Como criar o seu primeiro Agente IA com RAG - N8N

Olá tudo bem nessa aula é a versão cinco do nosso agente de atendimentos e vai responder todas as suas perguntas Agora usando o sistema rag que é retrieval argument Generation então você vê que eu já ter fiz um teste né ó aqui a gente tá dentro da construtora pleng ainda e vou colocar Qual os dados da pleng coleta aqui o meu ou seja que dados que ela coleta Ó você viu ali que ele foi ali ó tá fazendo uma busca ali dentro dos Bas Já respondeu ó ó aente coleta dois tipos principais de dados pessoais

né o primeiro pode incluir aí os dados que você fornece ativamente como o nome completo RG genérico data de nascimento pá os segundos dados é coletado automaticamente Então tá falando ali de toda a parte de política de privacidade que foi parte dos docum eu inclui ali dentro ó plange política de privacidade Então se a gente entrar nesse Documento você vai ver que aqui dentro a gente tem essa parte aqui ó dados pessoais fornecidos pelo usuário tá vendo que é exatamente a informação que ela buscou e dentro do rag ou seja aqui desse assistente comercial a

gente pode também caminhar nos logs dele e a gente vai ver o caminho que ele percorreu Então a gente tem o postgress aí você vê que o assistente da da upen pediu fez uma query de documentos quais dados a plente coleta meu E aí você vê que essa foi a query lá pro supabase e o supabase dentro pedindo essa essa query ela me respondeu algumas alguns arquivos né ou seja partes de arquivos que veio até aqui ó Então veio uma página outra página outra página então foram ali algumas páginas que foram coletadas e foram injetadas

daí dentro do promp aquii é o embedding ó você pode ver a conversão do texto nos vetores a gente já vai falar sobre isso e o resultado final é que ele injetou essa informação dentro do prompt e acabou entrando aqui legal mas esse aqui foi um arquivo de texto vamos ver o pdf agora que nós temos aqui também e vamos pegar uma informação aqui dentro desse PDF para ver se ela consegue localizar seguro de entrega ó fomos a primeira consultora brasileira ter prent com seguro de entrega vamos fazer uma pergunta bem direta né Eh vamos

voltar aqui e vamos rodar o nosso agente e a pergunta para vocês assim a construtora possui algum seguro de entrega então A ideia é ver ó legal ele tá indo ali ó pro supabase e já me respondeu né sim Construtor palente possui seguro de integra para Empreendimentos e foram Pioneiros no Brasil ofercer esse tipo de segurança tá vendo essa parte que foram Pioneiros eh você pode ver que tá muito lincado com essa informação de que eles foram os pioneiros né ó fomos a primeira Construtora brasileira a ter os emprendimentos Então é assim que ele conseguiu

identificar e se você entrar dentro do agente e analisar o caminho dos logs a gente consegue identificar aqui ó que a consultora PR gente por seg que foi essa aqui foi a resposta e aqui dentro do output da supabase segmento imobiliário ó com instituições financeiras trabalhamos com a equipe texto texto a gente consegue dar uma olhada em todas as part partes de texto que ele conseguiu e buscar sobre segurança de entrega ó então o O legal é É isso que você vai ter várias tentativas de você conseguir responder a pergunta do seu cliente e através

do reg Ok então tá agora vamos lá o que que é R Deixa eu só ativar aqui Então como que funciona o o rag então aqui você acabou de ver que nós fizemos essa query e e eu posso perguntar PR pro llm quais informações você coleta do meu cadastro a primeira coisa que o llm vai fazer é checar o prompt e injetar o próprio contexto que ele já tem então ele ele foi treinado para ter uma base de conhecimentos dele é natural certo então se eu simplesmente tô injetando esse tipo de pergunta lá pro pro

openi por exemplo e eu coloco isso pro GPT 4 e qual que vai ser a resposta dele ele vai alucinar ele vai falar assim ah coletamos apenas seu nome por exemplo ou seja ele não tem informação e nenhum contexto sobre exatamente Que tipo de cadastro ou informação que você tá coletando do do cliente Então como que a gente resolve esse problema do jeito que você viu aqui funciona mais ou menos assim então quando a gente conecta e a gente manda uma query ali pro LM pera aí aqui quando a gente manda uma query ali pro

