Geração Aumentada por Recuperação (RAG)

A arquitetura original de RAG combinava um modelo de linguagem com informações recuperadas de um índice externo durante a geração. Evidence for this claim The original RAG paper combined a pretrained sequence-to-sequence model with a non-parametric dense-vector index retrieved during generation. Scope: Lewis et al.'s 2020 RAG architecture and experiments, not every modern retrieval system. Confidence: high · Verified: 2026-07-14 Lewis et al.: Retrieval-Augmented Generation A documentação moderna de plataformas usa a mesma ideia ampla de recuperar e depois gerar. Evidence for this claim Google Cloud describes RAG as retrieving relevant information from external knowledge sources and providing it to a model to improve generated responses. Scope: General RAG architecture in Google Cloud documentation; quality depends on retrieval, source quality, and generation. Confidence: high · Verified: 2026-07-14 Google Cloud: RAG overview

TL;DR — RAG (Geração Aumentada por Recuperação) é como os mecanismos de busca com IA pesquisam informações antes de responder. Em vez de responder apenas com base na memória, o sistema primeiro recupera trechos relevantes de um índice de busca e depois gera uma resposta com base no que encontrou. É por isso que o Google AI Overviews, o ChatGPT Search e o Perplexity podem citar páginas da web recentes — e por que estar no índice ainda importa.

O que é RAG

Um modelo de linguagem grande (um LLM, a tecnologia por trás do ChatGPT e ferramentas semelhantes) aprende com uma enorme quantidade de texto durante o treinamento. Mas esse treinamento tem uma data de corte, e o modelo não consegue memorizar tudo — então, por conta própria, ou não sabe fatos recentes ou de nicho, ou inventa algo que parece plausível.

O RAG resolve isso permitindo que o modelo pesquise informações. Quando você faz uma pergunta, um sistema de RAG faz duas coisas em ordem:

1. Recuperação — ele busca em um índice (como o do Google ou o do Bing) e traz de volta os trechos mais relevantes para a sua pergunta.
2. Geração aumentada — ele entrega esses trechos ao LLM, que escreve uma resposta com base neles e geralmente mostra links para as fontes.

A maneira mais simples de visualizar: em vez de responder apenas com base na memória, a IA faz o dever de casa primeiro.

Um exemplo rápido

Pergunte a um mecanismo de busca com IA “o que mudou no iPhone mais recente?” O modelo não foi treinado com um produto lançado na semana passada. Com RAG, ele pesquisa na web, recupera alguns artigos recentes e escreve a resposta com base neles — com citações que você pode clicar. Sem RAG, ele diria que não sabe ou adivinharia.

Por que isso importa para você

Aqui está a parte que surpreende as pessoas: o RAG não usa um “índice de IA” separado. O Google AI Overviews recupera do índice de busca normal do Google. O ChatGPT Search foi lançado no índice do Bing e também usa seu próprio rastreador (OAI-SearchBot) — a OpenAI não disse exatamente como os dois são combinados hoje. De qualquer forma, os mesmos fundamentos que sempre importaram — ser rastreável, ser indexado, escrever com clareza — são exatamente o que decide se o seu conteúdo pode ser recuperado e citado em uma resposta de IA.

Outra coisa para saber: o RAG reduz respostas erradas (alucinações), mas não as elimina. A IA ainda pode interpretar mal o que recuperou. Portanto, ser a fonte mais clara e mais direta sobre um tópico realmente ajuda.

Quer saber os mecanismos reais — embeddings, chunking, re-ranking, RAG ingênuo vs. agêntico, e o manual de SEO? Mude para a aba Avançado.

