Embeddings
Um embedding é um vetor numérico que representa o significado de um trecho de texto ou imagem, posicionado de modo que significados semelhantes fiquem próximos entre si — o mecanismo por trás da busca semântica e da recuperação.
Um modelo de embedding transforma texto em uma lista de números — um vetor — posicionado de modo que textos semanticamente semelhantes fiquem próximos uns dos outros nesse espaço. Isso permite que um sistema encontre material relevante por significado, e não por palavras-chave exatas: gere o embedding da consulta, gere o embedding dos documentos e retorne os vetores mais próximos. Os embeddings são o motor por trás da retrieval-augmented generation e da memória de longo prazo dos agentes, e a qualidade do modelo de embedding define em grande parte o teto da qualidade da recuperação.
Pontos-chave
- Texto ou uma imagem se torna um vetor em que significados semelhantes ficam próximos.
- Viabiliza a busca semântica — casando por significado, não por palavras-chave exatas.
- Alimentam a retrieval-augmented generation e a memória de longo prazo.
- A qualidade do embedding limita em grande parte o quão boa a recuperação pode ser.
Aprenda construindo
O Way of the Agent ensina engenharia de agentes de IA nível a nível — conceitos como este e depois prática, XP e as AI Chronicles.
Começar grátis →