--- title: "RAG na prática: quando usar (e quando não)" description: "RAG (Retrieval-Augmented Generation) explicado sem hype: o que é, como funciona, quando resolve de verdade e quando é over-engineering. O guia de quem usa em produção." slug: rag-na-pratica-quando-usar lang: pt date: 2026-07-22 updated: 2026-07-22 author: Lucas Silva category: deep-dive tags: [RAG, LLM, Retrieval, Vector Database, Engenharia de IA, Contexto] reading_time: 9 featured: false faq: - q: "O que é RAG (Retrieval-Augmented Generation)?" a: "RAG é uma técnica em que, antes de responder, o sistema busca informações relevantes numa base de conhecimento externa (documentos, FAQs, dados da empresa) e injeta esse conteúdo no contexto do modelo de linguagem. Assim o LLM responde com base em dados reais e atualizados, em vez de só no que 'sabe' do treinamento — reduzindo alucinação e permitindo usar conhecimento privado." - q: "Qual a diferença entre RAG e fine-tuning?" a: "Fine-tuning muda os pesos do modelo, ensinando um comportamento ou estilo; é caro e estático. RAG não treina nada: ele busca informação na hora e injeta no contexto, então a base de conhecimento pode mudar a qualquer momento sem retreinar. Para responder com base em documentos que mudam, RAG quase sempre é a escolha certa; fine-tuning serve mais para estilo/formato de resposta." - q: "Quando NÃO usar RAG?" a: "Quando a informação já cabe no contexto do modelo, quando a resposta não depende de conhecimento externo específico, ou quando um simples function calling a uma API/banco resolve melhor. RAG adiciona infraestrutura (embeddings, banco vetorial, pipeline de ingestão) — se o problema não exige busca semântica em muitos documentos, é over-engineering." --- RAG virou a resposta automática pra tudo. "Como faço a IA saber sobre meus dados?" — "RAG!". "Como reduzo alucinação?" — "RAG!". E na maioria das vezes está certo — mas RAG também é uma das coisas mais mal-usadas do momento, jogada em problemas que não pedem por ela. Este post é o guia honesto: o que RAG realmente é, quando resolve, e quando você está construindo infraestrutura cara pra nada. ## O que é RAG, sem o hype Um modelo de linguagem sabe o que estava nos dados de treinamento e nada além disso. Ele não conhece os seus documentos internos, o seu catálogo, a política da sua empresa. E o contexto dele é limitado — você não pode simplesmente colar 10 mil páginas na conversa. **RAG (Retrieval-Augmented Generation) resolve isso buscando, na hora da pergunta, os pedaços de informação relevantes e injetando-os no contexto do modelo.** O fluxo: 1. Você quebra sua base de conhecimento em pedaços (chunks) e gera **embeddings** — representações numéricas do significado de cada pedaço. 2. Guarda esses vetores num **banco vetorial**. 3. Quando chega uma pergunta, você a transforma em vetor e busca os pedaços mais **semanticamente próximos**. 4. Injeta esses pedaços no prompt e o modelo responde com base neles. O resultado: o LLM responde sobre os *seus* dados, atualizados, citando a fonte — sem inventar. É "dar ao modelo a cola certa antes da prova". ## Quando RAG resolve de verdade RAG brilha quando você tem **muito conhecimento externo, que muda, e que o modelo precisa consultar**: - **Base de conhecimento / suporte:** centenas de artigos, manuais, FAQs. O agente busca o trecho certo e responde com precisão. - **Documentos que mudam:** políticas, catálogos, preços. Como RAG não treina nada, você atualiza o documento e a resposta muda na hora. - **Conhecimento privado:** dados da sua empresa que nunca estiveram em nenhum treinamento. - **Necessidade de citar a fonte:** RAG sabe de onde tirou a resposta, o que dá rastreabilidade. Se o seu problema é "a IA precisa responder com base em muitos documentos meus que mudam", RAG é a ferramenta. ## Quando NÃO usar RAG (a parte que ninguém fala) Aqui está o contraponto que economiza meses de trabalho desnecessário: **Se a informação cabe no contexto, não precisa de RAG.** Os modelos modernos têm janelas de contexto enormes. Se seu conhecimento é um documento de 20 páginas, coloque no prompt e pronto. RAG pra isso é matar mosca com canhão. **Se a resposta vem de um sistema, use function calling, não RAG.** "Qual o status do meu pedido?" não é uma pergunta de busca semântica — é uma consulta a um banco. A ferramenta certa é [function calling](https://www.lucassilva.io/blog/function-calling-llm-que-age): o agente chama `buscar_pedido(id)` e pega o dado exato. RAG buscaria "documentos parecidos com a pergunta", o que é errado pra dado estruturado. **Se você não tem muitos documentos, RAG é over-engineering.** Embeddings, banco vetorial, pipeline de ingestão, reindexação — é infraestrutura de verdade. Só vale quando o volume justifica. A pergunta filtro: *minha resposta depende de buscar significado em muitos textos, ou de consultar um dado específico?* Se é buscar em textos, RAG. Se é consultar um dado, function calling. ## Os detalhes que decidem se o seu RAG funciona RAG mal-feito é pior que não ter RAG — ele traz o pedaço errado com confiança. O que separa um RAG que funciona: - **Chunking inteligente.** Como você quebra os documentos importa mais do que parece. Chunks grandes demais diluem a relevância; pequenos demais perdem contexto. Respeite a estrutura do documento (seções, parágrafos). - **Qualidade do embedding.** O modelo de embedding define o que "semelhante" significa. Um bom modelo de embedding é metade da batalha. - **Recuperar o suficiente, não o máximo.** Injetar 50 chunks entope o contexto e confunde o modelo. Recupere os poucos mais relevantes. - **Reranking.** Uma segunda passada que reordena os resultados por relevância real melhora muito a precisão. - **Avaliar.** Se você não mede se o RAG está trazendo os trechos certos, você não sabe se ele funciona. Meça. ## A visão de produto RAG não é um objetivo — é um meio, como toda tecnologia de IA. O erro que eu mais vejo é times construindo um pipeline de RAG elaborado antes de perguntar se o problema pede por isso. Muitas vezes, o que resolve é [function calling num sistema](https://www.lucassilva.io/blog/function-calling-llm-que-age), ou simplesmente colocar o documento no contexto. RAG entra quando o conhecimento é grande, textual e mutável — e aí ela é poderosa. Como sempre: a pergunta certa não é "que técnica de IA da moda vou usar?". É "qual é o problema, e qual a ferramenta mais simples que o resolve?". Às vezes é RAG. Muitas vezes não é. Saber a diferença é o que separa quem entrega de quem só segue hype. --- *Construo sistemas de IA que resolvem o problema certo com a ferramenta certa — RAG, agentes, integração — em produção. Se você está na dúvida se precisa de RAG, [vamos conversar](https://www.lucassilva.io).*