O sistema de Lewis e colegas de 2020 combinou geração de sequências com recuperação densa de um índice não paramétrico. Evidence for this claim The original RAG paper combined a pretrained sequence-to-sequence model with a non-parametric dense-vector index retrieved during generation. Scope: Lewis et al.'s 2020 RAG architecture and experiments, not every modern retrieval system. Confidence: high · Verified: 2026-07-14 Lewis et al.: Retrieval-Augmented Generation A visão geral atual do Google Cloud define RAG de forma mais ampla como fornecer conhecimento externo recuperado a um modelo. Evidence for this claim Google Cloud describes RAG as retrieving relevant information from external knowledge sources and providing it to a model to improve generated responses. Scope: General RAG architecture in Google Cloud documentation; quality depends on retrieval, source quality, and generation. Confidence: high · Verified: 2026-07-14 Google Cloud: RAG overview

TL;DR — RAG é um padrão de duas fases, em tempo de inferência: recuperação (encontrar trechos relevantes em um corpus externo) e depois geração aumentada (alimentar esses trechos a um LLM para produzir uma resposta fundamentada e citada). Os pesos nunca mudam — ele combina a memória paramétrica do modelo com a memória não paramétrica recuperada ao vivo. A fase de recuperação encadeia chunking → embeddings → busca vetorial → re-ranking → top-k. RAG “ingênuo” é recuperar e depois gerar; RAG avançado adiciona reescrita de consulta e re-ranking; RAG agêntico adiciona recuperação iterativa e de múltiplos saltos. A recuperação pode fundamentar respostas, mas não garante a correção; em uma avaliação do Gemma, contexto insuficiente coincidiu com mais respostas incorretas. Para SEO: não há um índice de IA separado; rastreabilidade, indexação e clareza no nível do trecho são os pré-requisitos para ser recuperado.

As duas fases (e por que “tempo de inferência” é o ponto principal)

Decomponha a sigla e você tem o modelo: Recuperação mais Geração Aumentada. Uma consulta chega; o sistema recupera as passagens mais relevantes de um corpus externo; ele injeta essas passagens na janela de contexto do LLM; o LLM gera uma resposta fundamentada nelas.

O detalhe que todo mundo erra: isso acontece no momento da inferência, e os pesos do modelo nunca são tocados. RAG não é treinamento e não é fine-tuning. O artigo original de 2020 de Patrick Lewis e colegas da Facebook AI Research enquadrou isso como a combinação de dois tipos de memória — memória paramétrica (conhecimento embutido nos pesos durante o treinamento) e memória não paramétrica (conhecimento recuperado em tempo real de um índice). RAG usa ambos ao mesmo tempo. A AWS apresenta o caso prático claramente: retreinar um modelo de fundação para conhecimento novo ou específico de domínio é caro, e “RAG is a more cost-effective approach to introducing new data to the LLM.” (tradução) «RAG é uma abordagem mais econômica para introduzir novos dados no LLM.»

(O nome, aliás, foi um acidente. Lewis admitiu depois: “We definitely would have put more thought into the name had we known our work would become so widespread… We always planned to have a nicer sounding name, but when it came time to write the paper, no one had a better idea.” (tradução) «Definitivamente teríamos pensado mais no nome se soubéssemos que nosso trabalho se tornaria tão difundido… Sempre planejamos ter um nome mais agradável, mas, quando chegou a hora de escrever o artigo, ninguém teve uma ideia melhor.»)

Dentro da fase de recuperação

“Recuperar as passagens relevantes” está fazendo muito trabalho nessa frase. Em um sistema real, é um pipeline:

1. Chunking. Documentos são divididos em pedaços recuperáveis. O tamanho do chunk é um tradeoff real — pequeno demais e uma passagem perde seu contexto; grande demais e inunda o orçamento de tokens com irrelevância. As estratégias variam de contagens fixas de tokens (100/256/512) a janelas recursivas/deslizantes até “Small2Big” (recuperar uma frase pequena, retornar seu chunk pai para geração).
2. Embeddings. Cada chunk é transformado em um vetor denso — uma representação numérica de seu significado — para que a similaridade seja calculada semanticamente, não por correspondência de palavras-chave. É por isso que conteúdo sobre um tópico é recuperado mesmo quando não usa a formulação exata da consulta.
3. Busca vetorial. A consulta também é incorporada, e o sistema encontra os chunks cujos vetores estão mais próximos dela. A maioria das stacks de produção executa busca híbrida — recuperação por vetor denso mais busca por palavras-chave BM25 — porque cada uma captura recall que a outra perde.
4. Re-ranking. Um modelo separado re-pontua os candidatos por relevância para a consulta e os reordena, “effectively reducing the overall document pool.” (tradução) «reduzindo efetivamente o conjunto geral de documentos.» Apenas os melhores sobreviventes entram no contexto.
5. Top-k no prompt. As melhores passagens são concatenadas com a consulta do usuário e entregues ao gerador.

