# Geração aumentada por recuperação (RAG)

> Um padrão em que trechos relevantes são recuperados de uma fonte de conhecimento e colocados no prompt para que o modelo responda a partir deles.

Fonte: Promptea — https://www.promptea.me/pt/glossary/retrieval-augmented-generation · Idioma: Português · Última atualização: 2026-11-09

## O que significa

- Definição: em vez de contar com o que o modelo memorizou no treinamento, um sistema primeiro busca nos seus documentos (ou na web), seleciona os trechos mais relevantes e os insere no prompt como contexto.
- Por que importa: a resposta pode usar informação atual ou privada que o modelo nunca viu, e você pode mostrar qual trecho sustenta cada afirmação, o que facilita encontrar erros.
- Como aplicar: identifique os trechos recuperados, diga ao modelo para responder apenas a partir deles, para avisar quando eles não contêm a resposta e para citar qual trecho usou. Mantenha os trechos curtos e relevantes — mais texto não é melhor.
- Erro comum: presumir que a recuperação elimina o problema. Se a busca devolve os trechos errados, o modelo responde com confiança a partir do material errado, então teste a recuperação separadamente da geração.

## Exemplo

```text
Responda à pergunta usando apenas os trechos numerados abaixo.
Cite o número do trecho depois de cada afirmação, assim: [2].
Se os trechos não contiverem a resposta, diga isso e pare.

<passages>
[1] [cole o trecho]
[2] [cole o trecho]
</passages>

Pergunta: [pergunta]
```

[Abrir no Promptea](https://www.promptea.me/pt/analyzer?prompt=Responda+%C3%A0+pergunta+usando+apenas+os+trechos+numerados+abaixo.%0ACite+o+n%C3%BAmero+do+trecho+depois+de+cada+afirma%C3%A7%C3%A3o%2C+assim%3A+%5B2%5D.%0ASe+os+trechos+n%C3%A3o+contiverem+a+resposta%2C+diga+isso+e+pare.%0A%0A%3Cpassages%3E%0A%5B1%5D+%5Bcole+o+trecho%5D%0A%5B2%5D+%5Bcole+o+trecho%5D%0A%3C%2Fpassages%3E%0A%0APergunta%3A+%5Bpergunta%5D&purpose=text&target=claude)

## Perguntas frequentes

### RAG é o mesmo que fine-tuning?

Não. O fine-tuning altera os pesos do modelo; o RAG deixa o modelo como está e muda o que ele lê no prompt. O RAG é a forma habitual de dar a um modelo fatos recentes ou privados.

### Os assistentes baseados em busca usam RAG?

Eles seguem a mesma ideia: buscar primeiro, depois responder a partir do que foi encontrado e mostrar as fontes. Modelos como os da Perplexity fazem isso de forma nativa, então o seu prompt deve gerar uma boa busca em vez de colar as fontes.

## Relacionados

- [Prompts para o Perplexity: respostas ancoradas na web](https://www.promptea.me/pt/guides/perplexity-prompt-guide)
- [Context engineering: como estruturar o que você dá à IA para obter respostas melhores](https://www.promptea.me/pt/guides/context-engineering)
- [Como depurar um prompt que gera respostas ruins](https://www.promptea.me/pt/guides/prompt-debugging)
- [Alucinações](https://www.promptea.me/pt/glossary/hallucinations)
- [Janela de contexto](https://www.promptea.me/pt/glossary/context-window)
