RAG Chatbot

RAG significa Retrieval Augmented Generation (Geração Aumentada de Recuperação). Seu princípio baseia-se em dois estágios sucessivos: recuperação e geração. Para começar, o conteúdo do seu aplicativo é transformado em embeddings - representações matemáticas que permitem que os textos sejam comparados entre si. Quando um usuário faz uma pergunta, ela também é convertida em um embedding e, em seguida, comparada com os embeddings do conteúdo do seu aplicativo para encontrar as passagens mais relevantes usando uma pesquisa semântica. Os trechos selecionados são então fornecidos ao modelo de linguagem, que escreve uma resposta clara e natural, dando prioridade às informações do seu aplicativo e mantendo a capacidade de reformular para facilitar a leitura.

O RAG Chatbot usa o conteúdo que você seleciona no aplicativo para construir sua base de conhecimento. Há suporte para três tipos: artigos, eventos e pontos de mapa. As fontes incluem tanto o conteúdo criado no GoodBarber CMS quanto o conteúdo de feeds externos que você integrou. Você mantém o controle sobre o escopo: para cada seção, você define o número de itens a serem indexados e aqueles a serem incluídos no chatbot. Sempre que o conteúdo é adicionado ou atualizado, a base de conhecimento é atualizada automaticamente, garantindo que suas respostas estejam sempre alinhadas com as informações mais recentes.

Você personaliza a aparência do chatbot para que ele reflita a identidade visual do seu aplicativo: escolha de cores, fontes e estilo de exibição. As fontes usadas nas respostas são destacadas na forma de cartões claros e interativos, dando aos seus usuários acesso fácil ao artigo original, ao evento ou ao ponto do mapa. Assim, o chatbot se torna uma experiência fluida e harmonizada, perfeitamente integrada ao seu mundo.

• 
  Escolha de cores
• 
  Escolha de fontes
• 
  Foto do chatbot
• 
  Estilo

O uso do RAG Chatbot é baseado em um sistema de créditos. Cada assinatura inclui uma cota de 5.000 créditos por mês, renovada automaticamente. Esses créditos são usados para cada ação: indexar novo conteúdo, fazer uma pergunta a um usuário ou gerar uma resposta. Se sua cota for esgotada antes do final do mês, você poderá comprar créditos adicionais para garantir a continuidade do serviço.

O RAG Chatbot permite que você escolha o modelo de IA usado para indexar e gerar respostas. Essa escolha tem um impacto direto no consumo de crédito: alguns modelos são rápidos e econômicos, outros são mais exigentes, mas capazes de produzir respostas mais refinadas e diferenciadas. Por exemplo, um modelo como o GPT-4o-mini reduz os custos, enquanto um modelo como o GPT-5 oferece qualidade máxima. Você decide de acordo com suas prioridades: otimizar o orçamento ou priorizar a precisão. Essa flexibilidade permite que você adapte o serviço às necessidades específicas do seu aplicativo.