Chunking é o elo frágil. A Anthropic identificou que “traditional RAG solutions remove context when encoding information” (tradução) «as soluções tradicionais de RAG removem contexto ao codificar informações» — um chunk retirado de seu documento perde o contexto circundante que o tornava significativo. A técnica de Recuperação Contextual deles (prependendo contexto específico do chunk antes da indexação) reduziu recuperações falhas em 49%, e em 67% combinada com re-ranking. Isso é um forte sinal de que o problema do chunking é real — e que passagens autocontidas e ricas em contexto são mais fáceis de recuperar corretamente.

RAG ingênuo, avançado e agêntico

A literatura de pesquisa (Gao et al., 2023) divide RAG em uma taxonomia útil:

• RAG ingênuo — “a traditional process that includes indexing, retrieval, and generation.” (tradução) «um processo tradicional que inclui indexação, recuperação e geração.» Recupera top-k uma vez, gera uma vez. Ele “struggles with precision and recall, leading to the selection of misaligned or irrelevant chunks.” (tradução) «tem dificuldades com precisão e revocação, o que leva à seleção de trechos desalinhados ou irrelevantes.»
• RAG avançado — adiciona “pre-retrieval and post-retrieval strategies.” (tradução) «estratégias de pré-recuperação e pós-recuperação.» Pré-recuperação: reescrita de consulta e melhor indexação (incluindo HyDE, onde o modelo gera uma resposta hipotética, incorpora isso, e recupera documentos que parecem respostas em vez de perguntas). Pós-recuperação: re-ranking e compressão de contexto.
• RAG modular / agêntico — o modelo recupera, raciocina sobre o que ainda está faltando, e recupera novamente, iterando em múltiplos saltos. Este é o estado atual da busca com IA. Como Michael King disse: “The retrieve-once-then- generate pattern that defined the first wave is obsolete… Agentic RAG is now the default.” (tradução) «O padrão de recuperar uma vez e depois gerar que definiu a primeira onda está obsoleto… O RAG agêntico agora é o padrão.»

Isso importa para SEO porque o conteúdo agora precisa sobreviver a múltiplas rodadas de recuperação e verificação de contradições — não apenas uma única passagem de recuperação.

O RAG elimina alucinações? Não.

O RAG pode fundamentar respostas em fontes recuperadas, mas o LLM ainda pode interpretar mal ou superinterpretar o que puxou. O Google Research (ICLR 2025) documentou um resultado contraintuitivo em uma avaliação: a Gemma produziu respostas incorretas em 10,2% das perguntas sem contexto e 66,1% com contexto insuficiente. Os pesquisadores relatam que os modelos podem “excel with sufficient context but fail to recognize when context is insufficient.” (tradução) «destacar-se com contexto suficiente, mas falhar em reconhecer quando o contexto é insuficiente.» Trate isso como um aviso específico de modelo e de avaliação, não como prova de que a recuperação universalmente causa respostas piores. A lição prática é mais restrita: a qualidade da recuperação e a suficiência do contexto precisam ser avaliadas em vez de assumidas. O Google operacionalizou a descoberta como um re-ranker de LLM em seu Vertex AI RAG Engine.

RAG vs. fine-tuning

Esses são constantemente confundidos, e são fundamentalmente diferentes:

• RAG recupera informações externas no momento da consulta. Pesos inalterados. Melhor para informações novas/em mudança, requisitos de citação e custo. A pesquisa descobriu que “RAG consistently outperforms [unsupervised fine-tuning], for both existing knowledge encountered during training and entirely new knowledge.” (tradução) «O RAG supera de modo consistente o fine-tuning não supervisionado, tanto para o conhecimento existente encontrado durante o treinamento quanto para conhecimento totalmente novo.»
• Fine-tuning modifica os pesos do modelo em uma execução de treinamento separada. Melhor para mudar estilo e comportamento, ou ensinar conhecimento de domínio estável que não muda.

