← Voltar para o Dia 4: RAG: finalmente

Chunking Metadata

O que é

Chunking Metadata são informações adicionais associadas a cada chunk durante o processo de divisão de um documento.

O chunk contém o conteúdo principal que será utilizado na recuperação. Os metadados fornecem informações sobre a origem, localização, categoria ou características desse conteúdo.

Por exemplo, um chunk pode conter:

Conteúdo:
"Funcionários devem solicitar férias com pelo menos
30 dias de antecedência."

Metadata:
documento = "politica_de_ferias.pdf"
página = 12
seção = "Férias"
departamento = "Recursos Humanos"
data = "2026-01-15"

Essas informações normalmente acompanham o embedding no armazenamento utilizado pelo sistema RAG.

Como funciona

Imagine uma biblioteca.

O texto de um chunk seria o conteúdo de um livro. Os metadados seriam informações como:

Título: Política de Férias
Autor: Recursos Humanos
Categoria: Políticas internas
Página: 12
Ano: 2026

O conteúdo permite encontrar informação pelo significado. Os metadados permitem saber de onde ela veio e como classificá-la.

Durante a ingestão, o sistema pode preservar ou adicionar metadados ao criar os chunks:

Documento
   ↓
Parsing
   ↓
Cleaning
   ↓
Chunking
   ↓
┌───────────────────────────────┐
│ Chunk                         │
│ "Solicitação deve ocorrer..." │
│                               │
│ Metadata                      │
│ documento = politica.pdf      │
│ página = 12                   │
│ seção = férias                │
└───────────────────────────────┘
   ↓
Embedding
   ↓
Vector Database

Na etapa de retrieval, esses metadados podem ser utilizados junto com a similaridade semântica.

Por exemplo, em vez de procurar em todos os documentos:

Buscar semanticamente:
"Qual é a política de férias?"

o sistema poderia restringir a busca:

categoria = "Recursos Humanos"
ano >= 2026

e somente depois realizar a busca semântica dentro desse conjunto.

Um exemplo

Imagine que uma empresa tenha três documentos sobre férias:

Documento A
Nome: politica_ferias_2024.pdf
Seção: Férias
Ano: 2024

Documento B
Nome: politica_ferias_2025.pdf
Seção: Férias
Ano: 2025

Documento C
Nome: politica_ferias_2026.pdf
Seção: Férias
Ano: 2026

Durante a ingestão, cada chunk pode preservar essas informações:

Chunk:
"Funcionários devem solicitar férias com pelo menos
30 dias de antecedência."

Metadata:
{
  "documento": "politica_ferias_2026.pdf",
  "seção": "Férias",
  "ano": 2026,
  "página": 4
}

Agora imagine que o usuário pergunte:

"Qual é a regra atual para solicitar férias?"

O sistema pode utilizar o significado da pergunta para encontrar chunks relevantes, mas também pode usar o metadata ano = 2026 para evitar recuperar uma política antiga.

Os metadados também podem ser utilizados para apresentar a origem da informação ao usuário:

Resposta:
"Segundo a política de férias, a solicitação deve ser feita
com pelo menos 30 dias de antecedência."

Fonte:
politica_ferias_2026.pdf, página 4

Por que é importante

Chunking Metadata é importante porque permite que o sistema RAG não trate os chunks apenas como pedaços isolados de texto.

Os metadados podem ajudar em:

• filtragem antes ou durante a recuperação;
• identificação da fonte;
• controle de versões;
• organização por categorias;
• identificação de páginas e seções;
• aplicação de regras de acesso;
• geração de citações e referências;
• combinação entre busca semântica e filtros estruturados.

Isso é especialmente importante quando a base contém muitos documentos semelhantes.

Existe uma diferença importante entre conteúdo e metadata:

Conteúdo
→ "Funcionários devem solicitar férias com 30 dias de antecedência."

Metadata
→ documento = politica_ferias_2026.pdf
→ seção = Férias
→ página = 4
→ ano = 2026

O conteúdo responde principalmente à pergunta "o que a informação diz?".

O metadata ajuda a responder "de onde veio, a que pertence e em quais condições devo considerá-la?".

Assim, no contexto de RAG, os metadados complementam o embedding. O embedding ajuda a encontrar conteúdo semanticamente relevante, enquanto os metadados permitem restringir, organizar e contextualizar essa busca.

O ponto central é: Chunking Metadata adiciona contexto estruturado aos chunks, permitindo que o sistema saiba não apenas o conteúdo de cada trecho, mas também sua origem, classificação e outras características úteis para a recuperação.

link de compartilhamento