content\/uploads\/2023\/05\/logo-codyai.svg","width":"1024","height":"1024","caption":"Cody AI - The AI Trained on Your Business"},"image":{"@id":"https:\/\/meetcody.ai\/#\/schema\/logo\/image\/"},"sameAs":["https:\/\/x.com\/meetcodyai","https:\/\/discord.com\/invite\/jXEVDcFxqs"]},{"@type":"Person","@id":"https:\/\/meetcody.ai\/#\/schema\/person\/b3486c07f03571f834cfb7646dba8749","name":"Oriol Zertuche","image":{"@type":"ImageObject","inLanguage":"pt-BR","@id":"https:\/\/meetcody.ai\/#\/schema\/person\/image\/","url":"https:\/\/secure.gravatar.com\/avatar\/b54b9af69d5e8feacb5a92bf0d4be8c751d589ef418e21e6f69f48e4283b8525?s=96&d=mm&r=g","contentUrl":"https:\/\/secure.gravatar.com\/avatar\/b54b9af69d5e8feacb5a92bf0d4be8c751d589ef418e21e6f69f48e4283b8525?s=96&d=mm&r=g","caption":"Oriol Zertuche"},"description":"Oriol Zertuche is the CEO of CODESM and Cody AI. As an engineering student from the University of Texas-Pan American, Oriol leveraged his expertise in technology and web development to establish renowned marketing firm CODESM. He later developed Cody AI, a smart AI assistant trained to support businesses and their team members. Oriol believes in delivering practical business solutions through innovative technology.","sameAs":["https:\/\/meetcody.ai","https:\/\/www.linkedin.com\/in\/oriolzertuche\/","https:\/\/x.com\/oriol003"],"url":"https:\/\/meetcody.ai\/pt-br\/blog\/author\/alien\/"}]}},"_links":{"self":[{"href":"https:\/\/meetcody.ai\/pt-br\/wp-json\/wp\/v2\/posts\/31667","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/meetcody.ai\/pt-br\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/meetcody.ai\/pt-br\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/meetcody.ai\/pt-br\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/meetcody.ai\/pt-br\/wp-json\/wp\/v2\/comments?post=31667"}],"version-history":[{"count":3,"href":"https:\/\/meetcody.ai\/pt-br\/wp-json\/wp\/v2\/posts\/31667\/revisions"}],"predecessor-version":[{"id":37188,"href":"https:\/\/meetcody.ai\/pt-br\/wp-json\/wp\/v2\/posts\/31667\/revisions\/37188"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/meetcody.ai\/pt-br\/wp-json\/wp\/v2\/media\/31647"}],"wp:attachment":[{"href":"https:\/\/meetcody.ai\/pt-br\/wp-json\/wp\/v2\/media?parent=31667"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/meetcody.ai\/pt-br\/wp-json\/wp\/v2\/categories?post=31667"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/meetcody.ai\/pt-br\/wp-json\/wp\/v2\/tags?post=31667"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}