Você usaria RAG para fazer um modelo saber os fatos mais recentes; você usaria fine-tuning para mudar como ele fala.

RAG na prática: Google, ChatGPT, Perplexity

• Google AI Overviews. O Google chama RAG de “a technique (also known as grounding)… relying on our core Search ranking systems to retrieve relevant, up-to-date web pages from our Search index.” (tradução) «uma técnica, também conhecida como grounding, que depende dos nossos principais sistemas de ranqueamento da Pesquisa para recuperar páginas da web relevantes e atualizadas do nosso índice de Pesquisa.» Duas coisas decorrem disso. Primeiro, não existe um índice de IA separado — “our generative AI features on Google Search are rooted in our core Search ranking and quality systems.” (tradução) «nossos recursos de IA generativa na Pesquisa Google estão enraizados nos nossos principais sistemas de ranqueamento e qualidade da Pesquisa.» Segundo, o Google executa query fan-out: “concurrent, related queries generated by the model to request more information.” (tradução) «consultas concorrentes e relacionadas geradas pelo modelo para solicitar mais informações.» Uma única pergunta pode gerar várias subconsultas, cada uma recuperando conteúdo diferente — então seu conteúdo precisa satisfazer as subperguntas implícitas, não apenas a consulta principal.
• ChatGPT Search. Lançado (outubro de 2024) com o Bing como parceiro de dados, e a documentação do próprio crawler da OpenAI confirma que o OAI-SearchBot faz busca e indexação independentes para citações de pesquisa, separado do rastreamento de treinamento do GPTBot. A OpenAI não publicou a combinação atual de recuperação entre o Bing e seu próprio índice, e desde então a OpenAI posicionou o ChatGPT Search como um concorrente independente do Bing, em vez de um wrapper — então trate “é basicamente o Bing” como uma simplificação. A alavanca documentada e acionável é mais restrita e mais durável: não bloqueie o OAI-SearchBot no robots.txt, porque esse é o crawler que a própria OpenAI nomeia como o que indexa conteúdo para citações de pesquisa.
• Perplexity. Construído em recuperação híbrida (Vespa.ai — BM25 + denso) com modelos de incorporação personalizados e um limite estrito de re-classificação: por análise de terceiros, apenas os ~30% principais de mais de 60 fontes recuperadas sobrevivem até o estágio de geração, e “citations are not retrofitted post-generation — they are structurally assigned during context assembly.” (tradução) «as citações não são acrescentadas retroativamente depois da geração; elas são atribuídas estruturalmente durante a montagem do contexto.» O Deep Research executa o loop agêntico em dezenas de pesquisas.

O que RAG significa para SEO

Tirando o jargão, o manual é concreto:

• Estar no índice é o pré-requisito — ponto final. Sem índice de IA separado, a cadeia rastrear → indexar → recuperar precisa estar intacta. Se uma página não pode ser rastreada e indexada, ela não pode ser recuperada em uma resposta de IA. O mesmo vale para os mecanismos de IA que constroem seus próprios pools: crawlers de IA como OAI-SearchBot e PerplexityBot precisam ter permissão para buscar você, ou você fica invisível para essas respostas.
• Escreva passagens autocontidas. RAG recupera fragmentos, não páginas inteiras. Como Francine Monahan, da iPullRank, disse, os sistemas de IA examinam “fragments of pages rather than the page as a whole” (tradução) «fragmentos de páginas em vez da página como um todo» — então crie “stand-out passages and phrases” (tradução) «passagens e frases de destaque» que respondam a uma pergunta específica por conta própria. Isso é exatamente a estrutura de H2/H3 e frases de tópico claras que um bom SEO já recompensa. O Google diz explicitamente para não picar seu conteúdo em pedaços minúsculos para IA — conteúdo bem estruturado se divide bem por conta própria.
• Cubra os subtópicos. Query fan-out significa que uma pergunta pode acionar muitas recuperações. Profundidade em subperguntas relacionadas supera uma página recheada em torno de uma única palavra-chave.
• Autoridade impulsiona citação mais do que posição de classificação. De uma análise de 8 000 citações: “Strong organic search presence and broad web visibility leads to AI citations, not the other way around” (tradução) «Uma forte presença na busca orgânica e ampla visibilidade na web levam a citações por IA, não o contrário» — e “highly authoritative content from a lower-ranking page” (tradução) «conteúdo altamente confiável de uma página em posição inferior» às vezes é citado em vez de um conteúdo menos confiável no topo. Meus próprios dados se alinham (da minha pesquisa de citações do AI Overview): menções em páginas com muitos links são o preditor mais forte de inclusão no AI Overview (ρ ≈ 0,70), e menções de marca na web correlacionaram ~0,66 em 75 000 marcas.
• Conteúdo fresco tem vantagem. Citações de IA tendem a ser significativamente mais frescas que resultados orgânicos, então atualidade importa.

