Graph RAG com múltiplos saltos no SurrealDB
Por Mauro Mequelussi · Curso gratuito SurrealDB para engenheiros de IA: RAG e agentes · Português (PT-BR)
Resposta direta · O que esta aula resolve
A Aula 11 de 11 ("Graph RAG com múltiplos saltos no SurrealDB"), parte do módulo "Qualidade e Graph RAG" do curso gratuito "SurrealDB para engenheiros de IA: RAG e agentes" na Escola de Aplicativos (ministrado por Mauro Mequelussi), ensina na prática: de encerramento, você descobre como resolver perguntas cuja resposta causal está a vários passos de distância do texto original. Combinamos travessia recursiva em grafos, filtragem na aresta e ranking vetorial para montar um contexto cirúrgico sem estourar o prompt.
Crie sua conta grátis para assistir a esta videoaula em HD
O resumo técnico e os capítulos abaixo são abertos para consulta. Crie sua conta 100% gratuita em segundos para liberar todas as 11 videoaulas em HD, controle automático de progresso, Tutor IA e certificado gratuito verificável.
- R$ 0 · Sem cartão de crédito
- Tutor IA tira-dúvidas da aula
- Certificado gratuito incluso
O que você vai aprender
- A diferença prática entre similaridade vetorial e conectividade causal em grafos
- Como modelar arestas com propriedades para distinguir citações de contexto de métricas ruidosas
- Como realizar travessia recursiva de 1 a N saltos usando sintaxe nativa do SurrealQL
- O perigo da expansão cega de nós e como aplicar filtros durante a navegação
- A regra de ouro: o grafo seleciona o que entra e a similaridade vetorial define a ordem
- Como extrair a rota explicável com PATH e SHORTEST para justificar respostas da IA
Pontos-chave da aula
- Similaridade vetorial mede semelhança semântica; o grafo mede dependência causal.
- Filtrar diretamente na aresta impede a explosão combinatória de documentos irrelevantes.
- Usar ..+collect elimina caminhos duplicados em consultas bidirecionais.
- A rota obtida via PATH pode ser citada pela IA como evidência rastreável para o usuário.
- O SurrealDB unifica vetores, grafos e documentos em uma única consulta declarativa.
Capítulos e roteiro técnico da aula
9 capítulos minutados- 00:00
O limite da busca vetorial e a necessidade do grafo
Entenda por que respostas que dependem de causas profundas passam despercebidas pela busca vetorial tradicional.
- 00:30
Similaridade vs. conectividade em cadeias de causa
Descubra a diferença prática entre ordenar por semelhança textual e navegar por relações causais estruturadas.
- 01:00
Modelando arestas ricas com tipos e tópicos
Veja como enriquecer as arestas do grafo com metadados para filtrar o contexto e navegar por tópicos.
- 01:53
Limitações da similaridade e saltos manuais
Analise como a proximidade vetorial falha em isolar a causa e por que saltos manuais geram duplicações.
- 02:57
Travessia recursiva e o risco da explosão de nós
Aprenda a sintaxe de travessia recursiva no SurrealQL e o perigo de expandir múltiplos saltos sem critério.
- 03:55
Filtros durante o salto e ranking vetorial
Reduza o ruído filtrando a aresta durante o percurso e use a busca vetorial apenas para ordenar o resultado final.
- 04:55
Rastreabilidade com PATH e orçamento de contexto
Extraia o caminho percorrido para citações confiáveis e controle o tamanho do prompt final.
- 05:52
Quando não usar múltiplos saltos no grafo
Conheça os cenários em que expandir o grafo adiciona ruído em vez de enriquecer a resposta da IA.
- 06:12
Conclusão do curso e próximos passos com SurrealDB
Recapitulação de toda a jornada do curso integrando vetores, texto completo e grafos em uma única base.
Momentos de destaque na prática
Travessia recursiva e o perigo da profundidade cega
Veja como uma sintaxe simples percorre relações no SurrealDB e por que 3 saltos sem filtro engolem sua base inteira.
O filtro no salto: o grafo escolhe, o vetor ordena
Aprenda a regra de ouro que reduz 12 documentos ruidosos a 5 essenciais aplicando condições durante o percurso.
Caminhos explicáveis com PATH e orçamento de tokens
Descubra como mostrar à IA exatamente o caminho da causa e como limitar o contexto para não estourar seu orçamento.
Notas de aula e guia de estudo
Quando a causa de um problema está a três citações de distância da pergunta, a busca vetorial sozinha falha porque busca por similaridade de texto, não por causalidade. Nesta aula, você vai aprender a implementar Graph RAG com múltiplos saltos no SurrealDB, navegando por relações estruturadas e filtrando nós antes de enviar o contexto para a IA.
O que você vai aprender
- A diferença prática entre similaridade vetorial e conectividade causal em grafos
- Como modelar arestas com propriedades para distinguir citações de contexto de métricas ruidosas
- Como realizar travessia recursiva de 1 a N saltos usando sintaxe nativa do SurrealQL
- O perigo da expansão cega de nós e como aplicar filtros durante a navegação
- A regra de ouro: o grafo seleciona o que entra e a similaridade vetorial define a ordem
- Como extrair a rota explicável com
PATHeSHORTESTpara justificar respostas da IA
Pontos-chave
- Similaridade vetorial mede semelhança semântica; o grafo mede dependência causal.
- Filtrar diretamente na aresta impede a explosão combinatória de documentos irrelevantes.
- Usar
..+collectelimina caminhos duplicados em consultas bidirecionais. - A rota obtida via
PATHpode ser citada pela IA como evidência rastreável para o usuário. - O SurrealDB unifica vetores, grafos e documentos em uma única consulta declarativa.