llm essa qu como você viu esse texto essa mensagem vira um embeddings Ou seja a gente converte em vetores que vai ali pro Vector Store e dentro desse Vector Store a gente vai tentar buchar o qu os arquivos que contm parte desses textos então aqui eu deu um exemplo né ali no fac você pode ver que a gente tem diversos pedacinhos Por que que são esses pedacinhos porque se eu puxo o arquivo inteiro às vezes é um arquivo que sei lá tem 400 páginas tem 1000 páginas a chance de eu travar e colocar muito contexto

eh pode explodir a minha janela de contexto Ou seja que a quantidade de informação que o llm consegue processar Então como qual que é a inteligência desse banco de dados vetor ele começa a identificar ponto por ponto bloco de texto por bloco de texto e ele apenas vai retornar os blocos de texto que deu um match Ou seja que a gente conseguiu identificar que aquele texto tem alguma semelhança àquela informação que o cliente tá buscando então aí a gente gera um contexto específico que volta ali pro llm E aí só para você entender o que

que é embeddings então Toda vez que você ouvir a palavra embeds ou banco de dados embeds é quando você tem um texto que ele é convertido em vetores que são um monte de números e cada llm você vai ter é um embed um banco de embeds diferentes então por exemplo Open tem um embeddings a Microsoft tem outro embeds o Google tem outro embeddings Então dependendo do llm que você trabalha você vai ter que trabalhar com o modelo de edgings e daquela empresa e aí você tem os prompts que acontece agora que a gente conseguiu ter

o contexto a dinâmica fica diferente então quando eu eu vou agora fazer o mesmo prompt eu passo o contexto do meu prompt e agora eu passo rag o contexto daquele retrieval ou seja daquela busca de informação que eu peguei do contexto e agora o meu llm ele é mais inteligente ele tem uma informação a mais sobre o meu produto o meu serviço que eu tô querendo falar e agora ele vai responder de uma forma mais precisa né ou seja coletamos o seu nome e-mail e telefone e é exatamente isso que a gente acabou de ter

essa experiência aqui no teste que a gente fez então para isso a gente tem que alimentar ele com a base de conhecimento então eu vou dar um exemplo aqui o que que seria uma base de conhecimento imagina que você tem ali o Google Drive e você coloca vários arquivos dentro do seu Google Drive então a gente colocou aqui PDF arquivo de texto e a gente precisa Então criar aqueles blocos que eu falei no começo da aula que é chamado de chunks então cada texto desse assim ó cada PDF desse que você tá vendo é transformado

em pequenos bloquinhos de texto para que fica mais fácil a gente injetar isso dentro do prompt e imagina que o pdf você tem que transformar tem que extrair o texto do PDF ou você pode mandar um arquivo de texto ou o próprio eh o Google eh Word do Google né E aí uma vez que você consiga transformar esse chunks a gente vai criar então os embeddings desses textos e aí de novo a gente passa para aquele modelo então Eh por exemplo da openi aonde a gente vai acionar esses imedes aqui beleza e aí você tem

alguns modelos por exemplo Open ey ele tem um modelo que el chama de small e tem outro que ele cham de large Então vou colocar aqui você tem um Eh pera aí você tem aqui Um small E você tem lá um que eles chamam de large por quê Porque dependendo da quantidade de arquivos e do tamanho do arquivo e da precisão que você vai querer um vai ser mais barato e outro vai ser muito mais caro certo ele vai conseguir ter um poder de processamento maior é a mesma coisa que se você comparar é a

mesma coisa que você comparar por exemplo o GPT 3.5 com o 4 o tá na mesma categoria bom e aí o que acontece esses embeddings a gente vai injetar onde no banco de dados então eles têm que ficar armar zenado ali no banco de dados para que a gente consiga fazer a busca dele esse banco de dados ele tem que ter um formato específico não pode ser apenas qualquer banco de dados tem que ser um banco de dados que a gente chama de banco de dados vetorial e aqui eu eu tenho alguns exemplos por exemplo