Se você quer a versão de uma frase: RAG não substituiu SEO — ele elevou as apostas nas partes do SEO que sempre foram sobre ser encontrável e ser claro.

Resumo de IA

Uma visão condensada da versão Avançada:

• RAG = Recuperação + Geração Aumentada. Duas fases no momento da inferência: recuperar passagens relevantes de um corpus externo e, em seguida, alimentá-las a um LLM para gerar uma resposta fundamentada e citada. Os pesos do modelo nunca mudam — não é treinamento nem ajuste fino.
• Combina duas memórias: paramétrica (embutida nos pesos) + não paramétrica (recuperada em tempo real). É assim que as respostas de IA cobrem informações além do corte de treinamento.
• A recuperação é um pipeline: chunking → embeddings → busca vetorial (muitas vezes híbrida com BM25) → re-ranqueamento → passagens top-k no prompt. O chunking é o elo frágil; passagens com contexto rico recuperam melhor (a Anthropic reduziu recuperações falhas em 49%).
• Três variações: ingênua (recuperação única), avançada (reescrita de consulta, HyDE, re-ranqueamento) e agêntica (multi-hop iterativa) — a agêntica é agora o padrão da busca por IA.
• Reduz, mas não elimina, alucinações. Com contexto insuficiente, a taxa de alucinação de um modelo saltou de 10,2% para 66,1% — uma recuperação ruim pode ser pior do que nenhuma recuperação.
• RAG vs. ajuste fino: RAG para fatos novos/em mudança + citações + custo; ajuste fino para estilo/comportamento e conhecimento estável.
• Mecanismos: os AI Overviews do Google recuperam do índice principal (sem índice de IA separado) com fan-out de consulta; o ChatGPT Search foi lançado no índice do Bing e também executa seu próprio rastreador, OAI-SearchBot — a combinação exata atual não é publicada, então não bloqueie o OAI-SearchBot; a Perplexity usa recuperação híbrida com um limite estrito de re-ranqueamento e citações atribuídas durante a montagem do contexto.
• SEO: ser rastreável + indexado é o pré-requisito; escreva passagens autocontidas; cubra subtópicos (fan-out); autoridade/E-E-A-T impulsiona citações mais do que a posição no ranking; conteúdo novo tem vantagem.

Documentação oficial

Documentação e definições de fontes primárias dos provedores.

Google

• Guia do Google para Otimizar para Recursos de IA Generativa — define RAG como fundamentação sobre o índice principal do Search; cobre o fan-out de consulta.
• AI Overviews e AI Mode na Pesquisa — confirma que não há requisitos adicionais além da indexação padrão e elegibilidade para snippets.
• RAG e fundamentação no Vertex AI — definição de recuperar-depois-gerar do Google Cloud (Burak Gokturk).
• Insights mais profundos sobre RAG: o papel do contexto suficiente — Google Research (ICLR 2025) sobre o modo de falha por contexto insuficiente.

Microsoft / Azure

• RAG e IA generativa — Azure AI Search — RAG definido como fundamentação em conteúdo proprietário; compreensão de consulta, restrições de tokens e a mudança para recuperação agêntica.

