Apostila técnica completa sobre PageIndex RAG — abordagem de…

INEMA.AGENTES · 2026-01-24 · ~1 min · ver no Telegram ↗

Resumo

Apostila técnica completa sobre PageIndex RAG — abordagem de retrieval-augmented generation baseada em raciocínio e sem vetores, usando árvore hierárquica de documentos PDF para navegação agentic por LLM.

Assuntos principais

Limitações do Vector RAG clássico (chunking, perda de hierarquia, similaridade semântica ≠ relevância factual, low interpretabilidade)
Arquitetura PageIndex: Tree Generation, OCR estruturado, Tree Search (LLM-based e Hybrid), pipeline de ingestão/indexação/recuperação/geração
Prompt "Nível 3" para tree search com contrato JSON (strategy, paths, node_list, confidence, need_more)
Hybrid Tree Search: value-based (scoring por chunks) + LLM-based em paralelo para latência/recall
Padrões de produção: caching agressivo de tree/summaries, observabilidade, ACL por documento, controle de custo por pergunta
Debugging: árvore rasa/profunda demais, summary drift, PDFs com estrutura quebrada
Pipeline MVP vs produção: checklist de decisão, endpoints, logging de path + node_ids + latência
Métricas de avaliação: Accuracy, Recall@k, MRR, Coverage, Latency p50/p95/p99, Cost $/pergunta, Faithfulness
Benchmark FinanceBench: Mafin 2.5 reporta 98,7% accuracy com PageIndex

Decisões / ações

(sem conteúdo do admin neste tópico)

↑ voltar ao topo · ver no Telegram ↗