RAG (Base de Conhecimento)

O que e

RAG (Retrieval-Augmented Generation) permite que agents consultem documentos para responder perguntas. Arquivos sao processados em chunks, convertidos em embeddings vetoriais e armazenados no MongoDB Atlas para busca semantica.

Como Funciona

Upload e Processamento

1. Um arquivo e enviado via frontend (/rag)
2. O arquivo e armazenado no Google Cloud Storage
3. O conteudo e dividido em chunks (pedacos de texto)
4. Cada chunk recebe um embedding vetorial (Google text-embedding-004, 768 dimensoes)
5. Os chunks sao salvos na collection rag_chunks com o embedding

Busca durante Conversa

1. Quando uma mensagem chega, o agent-processor.service.ts executa busca vetorial
2. A mensagem do usuario e convertida em embedding
3. O Atlas Vector Search encontra os chunks mais similares (cosine similarity)
4. Filtra apenas chunks de arquivos vinculados ao agent (rag_file_slugs) e ativos
5. Os trechos relevantes sao injetados no prompt do agent como contexto

Collections MongoDB

Collection	Descricao
rag_files	Metadados do arquivo (nome, slug, link GCS, status ativo)
rag_chunks	Chunks de texto com embedding vetorial

Indice Atlas Vector Search

O indice rag_vector_index na collection rag_chunks:

• Dimensoes: 768
• Similaridade: Cosine
• Filtros: file_slug, active

Gerenciamento de Arquivos

Ativar/Desativar

Desativar um arquivo (active=false) automaticamente desativa todos os seus chunks. O arquivo deixa de aparecer nas buscas sem precisar deletar.

Substituir

Ao substituir um arquivo (mesmo slug):

1. Chunks antigos sao deletados
2. Novo arquivo e processado
3. Novos chunks sao criados
4. O slug permanece o mesmo — agents vinculados continuam funcionando

Configurando no Frontend

1. Acesse /rag
2. Faca upload de um arquivo (PDF, TXT, etc.)
3. Defina nome e slug para o arquivo
4. No agent desejado, marque os arquivos RAG que ele deve consultar na secao de RAG