OpenAI

• Visão geral dos rastreadores da OpenAI — confirma que o OAI-SearchBot faz busca/indexação independente para citações do ChatGPT Search, separado do rastreamento de treinamento do GPTBot; não divulga a combinação atual com o índice do Bing.

Anthropic

• Apresentando a Recuperação Contextual — o problema da perda de contexto em chunks e uma correção medida (49% / 67% menos recuperações falhas).

AWS

• O que é Geração Aumentada por Recuperação? — explicador claro em três etapas e o argumento de custo RAG vs. retreinamento.

Artigos fundamentais

• Geração aumentada por recuperação para tarefas de PLN que exigem conhecimento — Lewis et al., NeurIPS 2020 (o artigo original de RAG; memória paramétrica vs. não paramétrica).
• Geração aumentada por recuperação para LLMs: uma revisão — Gao et al. (a taxonomia ingênua / avançada / modular, HyDE, re-ranking).

Citações da fonte

Declarações registradas dos provedores e dos pesquisadores originais. Links profundos saltam para a passagem citada quando disponível.

Google — RAG é grounding, sobre o índice principal

• “A technique (also known as grounding) used to improve the quality, accuracy, and freshness of AI responses by relying on our core Search ranking systems to retrieve relevant, up-to-date web pages from our Search index.” (tradução) «Uma técnica (também conhecida como grounding) usada para melhorar a qualidade, a precisão e a atualidade das respostas de IA, contando com nossos sistemas principais de ranqueamento da Pesquisa para recuperar páginas da web relevantes e atualizadas do nosso índice de Pesquisa.» — Google Search Central, guia de otimização para IA. Ir para a citação
• “Our generative AI features on Google Search are rooted in our core Search ranking and quality systems.” (tradução) «Nossos recursos de IA generativa na Pesquisa Google estão enraizados em nossos sistemas principais de ranqueamento e qualidade da Pesquisa.» — Google Search Central, guia de otimização para IA.

Google Cloud — a definição de recuperar-depois-gerar

• “Retrieval Augmented Generation (RAG), a technique developed to mitigate these challenges, first ‘retrieves’ facts about a question, then provides those facts to the model before it ‘generates’ an answer – this is what we mean by grounding.” (tradução) «Geração Aumentada por Recuperação (RAG), uma técnica desenvolvida para mitigar esses desafios, primeiro ‘recupera’ fatos sobre uma pergunta e depois fornece esses fatos ao modelo antes de ‘gerar’ uma resposta — é isso que queremos dizer com grounding.» — Burak Gokturk, VP e GM, Cloud AI, Google Cloud (27 de junho de 2024). Ir para a citação

O artigo original de RAG — memória paramétrica vs. não paramétrica

• “retrieval-augmented generation (RAG) — models which combine pre-trained parametric and non-parametric memory for language generation.” (tradução) «geração aumentada por recuperação (RAG) — modelos que combinam memória paramétrica e não paramétrica pré-treinadas para a geração de linguagem.» — Lewis et al., NeurIPS 2020.

Patrick Lewis, autor principal — sobre o nome (via NVIDIA Blog, Rick Merritt)

• “We definitely would have put more thought into the name had we known our work would become so widespread.” (tradução) «Definitivamente teríamos pensado mais no nome se soubéssemos que nosso trabalho se tornaria tão difundido.»
• “We always planned to have a nicer sounding name, but when it came time to write the paper, no one had a better idea.” (tradução) «Sempre planejamos ter um nome com som mais agradável, mas quando chegou a hora de escrever o artigo, ninguém teve uma ideia melhor.» Leia a cobertura

Microsoft — RAG como grounding no seu conteúdo

• “Retrieval-augmented generation (RAG) is a pattern that extends LLM capabilities by grounding responses in your proprietary content.” (tradução) «A geração aumentada por recuperação (RAG) é um padrão que estende as capacidades dos LLMs ao fundamentar as respostas no seu conteúdo proprietário.» — Microsoft, documentação do Azure AI Search.

