Aprenda a construir a camada de dados e contexto de aplicações de inteligência artificial: recuperar informação, combinar buscas, organizar memória e conectar evidências antes de pedir uma resposta ao modelo.
Este curso em português da Escola de Aplicativos é uma adaptação em vídeo baseada no SurrealDB for AI Engineers, da SurrealDB University. O conteúdo original e os exemplos são creditados à SurrealDB; a apresentação em português é de Mauro Mequelussi.
As 11 aulas serão disponibilizadas gratuitamente no YouTube e reunidas nesta página. A estrutura e os resumos já estão disponíveis. Cada vídeo será incorporado abaixo de sua aula quando for publicado.
Como acompanhar
Siga a sequência para estudar dos fundamentos ao Graph RAG ou consulte uma aula específica pelo índice. Não é necessário conhecer SurrealDB para começar. Nas aulas práticas, você trabalha com uma instalação local e bases pequenas; os primeiros exemplos vetoriais usam vetores didáticos, sem exigir uma API de embeddings ou conta na nuvem.
As aulas 01 e 08 se concentram em conceitos e arquitetura. Nas demais, acompanhe os schemas, dados e consultas da lição original para experimentar o mecanismo apresentado.
Índice das aulas
- Aula 01 — Fundamentos de IA
- Aula 02 — Embeddings vetoriais e busca
- Aula 03 — Busca full-text e BM25
- Aula 04 — Base de conhecimento RAG
- Aula 05 — Busca híbrida e reranking
- Aula 06 — Memória para agentes
- Aula 07 — Text-to-SurrealQL
- Aula 08 — Múltiplas fontes e camada de contexto
- Aula 09 — Estratégias de chunking
- Aula 10 — Avaliando a qualidade da recuperação
- Aula 11 — Graph RAG além de um salto
Aula 01 — Fundamentos de IA
Tokens, janela de contexto e alucinações: entenda o que um LLM consegue fazer com as informações que recebe. A aula diferencia engenharia de prompt de engenharia de contexto e mostra por que escolher os dados da resposta faz parte da aplicação.
Ao final desta aula: Distinguir instruções do prompt, conhecimento do modelo e contexto recuperado.
Consultar a lição original da SurrealDB University
Aula 02 — Embeddings vetoriais e busca
Aprenda como textos podem ser representados por vetores e recuperados por similaridade. Os exemplos começam com vetores pequenos para tornar as distâncias visíveis e avançam para busca KNN, índices HNSW e critérios de escolha de um modelo de embedding.
Ao final desta aula: Entender a diferença entre busca exata e aproximada antes de configurar um índice.
Consultar a lição original da SurrealDB University
Aula 03 — Busca full-text e BM25
Explore a busca por palavras e termos exatos, útil para nomes, códigos e identificadores que a similaridade semântica pode deixar passar. A aula trabalha analisadores, stemming, índices BM25, pontuação e destaque dos trechos encontrados.
Ao final desta aula: Reconhecer quando a busca lexical responde melhor à pergunta.
Consultar a lição original da SurrealDB University
Aula 04 — Base de conhecimento RAG
Monte a recuperação que alimenta um LLM com documentos relevantes. Combine similaridade, filtros estruturados e relações entre fontes, descarte resultados fracos e organize o contexto com referências para a resposta.
Ao final desta aula: Separar recuperação de informação e geração da resposta.
Consultar a lição original da SurrealDB University
Aula 05 — Busca híbrida e reranking
Use busca vetorial e BM25 sobre a mesma base para recuperar tanto significado quanto termos exatos. Compare os rankings e combine posições com Reciprocal Rank Fusion (RRF), primeiro passo a passo e depois com a função nativa do SurrealDB.
Ao final desta aula: Combinar rankings sem somar diretamente pontuações de escalas diferentes.
Consultar a lição original da SurrealDB University
Aula 06 — Memória para agentes
Modele memórias persistentes e escolha quais informações recuperar em uma nova interação. A aula combina similaridade, recência e importância, relaciona memórias pelo grafo e trata expiração, atualização e reforço das informações usadas.
Ao final desta aula: Tratar memória como dados com relevância e ciclo de vida.
Consultar a lição original da SurrealDB University
Aula 07 — Text-to-SurrealQL
Veja como um agente pode transformar uma pergunta em consulta usando contexto do schema real. Trabalhe exemplos few-shot recuperados dinamicamente e analise erros de sintaxe, campos inventados e valores incorretos, com permissões e limites aplicados fora do prompt.
Ao final desta aula: Dar contexto ao modelo e manter o controle da execução no banco e na aplicação.
Consultar a lição original da SurrealDB University
Aula 08 — Múltiplas fontes e camada de contexto
Compare arquiteturas para agentes que consultam documentos, bancos e aplicações SaaS. Esta aula conceitual discute como reunir contexto preservando a origem e as permissões de cada registro, sem repassar dados restritos por meio de um agente agregador.
Ao final desta aula: Projetar acesso ao contexto respeitando a identidade de quem consulta.
Consultar a lição original da SurrealDB University
Aula 09 — Estratégias de chunking
Compare maneiras de dividir os mesmos documentos em trechos recuperáveis. Observe tamanho, sobreposição e estrutura, a perda de precisão causada por fragmentos abrangentes e a técnica de recuperar um trecho pequeno e expandir para sua fonte.
Ao final desta aula: Escolher a divisão dos documentos pelo comportamento da recuperação.
Consultar a lição original da SurrealDB University
Aula 10 — Avaliando a qualidade da recuperação
Crie um conjunto de perguntas com documentos relevantes rotulados e compare recuperadores. Use Recall@k, Precision@k e MRR para medir cobertura, precisão e posição dos resultados, identificando falhas antes da etapa de geração.
Ao final desta aula: Trocar a impressão de que a busca funciona por uma comparação mensurável.
Consultar a lição original da SurrealDB University
Aula 11 — Graph RAG além de um salto
Recupere contexto que depende de conexões entre documentos e entidades. A aula explora travessias com múltiplos saltos, filtros durante o caminho, rastreabilidade das fontes e seleção do que cabe no orçamento de tokens.
Ao final desta aula: Encontrar evidências conectadas que uma busca por similaridade isolada não alcança.
Consultar a lição original da SurrealDB University
Continue estudando
- Leia a visão geral do curso no blog.
- Crie sua conta no SurrealDB pelo nosso link de indicação. A conta na nuvem é opcional para acompanhar os primeiros exercícios; este é um link de afiliado/indicação da Escola de Aplicativos.
- Acompanhe Mauro Mequelussi no Instagram para novas aulas e conteúdos sobre IA e desenvolvimento.
Origem e referências
Esta é uma adaptação educacional em português da Escola de Aplicativos, baseada no curso oficial da SurrealDB University. Consulte também o artigo de apresentação do curso, publicado pela SurrealDB. As referências de cada aula estão junto ao respectivo resumo.