📚 Trilha RAG¶
L100 L200 L300 L400
Retrieval-Augmented Generation (RAG) Ă© o padrĂŁo mais comum para fundamentar agentes de IA nos seus prĂłprios dados. Em vez de depender dos dados de treinamento do LLM, vocĂŞ recupera documentos relevantes no momento da consulta e os inclui no prompt.
O que Você Vai Construir¶
- âś… Compreender o pipeline RAG de ponta a ponta
- âś… Carregar, fragmentar e gerar embeddings de documentos usando GitHub Models (gratuito)
- âś… Armazenar e consultar vetores com um pgvector local (Docker)
- ✅ Construir busca semântica sobre Azure PostgreSQL + pgvector
- ✅ Avaliar comportamento de agentes/RAG com o lab atual de avaliação
- 🔜 Preparar-se para um futuro lab de avaliação RAG empresarial
LaboratĂłrios da Trilha (6 disponĂveis + 1 planejado)¶
| Lab | TĂtulo | NĂvel | Custo |
|---|---|---|---|
| Lab 006 | O que Ă© RAG? | L50 | âś… Free |
| Lab 007 | O que sĂŁo Embeddings? | L50 | âś… Free |
| Lab 022 | Pipeline RAG com GitHub Models + pgvector | L200 | âś… Free |
| Lab 026 | PadrĂŁo RAG AgĂŞntico | L200 | âś… GitHub Free |
| Lab 031 | Busca Semântica com pgvector no Azure | L300 | Free |
| Lab 039 | Comparação de Bancos de Dados Vetoriais | L300 | ✅ Free |
| Lab 042 | RAG Empresarial com Avaliações (em breve) | L400 | 🔜 Planejado |
O Pipeline RAG¶
