APRENDER. PRATICAR. EVOLUIR.Conceito e mecanismo
Embeddings representam conteúdo num espaço produzido por um modelo e configuração. Vetores com a mesma dimensão não são necessariamente comparáveis quando vêm de modelos diferentes. A indexação do corpus e a representação da pergunta devem ser coerentes. A métrica de distância também faz parte do contrato: verifica a relação entre métrica da pesquisa, índice e plano usado. Índices aproximados trocam recursos e qualidade de recuperação por velocidade. Um alvo de accuracy não equivale a recall medido para todas as consultas nem à probabilidade de um documento ser verdadeiro. Compara resultados com pesquisa exata num conjunto representativo e mantém perguntas que exponham casos difíceis.
Aplicação guiada
Num assistente fictício de APS, mede latência, recall, memória, tempo de construção e manutenção antes de escolher o índice. Uma experiência com dez documentos não representa um corpus grande nem concorrência de produção. Filtros de autorização continuam obrigatórios: similaridade não dá acesso a runbooks de outro âmbito. Ao mudar modelo, versiona a representação, reprocessa o corpus e valida uma rota de corte e retorno. Não troques só o modelo da pergunta mantendo vetores incompatíveis. O gestor técnico coordena owners dos documentos, equipa de segurança e DBA, definindo quais dados podem ser usados e como uma regressão de relevância será detetada sem expor conteúdo confidencial.
Corpus com modelo A e pergunta com modelo B: dimensão igual é insuficiente; compara representações e versão antes de afinar o índice.
Armadilhas comuns
Accuracy como verdade; dimensão como compatibilidade; relevância como permissão; primeiro teste como capacidade.
Tópicos relacionados: Containers, serviços e recursos · Ciclo de vida e isolamento de PDBs · Backup e prova de recuperação
Versiona a representação e mede qualidade e custo em conjunto.
Referência: Vector indexes and target accuracy · 1Z0-183 public objectives inspected 2026-09-30; revision date not published