Nó Banco de Dados Vetorial (Busca)

O nó Banco de Dados Vetorial é a ferramenta que permite conectar seu fluxo às Coleções de Conhecimento. Ele realiza uma busca semântica (por significado, não apenas palavras-chave) para encontrar os trechos de informação mais relevantes para a pergunta do usuário.

É este nó que habilita o RAG (Retrieval-Augmented Generation), permitindo que a IA responda com base em documentos privados da sua empresa.

Configuração

A configuração define o escopo e a precisão da pesquisa.

1. Selecione as Coleções

Defina onde o sistema deve procurar.

• Você pode selecionar uma ou múltiplas coleções (ex: "Manual de RH", "Catálogo de Produtos").
• O sistema buscará apenas dentro dos documentos indexados nessas coleções selecionadas.

2. Texto de Busca

Defina o que o sistema deve procurar.

• Geralmente, você usará a pergunta feita pelo usuário.
• Utilize o menu de variáveis (tecla /) para selecionar a entrada: {{ entrada.pergunta_usuario }}.
• Dica: Você pode enriquecer a busca. Em vez de apenas passar a pergunta, pode criar uma query composta: {{ entrada.pergunta }} no contexto de {{ entrada.categoria }}.

3. Número de Chunks (Resultados)

Defina quanto conteúdo retornar.

• Slider: Determina quantos trechos de texto (chunks) serão recuperados.
• Recomendação:
  • 3-5 chunks: Ideal para perguntas objetivas (equilibra contexto e custo).
  • 5-10 chunks: Ideal para resumos amplos ou pesquisas complexas (fornece mais contexto, mas consome mais tokens da LLM).

---

O que este nó retorna?

Este nó não gera uma resposta final em texto, ele gera uma lista de fragmentos de conhecimento.

• chunks: Uma lista contendo os textos encontrados, score de similaridade e metadados.

Exemplo de Saída (JSON)

[
  {
    "text": "A política de reembolso permite devoluções em até 30 dias...",
    "score": 0.89,
    "source": "politica_vendas.pdf"
  },
  {
    "text": "Para iniciar uma devolução, acesse o portal...",
    "score": 0.85,
    "source": "faq.pdf"
  }
]