- Os chatbots RAG combinam a recuperação e a geração de linguagem para obter respostas mais exactas e contextualizadas do que os bots tradicionais.
- O RAG reduz os erros e aumenta a fiabilidade acedendo a dados externos, em vez de se basear apenas no conhecimento interno de um modelo linguístico.
- A criação de um bot RAG envolve a configuração de um projeto, a redação de instruções comportamentais claras e a ligação de fontes de conhecimento.
Os chatbots estão a remodelar a forma como as empresas interagem com os utilizadores, mas muitos ainda falham o alvo quando se trata de contexto e precisão. É aqui que entra em ação a Geração Aumentada por Recuperação (RAG).
O RAG combina os pontos fortes da recuperação de conhecimentos e da geração de linguagem, permitindo que os chatbots acedam a dados externos e forneçam respostas precisas e contextualizadas. O resultado? Menos imprecisões, menos recursos desperdiçados e respostas mais fiáveis.
Implementámos mais de 750.000 chatbots nos últimos anos - e até temos o nosso próprio processo RAG avançado e personalizado para eles.
Portanto, neste guia, vou guiá-lo pelas etapas para construir seu próprio chatbot com RAG - desde a definição de seu comportamento até a implantação perfeita.
Aplicações do RAG Chatbots
Está a dar os primeiros passos para integrar chatbots com RAG no seu produto, projeto ou passatempo? Vamos explorar algumas aplicações mais amplas que podem ser melhoradas com um chatbot experiente e adaptado às suas necessidades.
Criar um chatbot RAG com o Botpress é um processo simples. Aqui está um guia passo a passo para o ajudar a começar.
Para efeitos do tutorial, vamos criar um chatbot de curiosidades sobre livros. Uma vez criado, o chatbot pode ser implantado em vários canais usando as integrações relevantes.
Passo 1: Configurar o seu projeto
Comece por criar um novo projeto em Botpress. Uma vez iniciada a sessão, selecione o modelo "Start from Scratch" para uma personalização e flexibilidade completas.

Passo 2: Escrever um conjunto de instruções claras
As instruções são cruciais para o comportamento do chatbot do RAG e podem ser adicionadas editando a secção "Instruções" no Studio. Especifique como o chatbot deve obter e apresentar informações.
.webp)
Ao redigir um conjunto de instruções, deve ter em conta os seguintes pontos:
- Definir que o bot deve dar prioridade às fontes de conhecimento externas em relação aos dados do modelo interno.
- Delinear o tom e o estilo de resposta, o que é melhor feito através de exemplos de conversas e respostas.
Aqui está um exemplo de um conjunto de instruções que descreve o comportamento de um chatbot "FAQ de um site de vestuário":
Missão:
Ajudar os utilizadores a explorar a moda sustentável, a compreender os materiais ecológicos e a fazer escolhas informadas sobre vestuário de origem ética.
Traços de personalidade:
- Conhecedor: Fornece respostas exactas a partir da base de conhecimentos.
- Amigável: Caloroso e acessível.
- Inspirador: Encoraja escolhas sustentáveis.
- Transparente: Partilha apenas informações validadas.
Capacidades:
- Educar: Explicar os princípios da moda sustentável, os materiais ecológicos e as certificações utilizando a base de conhecimentos.
- Ajudar: Recomendar produtos e fornecer informações estritamente a partir dos dados aprovados.
- Inspirar: Destacar os benefícios da moda ética sem opiniões pessoais.
- Envolver-se: Responder a questões de forma clara e educada, redireccionando os utilizadores para o suporte se as respostas não estiverem disponíveis.
Tom:
- Positivo, profissional e sem jargões.
- Respeitoso e empático para garantir uma experiência de apoio.
Regras de comportamento:
- Utilizar apenas a base de conhecimentos fornecida (por exemplo, Wikipedia, documentos da Green Threads).
- Se uma resposta não estiver disponível, informar o utilizador e sugerir que consulte o apoio ao cliente da Green Threads.
Exemplo de política de resposta:
Consulta: "O que é o algodão orgânico?"
Resposta: "O algodão orgânico é cultivado sem pesticidas nocivos ou fertilizantes sintéticos, reduzindo o impacto ambiental."
Questão: "Podem informar-me sobre a vossa política de reembolso?"
Resposta: "Não tenho essa informação. Visite o nosso sítio Web ou contacte o serviço de apoio para obter assistência."
Passo 3: Adicionar fontes de conhecimento
Para tornar o seu chatbot RAG eficaz, ligue-o a conhecimentos externos relevantes, tais como documentos PDF, URLs de sítios Web ou APIs. Eis como o pode fazer:
- Aceda à secção "Base de dados de conhecimento" em Botpress.
- Carregue documentos ou adicione URLs de sítios Web como fontes.
- Botpress indexa o conteúdo automaticamente, segmentando-o em partes de conhecimento mais pequenas e recuperáveis.

