Workshop Construindo Agentes de IA LangGraph Parte 4 Ingestão de RAG (2026-04-28)
Entre para ler os trechos da transcrição de cada capítulo e perguntar ao Labinho sobre esta sessão.
O Labinho é o assistente que responde com as notas e as sessões do LabS e mostra de onde tirou cada resposta.
Notas citadas nas anotações desta sessão.
A sessão deu continuidade ao workshop de construção de agentes com LangGraph e foi dedicada à ingestão de dados para RAG. Foi apresentado o objetivo de concluir a parte prática do LangGraph ao longo da semana, utilizando um PDF de 147 páginas sobre a linguagem SREL como base de conhecimento para um agente capaz de responder dúvidas e gerar códigos. Também foram mencionados os materiais disponíveis no Miro, as gravações anteriores, o repositório do projeto e ferramentas de observabilidade, como LangSmith e Langfuse.
Na prática, o PDF foi colocado no projeto, enviado ao Mistral para OCR e convertido em texto Markdown. Em seguida, o texto foi dividido em chunks de mil caracteres, com sobreposição de 200 caracteres, transformado em embeddings pelo modelo text-embedding-3-large da OpenAI e salvo no banco vetorial Qdrant, junto com os textos e metadados dos arquivos. Também foi implementada a criação da coleção do Qdrant caso ela ainda não exista, usando similaridade por cosseno. Foi explicado que, em uma aplicação real, seria necessário evitar o reprocessamento de PDFs já carregados, por exemplo comparando hashes dos arquivos, mas essa etapa foi deixada como conteúdo adicional para não estender a sessão.
A próxima sessão, marcada para quinta-feira, abordará a recuperação dos vetores no Qdrant e o uso dos trechos encontrados como contexto para o LLM, completando o fluxo de RAG. Permaneceram como pontos de atenção a escolha adequada do tamanho e da sobreposição dos chunks, a prevenção de duplicidades e a validação do formato dos dados recebidos pela função de embeddings.