Embeddings
Ir para notas que citam estaEmbeddings são representações numéricas de texto em vetores de muitas dimensões, em que a proximidade entre vetores corresponde à proximidade de significado entre os textos.
Eles existem porque a máquina não lê palavras. Um modelo de linguagem parece entender linguagem natural, mas internamente tudo o que ele processa são números. O embedding é a etapa que converte uma palavra, uma frase ou um trecho de documento em uma lista de coordenadas, posicionando aquele significado num espaço vetorial. É essa conversão que torna possível a busca semântica de um fluxo de RAG: o documento é dividido em pedaços pelo chunking, cada pedaço vira um vetor, e os vetores são guardados num banco vetorial. O mesmo princípio vale para outros tipos de conteúdo, como imagem, desde que exista um modelo de embedding para eles.
Buscar significado comparando palavras diretamente seria computacionalmente caro e pouco preciso. Com os textos convertidos em números, a comparação vira um cálculo simples entre vetores, rápido de executar mesmo sobre uma base grande. Uma analogia útil: gerar embeddings é como organizar dados soltos numa estrutura de tabela, que passa a ser consultável e permite chegar a um ponto específico do conjunto.
Palavras próximas em sentido ficam próximas no espaço
Um experimento simples mostra a ideia. Uma lista de trinta palavras em inglês, com frutas como apple, banana e orange e animais como lion e tiger, é convertida em vetores. Ao procurar a palavra mais próxima de lion, o resultado é tiger. Nada no texto das duas palavras é parecido; o que as aproxima é o significado capturado pelo modelo de embedding. A medida usada para dizer o quão perto dois vetores estão é a Similaridade de Cosseno.
Os logs de execução de um agente no N8N deixam o mecanismo visível: além do system prompt e da pergunta recebida, aparece o embedding da pergunta, uma longa lista de números, que é o que de fato vai ao banco vetorial.
Dimensões e escolha do modelo de embedding
O espaço não tem três dimensões, e sim centenas ou milhares, e o número depende do modelo. Modelos comuns geram vetores de cerca de 1500 dimensões; na família de modelos de embedding da OpenAI, o menor gera 1536 e o text-embedding-3-large gera 3072, exatamente o dobro. Modelos maiores tendem a facilitar a busca semântica e dar respostas mais precisas no RAG, com um custo um pouco maior por chamada.
Em código, vale escrever uma única função de vetorização que aceite tanto um texto isolado quanto uma lista de chunks e devolva um vetor ou uma lista de vetores. A mesma função serve para indexar os documentos e, depois, para vetorizar a pergunta do usuário.
O mesmo modelo na ingestão e na consulta
O modelo que gerou os vetores ao popular a coleção precisa ser exatamente o mesmo usado para vetorizar a pergunta. Cada modelo organiza o espaço vetorial do seu jeito; trocar o modelo deixa os dois lados dessincronizados.
Com outro modelo, o banco pode recusar a consulta por incompatibilidade de dimensão. Se aceitar, as respostas mudam, porque a pergunta passa a ser comparada num espaço diferente do dos documentos. Mudar de modelo exige reindexar tudo.
Quem faz o quê entre modelo de embedding, banco vetorial e LLM
Três peças participam, com papéis distintos:
- O modelo de embedding converte texto em vetor, uma vez na indexação e outra vez em cada consulta. Ele não volta a interpretar os números depois de gerados.
- O banco vetorial armazena os vetores com seus metadados e faz o cálculo de similaridade entre o vetor da pergunta e os vetores guardados, devolvendo os trechos mais próximos.
- O modelo que responde recebe esses trechos em linguagem natural, junto com a pergunta, e não os vetores.
Essa divisão explica por que problemas na ingestão, como a Duplicação de Embeddings e Chunks, degradam a resposta mesmo com um bom modelo gerador: o que chega ao prompt é só o que o banco devolveu.