Pipeline RAG¶

Fluxo de Treinamento¶

flowchart LR
    A[Upload PDF/MD] --> B[PyPDFLoader / TextLoader]
    B --> C[RecursiveCharacterTextSplitter\nchunk_size=1000 overlap=200]
    C --> D[OpenAIEmbeddings\ntext-embedding-3-small]
    D --> E[FAISS.from_documents]
    E --> F[faiss_index salvo em disco\nmedia/agents/ID/faiss_index/]
    F --> G[Agent.is_trained = True]

Fluxo de Recuperação (Chat)¶

flowchart LR
    A[Mensagem do Aluno] --> B[FAISS.load_local]
    B --> C[similarity_search\nk=4 documentos]
    C --> D[Contexto RAG injetado\nno system prompt]
    D --> E[LangGraph StateGraph]
    E --> F[ChatOpenAI streaming]
    F --> G[Resposta em SSE\npara o aluno]

Configurações do Splitter¶

RecursiveCharacterTextSplitter(
    chunk_size=1000,
    chunk_overlap=200,
)

Formatos Suportados¶

Embeddings¶

• Modelo: text-embedding-3-small (OpenAI)
• Dimensão: 1536
• Armazenamento: FAISS em disco (media/agents/{id}/faiss_index/)