• BUSCA
  • CONTEXTO
  • DADOS
  • HUMANO

Como criar pipelines de busca RAG com seu AI

Conecte o DeepInfra ao seu cliente de IA para transformar textos em vetores de alta dimensão. Isso permite buscas semânticas que entendem o significado, indo além da simples correspondência de palavras-chave.

Pergunte à IA sobre esta página

Resposta rápida

Como eu crio pipelines de busca RAG com meu AI?

Use a ferramenta create_embedding para converter seus documentos em vetores numéricos. Esses vetores permitem que sua IA encontre informações relevantes com base no contexto, e não apenas em palavras exatas. Você terá uma forma estruturada de alimentar a janela de contexto do seu agente com dados específicos.

Os resultados da vetorização

Para onde vão seus dados

Depois que o texto é convertido, sua IA pode usar esses vetores para estes resultados específicos.

BUSCA

Recuperação semântica

Sua IA encontra os trechos de texto mais relevantes comparando as distâncias entre vetores. Isso substitui as buscas antigas por palavras-chave pelo significado real.

CONTEXTO

Injeção de contexto inteligente

O agente puxa apenas os trechos necessários para o prompt. Isso mantém sua janela de contexto limpa e focada nos dados certos.

DADOS

Preparação de banco vetorial

O resultado está pronto para ser armazenado em um banco de dados vetorial. Você recebe as representações numéricas exatas para a indexação.

HUMANO

Revisão manual

Você decide quais trechos têm qualidade suficiente para serem indexados. A IA fornece os vetores, mas você controla a base de conhecimento final.

O fluxo

O que sua IA faz quando o texto chega.

A IA cuida de toda a matemática pesada para converter linguagem em coordenadas.

  1. Processamento de texto

    Seu agente recebe o texto bruto de seus arquivos ou banco de dados e o prepara para o modelo.

    create_embedding

  2. Geração de vetores

    A IA chama o modelo de embedding para transformar strings de texto em listas extensas de números.

    create_embedding

  3. Cálculo de similaridade

    Seu agente compara esses novos vetores com os existentes para encontrar correspondências.

    create_embedding

  4. Montagem de contexto

    O agente seleciona as melhores correspondências para responder à sua pergunta específica.

    create_embedding

Teste

Copie estes comandos para começar.

Use estes prompts para iniciar a construção do seu pipeline.

Pontos de partida

Substitua o texto entre colchetes pelos nomes reais dos seus arquivos ou fontes de dados.

DeepInfra Connector

Tudo pronto. Escolha seu cliente MCP e siga as instruções de configuração.

Link do conectorhttps://edge.vinkius.com/vk_preview_RMvS2UlIMhdShOjNbZfqar6XAZE9QfzTMbaejxJY/mcp

Claude Desktop

Siga os passos abaixo para conectar em segundos.

  1. 1In Claude Desktop, open Settings → Connectors.
  2. 2Click “Add custom connector” and paste the connector link above as the remote MCP server URL.
  3. 3Click Add and start a new chat — DeepInfra capabilities are ready to use.
Configuração · claude_desktop_config.jsonCopiar
{
  "mcpServers": {
    "deepinfra-serverless-llm-inference-mcp": {
      "url": "https://edge.vinkius.com/vk_preview_RMvS2UlIMhdShOjNbZfqar6XAZE9QfzTMbaejxJY/mcp"
    }
  }
}
Copie no chat04

  • Crie embeddings para o conteúdo do meu arquivo project_notes.txt.

  • Converta esta lista de feedbacks de clientes em vetores para meu índice de busca.

  • Gere embeddings para o texto na minha pasta de documentação para que eu possa realizar buscas semânticas.

  • Transforme os dados do meu sales_report.csv em vetores para ajudar você a responder perguntas sobre eles.

  • Claude
  • ChatGPT
  • Cursor
  • VS Code
  • Windsurf
  • Claude Code
  • JetBrains
  • Cline

Comece aqui

Conecte o DeepInfra uma vez e comece a perguntar.

Basta vincular sua conta. Suas credenciais ficam criptografadas e você pode começar imediatamente a chamar as ferramentas de embedding no seu cliente de IA favorito.

Conectar DeepInfra ao seu AI

FAQ

Como esta tarefa funciona

  • 01

    A IA pode armazenar esses vetores para mim?

    Não. A ferramenta gera os vetores, mas você é o responsável por salvá-los em um banco de dados vetorial.

  • 02

    Esta ferramenta limpa meu texto antes do embedding?

    Não. Você deve tratar a limpeza e a fragmentação (chunking) do texto antes de enviar os dados para a ferramenta de embedding.

  • 03

    Posso usar isso para buscar nos meus e-mails?

    Sim, desde que você forneça o texto do e-mail para o agente ser vetorizado.

  • 04

    A IA vai deletar meus documentos originais?

    Não. Esta ferramenta apenas lê o texto para criar vetores; ela não pode modificar ou excluir seus arquivos de origem.

  • 05

    A IA pode realizar a busca propriamente dita?

    A IA usa os vetores para encontrar correspondências, mas a comparação matemática real acontece durante o processo de embedding.

  • Mais dúvidas sobre o DeepInfra? A página do Connector responde. Veja tudo o que o Connector do DeepInfra pode fazer

Conecte DeepInfra ao Claude, Cursor, ChatGPT e outros