Base de conhecimento

É o conjunto de documentos que um sistema de RAG pode consultar para responder: manuais, políticas, contratos, FAQs, histórico de casos, documentação de produto. A qualidade da base define o teto de qualidade do produto. Uma base desatualizada, incompleta, com documentos contraditórios ou sem controle de quem pode ver o quê produz respostas erradas com aparência de oficial. Por isso, a base de conhecimento precisa de curadoria: dono, critérios de inclusão, revisão periódica e regras de acesso.

Em Produto, antes de indexar qualquer coisa, vale responder a quatro perguntas: quem é o dono de cada fonte? Com que frequência ela muda? Quem pode ver o quê? O que fazer quando dois documentos se contradizem? Um erro comum é indexar uma pasta compartilhada inteira, com milhares de arquivos sem dono. Se a política de 2022 e a de 2025 estão na mesma base, o modelo vai escolher uma delas ao acaso. Uma base pequena e curada, com algumas centenas de documentos com dono e revisão trimestral, costuma gerar um produto muito melhor do que uma base enorme e sem governança.

Use base de conhecimento para falar do conteúdo que o sistema consulta. Use índice vetorial para a estrutura técnica que torna esse conteúdo pesquisável. Use RAG para o padrão de arquitetura que usa a base para responder. Uma forma simples de diferenciar: a base é a biblioteca; o índice é o catálogo; o RAG é o bibliotecário que busca e responde.

'Knowledge base' vem dos sistemas especialistas (anos 1970-80); 'corpus' da linguística. Em RAG, designam o conjunto de documentos indexados.

Microsoft Azure Architecture Center, RAG design guide: data preparation