o Pine con que é um dos bancos de dados é um dos Pioneiros né a executar esse tipo de de funcionalidade e a gente tem o supabase que é um outro grande exemplo também que é inclusive que a gente vai usar hoje e aqui eu coloquei o postgress usando o plugin PG Vector porque ele é open source e o supabase usa o postgress usa Exatamente esse plugin é na infraestrutura deles Então é eu queria só desmistificar aqui porque a galera tem que entender que o supabase não comprou o postgress Ok supabase é só uma uma

empresa que oferece esse tipo de serviço se você quiser e tiver conhecimento você pode rodar o seu próprio banco de dados vetorial dentro da sua própria VPS que é o que a gente vai ensinar você fazer nas próximas aulas futuramente Para quê Para não ficar gastando dinheiro à toa com vendors que você não precisa ok aí nós temos então toda essa base de conhecimento sendo alimentada Então imagina toda vez que a gente tem aqui é um update ou seja uma nova entrada a gente tem que também atualizar essa base então nós temos para update e

nós temos também para New ou seja novos documentos uma vez que nós temos essa base atualizada então nós estamos prontos para fazer a busca semântica Então como que funciona nós temos essa query essa cor ela passa naquele modelo degs ou seja ela é transformada nesses números e aí dentro desses números o trabalho do banco vetorial é tentar chamar proximidade então aqui você vê um exemplo ah marcou o zero o um ah o quatro aqui tá dois aqui tá três mas aqui tá igual a quatro o um aqui tá igual aqui de cima é cinco aqui

é seis mas o restante é igual então você vê que ele deu matching eh em várias em vários números aqui deu matching aqui deu matching aqui aqui e aqui e quando ele acha esses chunks ou seja aqueles pequenos pedaços de blocos de texto que deu match ele vai retornar Então essa estrutura aqui PR você ok é assim que funciona o rag tá então agora você já sabe o que que é e como que ele funciona bom vamos seguir a aula deixa eu deixar aqui no cantinho só abrir aqui o comentário Murilo depois você me fala

aí quantas pessoas na Live bom agora a 22 2 Cavaleiros aqui na live agora nós vamos seguir aqui a sequência Beleza então primeira coisa que eu fiz foi o Foi criar essa estrutura do suase Então como que eu fiz eu coloquei aqui você pode ver que tá meio cza mas é porque eu desativei essas informações é o é o node o do Calendar Perão do drive Então você tem o Google Dri você pode adicion coloca aqui então a sua credencial do Google Drive se você não sabe você pode assistir o primeiro vídeo e ali você

vai ver como que você faz então para cada minuto nós vamos fazer esse polling né ou seja ele checa e vê se tem um novo documento tem um novo documento aqui você pode escolher uma pasta específica e você coloca o que que você tá procurando eu tô procurando novos arquivos ó arquivo criado então eu coloquei nessa pasta aqui ó rag pasta e onde que eu já adicionei esses dois documentos ali para mim aí eu vou testar aqui só pra gente ver ó que que ele puxou Ele puxou esse arquivo aqui para mim ó é um

arquivo externo links Vamos ver que a gente tem mais informação aqui talvez o nome do arquivo a permissão e--mail deixa eu ver aqui Jason ok aqui ó política de privacidade Então esse daqui foi o último arquivo que eu criei então quando eu testei ele sempre vai jogar o evento o último evento que aconteceu para você né E aí o próximo nó é esse de arquivo ID Então olha como que vem o formato do arquivo a primeira coisa que eu quero extrair é passar pra frente o ID que é tá aqui dentro esse ID vem da

onde esse ID Guilherme vem do próprio Google Drive Beleza então é o ID criado lá no google drive aqui ó ID então todos os documentos criados no Google Drive geram esse ID E aí eu quero passar o quê o M Type ou seja Qual é o formato desse arquivo então uma vez que eu tenho isso pra frente eu tenho aqui ó deletar arquivos antigos por que que eu tô deletando o arquivo antigo porque se você está atualizando o arquivo e agora para quem não sabe você pode travar aqui ok Ó você pode travar o teu