Anthropic — o problema da fragmentação

• “traditional RAG solutions remove context when encoding information.” (tradução) «as soluções tradicionais de RAG removem contexto ao codificar informações.» — Anthropic, Contextual Retrieval (19 de setembro de 2024). Leia o post

AWS — RAG vs. retreinamento

• “Retrieval-Augmented Generation (RAG) is the process of optimizing the output of a large language model, so it references an authoritative knowledge base outside of its training data sources before generating a response.” (tradução) «A Geração Aumentada por Recuperação (RAG) é o processo de otimizar a saída de um modelo de linguagem grande, para que ele referencie uma base de conhecimento autoritativa fora de suas fontes de dados de treinamento antes de gerar uma resposta.» — AWS.
• “RAG is a more cost-effective approach to introducing new data to the LLM.” (tradução) «RAG é uma abordagem mais econômica para introduzir novos dados ao LLM.» — AWS.

OpenAI — seu próprio rastreador para o ChatGPT Search

• “OpenAI uses OAI-SearchBot and GPTBot robots.txt tags to enable webmasters to manage how their sites and content work with AI… a webmaster can allow OAI-SearchBot in order to appear in search results while disallowing GPTBot to indicate that crawled content should not be used for training.” (tradução) «A OpenAI usa as tags robots.txt do OAI-SearchBot e do GPTBot para permitir que webmasters gerenciem como seus sites e conteúdos funcionam com IA… um webmaster pode permitir o OAI-SearchBot para aparecer nos resultados de busca enquanto desabilita o GPTBot para indicar que o conteúdo rastreado não deve ser usado para treinamento.» — OpenAI, Visão geral dos rastreadores da OpenAI. Leia a documentação

Michael King, iPullRank — a mudança agêntica (Search Engine Land)

• “The retrieve-once-then-generate pattern that defined the first wave is obsolete… Agentic RAG is now the default.” (tradução) «O padrão de recuperar-uma-vez-depois-gerar que definiu a primeira onda está obsoleto… RAG agêntico agora é o padrão.» Leia a cobertura

Folha de dicas de RAG

O pipeline, de ponta a ponta

“query → [retrieval: chunk · embed · vector search (+BM25) · re-rank · top-k] → augment (passages into context) → generate (LLM writes grounded, cited answer)” (tradução) Consulta → recuperação: dividir em trechos · gerar embeddings · fazer busca vetorial (+BM25) · reordenar · selecionar as melhores passagens → ampliar o contexto com essas passagens → gerar uma resposta fundamentada e com citações.

RAG vs. fine-tuning

As três gerações de RAG

Pools de recuperação dos mecanismos em resumo

Fatos rápidos

• RAG = Recuperação + Aumentação + Geração; cunhado em Lewis et al., 2020.
• É em tempo de inferência — os pesos nunca mudam.
• A alucinação não está resolvida: contexto insuficiente levou um modelo de 10,2% → 66,1%.
• A divisão em chunks consciente do contexto reduziu as recuperações falhas em 49% (67% com re-ranking).
• Não pré-”divida” seu conteúdo para IA — uma estrutura clara de H2/H3 já se divide bem por conta própria.

Os modelos mentais

1. Recuperar → Aumentar → Gerar. Todo sistema RAG é esses três movimentos. Quando uma resposta de IA está errada, localize qual etapa falhou: ela recuperou as passagens certas, passou contexto suficiente ou o modelo gerou incorretamente a partir de boas fontes? A maioria dos problemas de visibilidade em IA são problemas de recuperação, não problemas de geração.

2. Memória paramétrica vs. não paramétrica. O modelo tem conhecimento paramétrico (congelado em seus pesos, limitado ao seu corte de treinamento) e conhecimento não paramétrico (recuperado ao vivo). Publicar conteúdo não pode tocar nos pesos — mas pode alimentar a recuperação ao vivo. Essa é exatamente a razão pela qual o SEO ainda se aplica à busca por IA.

3. RAG vs. fine-tuning é uma divisão entre conhecimento e comportamento. Precisa que o modelo saiba fatos novos ou em mudança? RAG. Precisa mudar como ele se comporta ou escreve? Fine-tuning. Não faça fine-tuning para adicionar fatos que mudam semanalmente.

