RAG agêntico
Por que isso importa
É assim que funciona a maioria dos produtos modernos de busca com IA. Os recursos de pesquisa profunda do ChatGPT, do Claude, do Gemini e do Perplexity executam dezenas ou centenas de buscas por pergunta. Agentes de codificação exploram uma base de código do mesmo jeito, com buscas e leituras de arquivos repetidas em vez de uma única consulta por embeddings.
Isso se tornou viável porque os modelos ficaram bons no uso de ferramentas e em julgar os próprios resultados. O ganho é maior nas perguntas difíceis: perguntas multi-hop, perguntas vagas que precisam de esclarecimento e perguntas em que a primeira busca revela o termo certo para buscar em seguida.
Em profundidade
O RAG clássico é um pipeline fixo: pegue a pergunta do usuário, recupere uma única vez os melhores chunks, cole-os no prompt e gere uma resposta. O modelo não opina sobre o que é recuperado. Se a busca errar, a resposta sai errada, e nada no sistema percebe.
O RAG agêntico coloca o modelo no comando da recuperação. A busca vira uma ferramenta que o modelo pode chamar quantas vezes precisar. Ele pode reescrever a pergunta em consultas melhores, dividir uma pergunta complexa em partes, ler os resultados, notar lacunas, buscar de novo com o que acabou de aprender e parar quando tiver evidências suficientes.
O que o agente pode fazer
- Decidir se precisa recuperar algo. "Quanto é 2+2" não precisa de busca.
- Escrever as próprias consultas. Os usuários escrevem perguntas bagunçadas. O modelo pode transformar uma delas em várias buscas precisas.
- Escolher entre fontes. Busca vetorial, busca por palavras-chave, SQL, uma API de busca na web, ferramentas de arquivos e outros sistemas podem ser oferecidos como ferramentas.
- Iterar. Ler os resultados, seguir referências e refinar. É o loop ReAct aplicado à recuperação.
- Conferir a si mesmo. Avaliar se os trechos recuperados realmente respondem à pergunta e verificar o rascunho da resposta contra as fontes.
A versão mais simples
Você não precisa de um framework. Dê a um modelo capaz uma ou duas ferramentas de busca com descrições claras, diga a ele para buscar antes de responder e citar o que usou, e limite o número de passos. Só isso muitas vezes supera, em perguntas difíceis, um pipeline de passo único cuidadosamente ajustado.
Trade-offs
- Latência e custo: cada passo de busca é mais uma chamada ao modelo. Uma pergunta simples que levava um segundo pode levar dez, e uma tarefa de pesquisa profunda pode levar minutos e usar centenas de milhares de tokens.
- Crescimento do contexto: os resultados se acumulam na janela de contexto, então as ferramentas devem devolver trechos compactos e relevantes.
- Menos previsível: o agente pode parar cedo demais, buscar em círculos ou se perder. A avaliação precisa olhar a trajetória inteira, não só a resposta.
- Segurança: páginas da web e documentos recuperados podem conter injeções de prompt, e um agente com outras ferramentas pode agir com base nelas.
A qualidade da recuperação continua importando
Um agente só consegue compensar até certo ponto uma ferramenta de busca ruim. Um bom chunking, a busca híbrida e a reclassificação tornam cada passo mais útil e reduzem o número de passos necessários. Curiosamente, os agentes costumam ir bem com ferramentas simples, como busca por palavras-chave e leitura direta de arquivos, porque conseguem compensar a imprecisão tentando de novo.
Quando usar qual
Para consultas simples e de alto volume em que a velocidade importa, como um bot de suporte que responde a partir de um FAQ, o RAG clássico de passo único ainda é a ferramenta certa. Para pesquisa, análise e perguntas complexas, deixe o modelo conduzir. Muitos sistemas usam os dois: uma primeira recuperação rápida, com o agente buscando mais só quando necessário.