node e habilitar para você testar aqui o fluxo né mas se eu clicar aqui testar e pera aí deixa eu só travar esse daqui ó eu vou desativar esse web Hook e vou deixar só o node de arquivo atualizado e agora eu vou testar ele ó tá rodando então ele pegou o último arquivo atualizado o que que ele fez ó vamos ver qual arquivo que foi ele rodou com com sucesso né Tá vendo foi até o final Então esse último arquivo se a gente for ver aqui parênteses Ah pera aí deixa eu abrir aqui desse

lado ó arquivo alterado a gente vê que já foi o formato google. apps que é o formato de texto do Google tá vendo Então foi o arquivo é que a gente alterou também de texto eu deletei ele porque eu vou lá no no supabase que a gente já vai fazer isso e a gente vai excluir todos os vetores pra gente Ativar esses vetores novamente aí eu faço download do arquivo pegando o arquivo ID E aí eu tenho esses formatos que eu quero que ele traduza para mim então se for arquivo de Doc ele vem formato

de texto se for e arquivo de desenho no Google Drive ele transforma em imagem para mim né então eles faz essa essa conversão e ele gera um binário ó ele gerou um binário arquivo de texto fo exatamente que eu pedi né gerar um arquivo de texto para mim se for o ariv ali do Google Docs uma vez que eu tenho o formato aqui para mim eu já sei ah se for PDF eu vou para um caminho se for arquivo de texto eu vou para outro caminho Então olha o que que aconteceu aqui eu tenho o

exportar texto perdão antes eu faço esse tipo de arquivo que é o Switch certo então foi o que eu falei para você eu quero ativar para cada tipo eu quero extrair de uma forma diferente então aqui no n8n você tem esse extract from file e você pode escolher todos esses modelos então se o arquivo for PDF Eu Vou extrair de um PDF se ele for for de texto eu vou extrair o texto Dentro e deste arquivo E aí uma vez que a gente tem tudo exportado eu vou normalizar a os campos vou chamar de texto

apenas E aí eu passo pro supabase dentro do supabase já é nativo e é muito importante eu falar isso a versão preste bem atenção na versão pera aí não vou sair daqui mas é que a gente tá rodando que é 1.65.2 aqui do n8n Então o que acontece dentro do supabase você tem que criar uma conta que a gente já vai fazer isso e aqui a gente tem algumas algumas operações eu coloquei operação de inserir documentos e aí eu escolho de qual lista que eu quero inserir esses documentos que foi criado aqui ó documents de

tabela né lá no banco de dados e qual é query name já vou mostrar para você também beleza ele subiu e aí lembra que eu expliquei para vocês na aula que a gente separa o arquivo eh em pequenas chunks então aqui ele vai pegar o o o arquivo e aqui a gente vai separar em pedaços de 1000 caracteres então a gente pega a cada 1000 caracteres a gente vai separando esse chunks que é o Chunk size então ele faz essa separação e depois ele devolve tudo isso pro supabase e a gente sobe lá no banco

de dados OK agora a gente vai colocar aqui vamos entender como que funciona o próprio supabase como que funciona o banco de dados e eu dei já um helper para vocês para PR você fazer o setup do seu banco de dados Olha que coisa linda aqui é coração de mãe brother a gente realmente dá tudo aqui ó vamos ver aqui então no supabase como que funciona bom você pode criar uma conta no supabase aqui eu tô na conta gratuita então você não precisa pagar nada só quando você começar a aumentar o teu limite então dá

uma olhada ali no nos limites que ele tem e a primeira coisa que você vai vai ver é que depois que você criar sua conta você vai aqui em project settings você você vai aqui em API Então você vai ter a URL para você poder criar sua credencial no n8n Então vamos lá no supabase vamos setar uma nova credencial aqui um exemplo Ó você coloca o seu host que é essa tua URL ali no api settings e você vai copiar e a sua Secret e você vai colocar aqui ó Secret PM Beleza já tá setado

o teu supabase beleza só que você vai ter que setar o seu banco de dados ele não vem setado ok então eu vou fazer um exemplo aqui aqui no meu meu banco de dados tabela aqui a gente tem esse documents tá vendo ó essa tabela é Tod os chunks que for armazenado do teste que a gente fezas tem um limite Generoso de uso gratu exatamente bom vamos ver se eu consigo zerar Então galera Ó vou deletar a tabela ó deletei bastante coisinha né vamos confirmar porque eu quero retar isso daqui correr e mostrar para vocês

Como que você pode setar aí beleza então setou aqui a tabela e esse daqui você vai então fazer as configurações do seu supabase da sua conexão do banco de dados supabase então novamente onde que você acha essas cones aqui ó você vai lá no seu super aqui em project settings Database você vai ter todas as configurações para você inserir e e conectar no seu banco de dados post do suabase a senha é a senha que você criou quando você criou sua conta ele vai pedir uma senha do banco de dados é a mesma senha Ok

então você copia col o host o Database name a porta o user aí você vai vai colocar tudo aqui dentro na hora que você ativar a conexão e ficar verdinho legal tá perfeito isso daqui já vem para você setar Beleza já tá aqui dentro do template Lembrando que esse template Você pode baixar lá na comunidade Nossa do do discord que que ele vai fazer vamos bem rápido né Ou seja é programação mas é importante você entender o que a gente tá fazendo aqui então eu vou ampliar aqui a a nossa visão R rapidinho então primeiro

de tudo a gente cria uma nova tabela chamada documents e aí a gente adiciona um ID o o content o meta datata o eding Vector E aí a gente vai adicionar uma função do postgress que é esse matching documents que ela é respons Ela é responsável para fazer a busca semântica que eu coloquei ali que eu ensinei vocês esse esse cara que vai buscar os edgings e vai tentar localizar a proximidade para responder os chunks pra gente Beleza então como você pode ver Você clicou vai ficar verdinho deu tudo certinho significa que a gente criou

a nossa tabela aqui dentro já tá aqui ó documents tá tudo belezinha tudo criado para você e agora a gente tá pronto para testar Então como que você pode testar uma vez que você fez todo esse setup que eu que eu te mostrei Óbvio E você já vamos falar do setup Aqui de baixo mas só esse setup já dá para você testar Ok você vai desativar a aqui o file A update que é o arquivo alterado vai ativar o arquivo criado Então você vai subir algum arquivo aqui na sua pasta aqui eu tenho dois arquivos

né eu vou subir eu vou tirar o pdf cara e e vou subir um por um eu quero deixar um só deixa eu excluir ele Ó pera aí deixa eu fazer download dele aí eu já vou porque vai que eu não perdi ele beleza D deletado Ok então vamos lá vou testar isso daqui vamos ver qual tipo de arquivo que veio veio o Google legal ó tá rodando aqui e tá vendo 50 itens saiu isess aquii foram 50 vetores cara criado no meu banco de dados então aqui ó tudo isso daqui é os chunks é

os pedaços de texto que ele fez o split que ele separou ali da da política de privacidade da construtora legal agora vamos agora vamos adicionar aqui o o pdf eh e fazer um teste ó beleza PDF adicionado e agora eu vou rodar de novo o teste quero ver se ele vai puxar visão PDF legal agora foi PDF Tá vendo porque foi o último arquivo adicionado e aqui foi oito itens então foi perfeito o o mesmo resultado que eu tive antes e agora adicionou mais itens entendeu que agora tá referente àquela split que ele fez do

texto do PDF legal uma vez que você resolveu isso Parabéns você já tem rag aqui funcionando para você e agora nós vamos falar do assistente então nós estávamos usando o assistente o assistant Api do Open a Ok retiramos esse assistente agora é um um ai Agent uma gente de a normalmente que que eu fiz o texto tá vindo do output aqui de mais informação continua igual a injetada o modelo Eu ainda estou usando o GPT 4 o vou continuar usando por causa do Poder de raciocínio que ele tem não aconselho você descer o nível continua

no GPT 4oe e Aqui nós temos o System message que é o prompt que nós queremos dar aqui para esse assistente esse prompt é exatamente o mesmo prompt que tava ali no assistance api do Open então não mudou absolutamente nada ok Você pode continuar com ele e aí o que que mudou então a memória nós conectamos no postgress então Lembrando que nós temos o o postgress que não tá no super base tá fora do super base tá no nosso tá aqui no nosso eas penel ele tá puxando a memória de todo o chat e então

eu tenho aqui um um client de postgress que você pode conectar Você pode baixar vários softwares para você conectar na sua máquina no seu postgress mas eu vou só te mostrar e aqui ó tá nessa base ó dinastia mensagens tá vendo aqui tá todas as mensagens que eu troquei com o meu número e aqui você vê ó constutora possui né a última pergunta que eu fiz aqui ó consultora possui algum seguro de entrega Tá vendo foi a pergunta que eu fiz né Então tá aqui ó o retorno e legal E aí nós temos então uma