4. A qualidade da recuperação é o gargalo — e ela afeta nos dois sentidos. Uma recuperação melhor supera um modelo maior. E uma recuperação insuficiente pode ser pior do que nenhuma. Portanto, o objetivo para seu conteúdo não é apenas “ser recuperado” — é “ser recuperado como uma passagem suficiente e autocontida” que permita ao modelo responder de forma definitiva.

5. A cadeia de rastreamento → indexação → recuperação. Não existe um índice de IA separado. Se uma página falha no rastreamento ou na indexação, ela nunca pode chegar à recuperação — para o RAG do Google ou para mecanismos de IA que constroem seus próprios pools. Corrija a cadeia primeiro; otimize as passagens depois.

Teste-se: Geração aumentada por recuperação

Recursos que valem seu tempo

Meus escritos e pesquisas relacionados

• O que realmente sabemos sobre otimização para busca com LLMs — artigo da Ahrefs usando meus dados: menções em páginas com muitos links são o preditor mais forte de inclusão em AI Overviews (ρ ≈ 0,70).
• Otimização para mecanismos generativos — a resposta de SEO para um cenário de busca com RAG.
• GEO? AEO? LLMO? O que significam todas essas siglas de SEO para IA? — minha palestra no Ahrefs Evolve 2025 sobre o cenário de busca com IA e por que o pré-requisito de indexação não mudou.

Os artigos fundamentais

• Geração aumentada por recuperação para tarefas de PLN que exigem conhecimento — Lewis et al., 2020 (a origem).
• RAG para LLMs: uma revisão — Gao et al. (a taxonomia ingênua/avançada/modular).

De outros autores

• Como funcionam os mecanismos de busca com IA — Ryan Law (Ahrefs) sobre RAG como mecanismo de fundamentação.
• Visões gerais de IA do Google: tudo o que você precisa saber — Ong e Law (Ahrefs) sobre RAG aplicado ao índice principal.
• O que é geração aumentada por recuperação? — NVIDIA (inclui a anedota de Lewis sobre a escolha do nome).
• Como a geração aumentada por recuperação está redefinindo o SEO — Francine Monahan, iPullRank (otimização no nível das passagens).
• Além do RAG: por que toda plataforma de busca com IA agora é agêntica — Michael King, Search Engine Land.
• Como funcionam as respostas da Perplexity AI — Ishtiaque Ahmed, uma análise técnica do pipeline de recuperação, ranqueamento e citação.
• Como ser citado pela IA: insights de SEO de 8.000 citações de IA — James Allen, Search Engine Land; autoridade e E-E-A-T impulsionam citações de IA mais do que a posição no ranqueamento.
• Como a Perplexity usa o Vespa.ai — relato em primeira mão da Vespa.ai sobre a arquitetura híbrida de recuperação BM25 + densa da Perplexity.
• Geração aumentada por recuperação — Wikipédia — visão geral de referência útil; cobre envenenamento de RAG e a ressalva sobre alucinações.

Estatísticas que valem citar

• Salto de alucinação de 10,2 % → 66,1 % — a taxa de alucinação de um modelo com contexto recuperado insuficiente vs. nenhum contexto; recuperação ruim pode ser pior que nenhuma recuperação. Google Research, ICLR 2025. Fonte
• 49 % menos recuperações falhas com chunking ciente do contexto (Contextual Embeddings), subindo para 67 % quando combinado com re-ranqueamento. Anthropic, 2024. Fonte
• ρ ≈ 0,70 — menções em páginas com muitos links são o preditor mais forte de inclusão em AI Overviews do Google na minha pesquisa; menções de marca na web correlacionaram ~0,66 em 75 000 marcas. Fonte
• Taxa de sobrevivência de ~30 % — segundo análise de terceiros, apenas aproximadamente os 30 % principais das 60+ fontes recuperadas passam pelo limite de re-ranqueamento da Perplexity para o estágio de geração. Fonte
• RAG > fine-tuning não supervisionado para tarefas de conhecimento — “for both existing knowledge encountered during training and entirely new knowledge.” (tradução) «tanto para conhecimento existente encontrado durante o treinamento quanto para conhecimento totalmente novo.» Fonte

Registro de alterações