Etapa 4: personalizar a identidade do Chatbot
Personalize o nome e a personalidade do seu Chatbot para corresponder ao seu caso de uso. Esta etapa crucial garante que seu chatbot não se identifique erroneamente como ChatGPT ou Claude.
- Ir para "Detalhes do Bot"
- Clique em "Gerar" para criar uma identidade para o seu chatbot com base nas suas instruções e dados, ou escreva uma manualmente.

Etapa 5: Implantar seu Chatbot
O chatbot está agora pronto para ser pré-visualizado e partilhado. Eis como pode aceder e testá-lo:
- Em Botpress Studio, clique em "Publish" (Publicar) para implementar o seu RAG Chatbot.
- Copie a ligação e comece a conversar!

Etapa 6: personalizar a aparência do seu Chatbot
Pretende personalizar ainda mais o seu Webchat para o alinhar com a sua marca e voz? Basta clicar em "Personalizar Webchat" a partir de "Partilhar".

Crie um RAG Chatbot hoje mesmo
Os chatbots com tecnologia RAG estão a transformar a forma como as empresas fornecem respostas precisas e em tempo real, optimizam os fluxos de trabalho e melhoram as experiências dos utilizadores. Com as ferramentas fornecidas por Botpress, pode criar chatbots inteligentes com facilidade.
Com uploads de base de conhecimento com um clique e integrações perfeitas com plataformas como Slack, WhatsApp, Notion e muito mais, você pode implementar poderosos chatbots RAG em minutos usando o Botpress.
Comece hoje mesmo a criar chatbots mais inteligentes e sensíveis ao contexto - gratuitamente.
FAQs
1. Qual é a diferença entre um chatbot RAG e um chatbot tradicional?
A diferença entre um chatbot RAG e um chatbot tradicional é que um chatbot tradicional se baseia em respostas estáticas ou modelos pré-treinados, enquanto um chatbot RAG (retrieval-augmented generation) extrai dados relevantes de uma base de conhecimentos externa e utiliza-os para gerar respostas mais precisas em tempo real.
2. Como é que um sistema RAG decide qual o conhecimento a recuperar e qual o conhecimento a gerar?
Um sistema RAG utiliza um recuperador para identificar os documentos ou blocos de dados mais relevantes com base na pergunta do utilizador e, em seguida, transmite essa informação a um modelo linguístico que gera uma resposta baseada no conteúdo recuperado, em vez de se basear apenas numa formação prévia.
3. Posso utilizar o RAG sem carregar fontes de conhecimento externas?
Tecnicamente, é possível utilizar o RAG sem carregar fontes de conhecimento externas, mas isso anula a sua principal vantagem. O RAG foi concebido para complementar o modelo de linguagem com dados específicos do domínio ou em tempo real, pelo que a omissão de conhecimento externo anula o seu objetivo.
4. O RAG é adequado para aplicações multilingues?
Sim, o RAG é adequado para aplicações multilingues, desde que tanto o modelo linguístico como os documentos recuperados suportem as línguas de destino; muitos LLMs modernos e bases de dados vectoriais são capazes de tratar consultas e conteúdos multilingues.
5. Como posso medir a exatidão e a relevância dos conhecimentos recuperados?
Pode medir a exatidão e a relevância dos conhecimentos recuperados registando os documentos que foram recuperados, comparando a resposta gerada com a verdade fundamental ou com o feedback de especialistas e acompanhando métricas como a correção da resposta, a satisfação do utilizador e as taxas de cliques ou de acompanhamento.