Prompt para continuar meu material de estudos sobre IA Generativa

Estou criando um material de estudos sobre IA, IA Generativa, LLMs, Prompt Engineering e RAG, organizado em termos e conceitos individuais. O material será mantido no Obsidian em Markdown e deve funcionar como um material de consulta e aprendizado contínuo.

Quero continuar esse trabalho em uma nova conversa. Siga rigorosamente as instruções abaixo.

Objetivo

Para cada novo termo que eu fornecer, produza uma explicação didática, conceitualmente correta e conectada aos termos que já foram estudados.

O objetivo não é criar definições de dicionário isoladas. Cada novo conceito deve ser explicado de forma que ele se encaixe naturalmente na arquitetura e na sequência de aprendizado.

O nível deve ser intermediário, com linguagem simples e intuitiva, mas sem simplificar demais a ponto de perder precisão técnica.

Evite repetir longamente conceitos que já foram explicados. Quando um conceito anterior for necessário para explicar o novo termo, faça apenas uma conexão breve e avance para o que há de novo.

Estrutura obrigatória

Para cada termo, utilize exatamente estas quatro seções:

# Nome do termo

## O que é

## Como funciona

## Um exemplo

## Por que é importante

Não crie outras seções principais além dessas quatro.

Conteúdo de cada seção

O que é

Apresente uma definição clara e objetiva.

Explique qual é a função do conceito e em qual contexto ele aparece.

Quando houver conceitos próximos que possam gerar confusão, diferencie-os brevemente.

Como funciona

Explique o mecanismo de maneira visual e progressiva.

Use fluxos em blocos de código quando isso ajudar:

Entrada
   ↓
Processamento
   ↓
Resultado

Priorize a compreensão do funcionamento em vez de apenas descrever características.

Um exemplo

Crie um exemplo prático, preferencialmente relacionado a:

• RAG
• LLMs
• documentos
• busca
• embeddings
• sistemas corporativos
• assistentes de IA
• perguntas e respostas

Quando adequado, mostre o fluxo do exemplo em um bloco de código.

Por que é importante

Explique por que o conceito existe, qual problema resolve e onde ele se encaixa na arquitetura maior.

Sempre que fizer sentido, conecte o conceito aos termos estudados anteriormente.

Estilo

Escreva em português brasileiro.

O texto deve ser:

• didático;
• claro;
• técnico sem ser excessivamente acadêmico;
• progressivo;
• objetivo;
• conceitualmente preciso;
• fácil de consultar posteriormente.

Use analogias quando elas realmente ajudarem na compreensão.

Não transforme o conteúdo em uma lista excessiva de definições.

Prefira explicações contínuas e exemplos práticos.

Regra importante sobre travessões

NÃO USE travessão ou meia-risca no material.

Não utilize:

—
–

Substitua por vírgulas, dois-pontos, ponto e vírgula, parênteses ou frases separadas.

Essa regra vale para todo o conteúdo, inclusive títulos, tabelas, exemplos e explicações.

Listas

Quando houver uma lista depois de dois-pontos, não deixe uma linha em branco entre os dois-pontos e o primeiro item.

Exemplo correto:

Os principais benefícios são:
- maior precisão;
- menor custo;
- melhor controle.

Não faça:

Os principais benefícios são:

- maior precisão;
- menor custo;
- melhor controle.

Fórmulas

Quando houver fórmulas matemáticas, utilize LaTeX compatível com Obsidian em bloco:

$$
\text{score}(A,B)=...
$$

Não utilize formatos incompatíveis com esse padrão.

Blocos de código

Use blocos de código para:

• fluxos;
• exemplos estruturais;
• representações de arquitetura;
• exemplos de dados;
• comparações conceituais quando uma representação visual ajudar.

Exemplo:

Pergunta
   ↓
Retrieval
   ↓
Reranking
   ↓
Contexto
   ↓
LLM

Continuidade conceitual

O material já percorreu conceitos de Prompt Engineering, segurança, Grounding, Tool Instructions e RAG.

Na parte de RAG, a sequência estudada foi aproximadamente:

Ingestion
   ↓
Parsing
   ↓
Cleaning
   ↓
Chunking
   ↓
Embedding
   ↓
Indexing
   ↓
Retrieval
   ↓
Contexto
   ↓
LLM

Foram estudados, entre outros:

Ingestion

• Ingestion
• Ingestion Cleaning
• Ingestion Parsing

Chunking

• Chunking
• Fixed-size Chunking
• Chunking Metadata
• Chunking Overlap
• Recursive Chunking
• Semantic Chunking

Indexing

• Indexing
• Indexing Chroma
• Indexing FAISS
• Indexing pgvector
• Indexing Pinecone
• Indexing Qdrant
• Indexing Weaviate

Retrieval

• Retrieval
• Hybrid Search
• Metadata Filtering
• Query Rewriting
• Similarity Search
• Top-k
• Reranking
• Reranker

Quando eu fornecer o próximo termo, continue a partir desse ponto sem voltar a explicar toda a sequência.

Relações entre conceitos

Sempre que relevante, mostre a relação do novo conceito com os anteriores.

Por exemplo:

Similarity Search
      ↓
Top-k
      ↓
Reranking
      ↓
Top-k final
      ↓
Contexto
      ↓
LLM

Não repita explicações completas de Similarity Search, Top-k ou Reranking se o novo termo apenas depender deles. Explique apenas o que for necessário para estabelecer a conexão.

Precisão conceitual

Não trate conceitos relacionados como se fossem sinônimos quando não forem.

Por exemplo:

• Retrieval não é a mesma coisa que Vector Search.
• Vector Database não é a mesma coisa que Indexing.
• Similarity Search não é a mesma coisa que Semantic Similarity.
• Reranking é o processo, Reranker é o componente que executa o processo.
• Dense Retrieval é diferente de Sparse Retrieval.
• Hybrid Search combina mecanismos de busca.
• Top-k define quantos resultados são selecionados.
• Metadata Filtering restringe resultados por atributos estruturados.
• Query Rewriting modifica a consulta para melhorar o Retrieval.

Quando existir uma distinção importante, explique-a explicitamente.

Evite antecipações desnecessárias

Não explique detalhadamente conceitos que ainda não foram solicitados.

Se o novo termo estiver relacionado a outro conceito que provavelmente será estudado depois, apenas estabeleça a conexão necessária.

Por exemplo, se eu pedir um conceito que utiliza ANN, explique o suficiente para contextualizar, mas não transforme a resposta em uma explicação completa de ANN se esse ainda não for o termo solicitado.

Formato final

Sempre entregue o conteúdo como um writing block de documento, pronto para ser copiado para o Obsidian.

Use: