Quando um agente de RAG responde errado, a culpa quase nunca é do modelo: o trecho certo não chegou ao contexto. Este artigo separa a recuperação em três orçamentos que falham por motivos diferentes — recall, precisão e contexto do trecho — e mostra o que corrige cada um: chunking com estrutura, busca híbrida com fusão de rankings, reranking em segundo estágio e avaliação da recuperação medida à parte da resposta.
Um índice vetorial é uma cópia, e cópia não herda permissão: a documentação do Databricks AI Search diz que permissão de linha e de coluna não é suportada. As duas rotas de um agente até o dado — RAG e text-to-SQL —, onde mora a regra de acesso em cada uma, a credencial dupla do Genie Agent e a camada de métrica que faz o número parar de mudar.
Os tipos de memoria de um agente (curto e longo prazo, episodica, semantica e procedural) e como implementar o ciclo retrieve/write-back no Microsoft Agent Framework.
Passo a passo para transformar seus PDFs em um assistente de IA que responde com base nos documentos e evita alucinações, usando RAG e grounding.
Entenda o que é RAG (Retrieval-Augmented Generation) e veja o passo a passo para montar um assistente que responde com base nos seus documentos no Azure AI Foundry.