Indexação e metadados
Cada chunk é armazenado junto com seu vetor e um conjunto de etiquetas estruturadas. Essas etiquetas permitem filtrar o espaço de busca antes de aplicar a similaridade.
Uma entrada típica no índice vetorial guarda:
- o texto original do chunk,
- o vetor de embedding,
- um identificador estável do documento de origem,
- autor, data de criação e data de expiração,
- uma ou mais etiquetas de categoria,
- o idioma e, muitas vezes, um hash do texto para deduplicação.
Com esses metadados, é possível aplicar filtros antes ou depois do cálculo de similaridade. Filtro pré-similaridade reduz o espaço de busca: apenas chunks que satisfazem as condições (categoria X, data superior a Y) entram na comparação. Filtro pós-similaridade pega os top-k resultados e reaplica critérios, útil para reordenar por recência ou para excluir fontes depreciadas.
Filtros aplicados ao corpus
A grade abaixo mostra todos os 24 chunks do corpus simulado. Use os controles para alternar as categorias ativas e mudar a ordenação. A operação é equivalente a uma consulta do tipo “me dê todos os chunks das categorias X e Y, ordenados por data decrescente”, antes de qualquer cálculo vetorial.
O Plano Real, lançado em 1994, encerrou décadas de hiperinflação no Brasil. A transição monetária ocorreu em duas etapas: a URV, como unidade de conta, e em seguida o Real como nova moeda de troca.
A arquitetura Transformer, introduzida em 2017 no artigo Attention Is All You Need, substituiu recorrência por atenção e viabilizou modelos de linguagem treinados em escala, como os que alimentam assistentes modernos.
As placas tectônicas são blocos da litosfera que se movem sobre o manto terrestre. O anel de fogo do Pacífico concentra cerca de 75% dos vulcões ativos do mundo justamente pelo encontro dessas placas.
Um buraco negro é uma região do espaço-tempo onde a gravidade é tão intensa que nem a luz escapa. O horizonte de eventos é a fronteira matemática que separa o que ainda pode retornar do que já foi capturado.
A inflação mede a perda de poder de compra da moeda ao longo do tempo. No Brasil, o IPCA é o índice oficial e acompanha uma cesta de preços de nove grupos — alimentação, habitação, transporte, entre outros.
O Carnaval do Rio de Janeiro é, desde a década de 1930, um dos maiores espetáculos de rua do mundo. As escolas de samba desfilam na Sapucaí em formações com samba-enredo, alegorias e fantasias.
A frota de Pedro Álvares Cabral aportou no litoral sul da Bahia em 22 de abril de 1500, marcando o início da presença portuguesa no território que se tornaria o Brasil. O evento foi registrado na carta de Pero Vaz de Caminha.
A literatura de cordel, típica do sertão nordestino, é impressa em folhetos ilustrados por xilogravuras e vendida em feiras. Os versos contam histórias de cangaceiros, santos, política e amor.
O Rio Amazonas tem cerca de 7 mil quilômetros e é o maior rio do mundo em volume de água, respondendo por aproximadamente 20% de toda a água doce que chega aos oceanos.
Bancos de dados relacionais organizam informação em tabelas ligadas por chaves. A linguagem SQL foi padronizada nos anos 1980 e segue sendo o jeito mais comum de consultar dados estruturados em produção.
A Bolsa de Valores é onde ações e outros ativos são negociados entre compradores e vendedores. No Brasil, a B3 opera eletronicamente e concentra os pregões de renda variável do país.
A fotossíntese converte luz solar em energia química nos cloroplastos, transformando dióxido de carbono e água em glicose e oxigênio — a base de praticamente toda a cadeia alimentar no planeta.
A Proclamação da República, em 15 de novembro de 1889, encerrou o regime monárquico brasileiro. Foi liderada por oficiais militares e marcou a transição para um modelo federativo ainda fortemente oligárquico.
O Pantanal, no centro-oeste do Brasil, é a maior planície alagável contínua do mundo. Em época de cheia, cobre mais de 150 mil km² e abriga uma das maiores concentrações de fauna da América do Sul.
A Segunda Guerra Mundial durou de 1939 a 1945 e envolveu as principais potências do mundo em dois blocos: os Aliados e o Eixo. O conflito redesenhou a geopolítica do século XX e deixou mais de 70 milhões de mortos.
A Bossa Nova nasceu no Rio de Janeiro no fim dos anos 1950, com João Gilberto, Tom Jobim e Vinicius de Moraes. Combinou o samba com harmonias do jazz e produziu um novo tipo de canção intimista.
A teoria da evolução por seleção natural, proposta por Darwin em 1859, descreve como populações acumulam variações herdáveis ao longo de gerações quando essas variações aumentam a chance de sobrevivência.
As redes neurais convolucionais extraem padrões visuais por camadas sucessivas de filtros. Dominaram a visão computacional a partir de 2012 com o modelo AlexNet, que reduziu drasticamente o erro no ImageNet.
O Saara cobre mais de 9 milhões de km² no norte da África e é o maior deserto quente do planeta. Sua extensão tem se expandido lentamente pelo fenômeno da desertificação nas regiões do Sahel.
O DNA foi descrito em 1953 por Watson e Crick como uma dupla hélice composta por quatro bases nitrogenadas pareadas. O modelo explicou como a informação genética é copiada em cada divisão celular.
O protocolo HTTP segue um modelo cliente-servidor sem estado. Cada requisição carrega verbo, caminho, cabeçalhos e corpo; cada resposta traz um código e um payload. É a base operacional de quase toda a web.
A Revolução Francesa começou com a queda da Bastilha em 14 de julho de 1789. Derrubou o Antigo Regime, aboliu privilégios feudais e consolidou o ideário de liberdade, igualdade e fraternidade na Europa.
As festas juninas marcam o calendário do Nordeste brasileiro em junho, com fogueira, quadrilha, forró, comidas à base de milho e homenagens a Santo Antônio, São João e São Pedro.
A quebra da Bolsa de Nova York em 29 de outubro de 1929 desencadeou a Grande Depressão. Na década seguinte, o desemprego atingiu 25% nos Estados Unidos e o colapso atravessou o mundo.
24 de 24 chunks · 6 de 6 categorias
Motores de índice
Em produção, o índice costuma rodar num banco vetorial especializado (Qdrant, Weaviate, Pinecone, Milvus) ou em uma extensão de banco relacional (pgvector no PostgreSQL). Esses motores oferecem busca aproximada do vizinho mais próximo (ANN, Approximate Nearest Neighbor), que é mais rápida do que a busca exata quando o corpus tem milhões de vetores.
A maior parte dos motores aceita filtros de metadados integrados à busca vetorial, para que não seja necessário trazer todos os chunks candidatos e filtrar no cliente.