~ / hub / roadmaps / Checklist RAG (retrieval-augmented gener
27 set 2026roadmaps

Checklist RAG (retrieval-augmented generation)

Checklist prático para levar um RAG do protótipo a um pipeline avaliado: dados, chunking, recuperação, geração e operação.

Objetivo

RAG (geração aumentada por recuperação) combina busca em documentos com um modelo de linguagem para responder com base em fontes. Este checklist ajuda a sair do protótipo que "parece funcionar" para um pipeline que você consegue medir, melhorar e operar.

1. Dados e fontes

  • As fontes estão definidas, atualizadas e com dono?
  • Há uma regra para remover duplicatas e versões obsoletas?
  • Dados sensíveis ou pessoais foram tratados? Considere a LGPD
  • Cada trecho guarda metadados (origem, data, seção) para citar a fonte
  • Controle de acesso: o usuário só recupera o que pode ver

2. Chunking e embeddings

  • O tamanho dos trechos respeita a estrutura do documento (títulos, parágrafos, tabelas)?
  • Há sobreposição (overlap) suficiente para não cortar ideias no meio?
  • O modelo de embeddings é adequado ao idioma e ao domínio, e sua versão está registrada
  • Mudar o modelo ou o chunking exige reindexar tudo: o processo é automatizado?

3. Recuperação

  • Quantos trechos (top-k) vão para o contexto, e por quê?
  • Considere busca híbrida (vetorial + lexical) — veja hybrid search
  • Há reranqueamento quando a precisão importa?
  • Índices e armazenamento estão dimensionados (por exemplo, pgvector)
  • Perguntas fora do escopo retornam "não sei", em vez de trechos irrelevantes?

4. Geração

  • O prompt instrui a responder só com base no contexto e a citar as fontes
  • Há tratamento para contexto insuficiente ou contraditório
  • Respostas têm formato definido (por exemplo, com citações verificáveis)
  • Riscos de injeção de prompt em documentos foram considerados — veja guardrails

5. Avaliação

  • Existe um conjunto de perguntas de referência com respostas e documentos esperados
  • A recuperação é medida separadamente da geração (a fonte certa apareceu?)
  • A geração é checada quanto a fidelidade ao contexto e utilidade
  • A avaliação roda a cada mudança de chunking, embedding ou prompt, para detectar regressões
  • Detalhes em avaliação de RAG

6. Operação

  • Registro de consultas, trechos recuperados e respostas (respeitando privacidade) para investigar falhas
  • Monitoramento de latência, custo por consulta e taxa de "não sei"
  • Canal de feedback do usuário e processo para incluir os casos ruins no conjunto de referência
  • Plano de atualização de documentos e de reindexação
Regra Meça antes de otimizar: sem um conjunto de perguntas de referência, qualquer ajuste é palpite.

Relacionados

Avaliação de RAG · RAG com pgvector · Hybrid search · Hub de IA

Fontes externas

Diagnóstico gratuito

30 min.

agendar →