Inteligência artificial · Fundamentos · 5 min de leitura
Embeddings e busca vetorial
Embeddings transformam textos em vetores de números; textos com significado parecido ficam próximos, o que permite buscar por sentido e não só por palavras.
Arraste para o lado para ver o diagrama inteiro.
Significado em coordenadas
Um embedding é uma lista de centenas ou milhares de números que representa o sentido de um texto. Modelos treinados para isso colocam “como cancelar meu plano” perto de “quero encerrar a assinatura”, mesmo sem palavras em comum.
Como a busca funciona
Os documentos são divididos em trechos (chunks), cada trecho vira um vetor e tudo vai para um índice. Na pergunta, calcula-se o vetor dela e procuram-se os vizinhos mais próximos, em geral pela similaridade de cosseno. Bancos vetoriais usam índices aproximados (ANN, como HNSW) para responder rápido mesmo com milhões de vetores.
Boas práticas
- Trechos com algumas centenas de tokens e um pouco de sobreposição costumam funcionar bem.
- Combine com busca por palavras-chave (busca híbrida) para nomes próprios e códigos.
- Guarde metadados (fonte, data, permissão) para filtrar e citar.
Em resumo
- Embeddings representam significado como vetores.
- Busca semântica encontra textos parecidos mesmo com outras palavras.
- Use o mesmo modelo para indexar e consultar.
- É a base do RAG.