Tool conectada que é o retrieve documents esse retrieve documents você você coloca a descrição é aqui é importante presta atenção você tem que colocar a descrição do que formato ou para que que serve essa ferramenta então eu coloquei eh contém mais informações sobre a construtora appeng como política de privacidade e fac então eu tô colocando ele já sabe que a tua é para isso ele tá ele só quer saber o que tem dentro dessa ferramenta o que tipo de informação que ele vai buscar então eu coloquei que aqui ele pode buscar mais informação sobre a

construtora e de os exemplos de informação que ele pode buscar então aqui é legal você colocar de fato o que contém cada arquivo que você tá subindo dentro dentro do seu r e o limite como você pode ver é o arquivo máximo de resultados que ele vai retornar para você na query quando ele for fazer a busca então você pode brincar com esse limite né ou seja se você você achar que você trabalha com algo muito complexo você pode e fazer um trabalho e aumentar esse limite se você acha que é coisas bem direta ao

ponto e o teu fa você já fez um trabalho de tratamento de dados então você não precisa fazer isso ah guilh que que é um trabalho de tratamento de dados cara trabalho de tratamento de dados eu fazer isso aqui ó eu pego tudo isso daqui vou no Cloud cria um prompt né Por exemplo lógico um prompt mais avançado que esse né mas é aja como é um um especialista em criar perguntas e respostas baseadas em textos longos e crie crie perguntas baseada nos Tex no texto eh no texto abaixo então pera aí crie uma lista

de perguntas baseada no texto a baixo Então vem aqui eu coloquei meu texto tá vendo isso daqui é tratamento Guilherme você acredita que o 8020 da i seja o promp e tratamento de dados cara o tratamento de dados é muito importante é esse trabalho que eu tô fazendo Ah só pegar o arquivo e tacar lá o arquivo cru eu não acho tão inteligente quanto você fazer um tratamento então ah vou criar uma lista sobre empresas aspos Gerais e sobre dados ó ele tá falando o que que ele vai fazer tá vendo Eh vamos lá sim

desejo que eu desenvolva as respostas para algumas das perguntas específicas sim que fo eh desenvolva respostas para todas estas perguntas Ó que legal então assim ele analisou o texto ele gerou todas essas perguntas para mim ó que tipo de dados pessoais o grupo coleta Tá vendo porque essa pergunta foi a pergunta que eu fiz então você não acha que a resposta vai ser muito mais específica se a gente tratar os dados antes com certeza vai ó as perguntas que como o grupo plan coleta dados automaticamente tá vendo então Ó parte um ó el tá colocando

ali agora ó parte do sobre dados pessoais aí que que eu faria eu faria um trabalho de itl etl ou seja toda vez que eu adiciono o arquivo você faz esse tratamento antes gera o texto aí você sobe no te rec isso você pode fazer aqui mesmo dentro desse fluxo beleza mas não deu tempo para essa aula mas eu tô te mostrando que é o meu dever te mostrar as práticas que a gente executa aqui pros maiores clientes do mundo é esse tipo de prática que a gente executa Beleza então agora você já sabe como

que as maiores empresas do mundo trabalham o reg deles bom seguindo o barco aqui Você já viu Então e toda a conexão que a gente fez e aí quando a gente respondeu a mensagem ficou fácil ele entrou ele checou as informações puxou esses esses chunks e colocou ali dentro do assistente comercial todo o resto continuou então assim e é isso que eu quero que você entenda que o rag ele é uma ferramenta excelente certo só que a gente tem que usar com cautela ok ele não é uma ferramenta a Prova de Balas Eu já vi

a gente eu já tive vários problemas com reg inclusive as as grandes empresas que que a gente atende não usa só um em badings para cada documento eu tenho quatro o sistema de regs diferentes com quatro embeds diferentes e e query eu faço uma query para cada para cada um de para quatro llms diferentes para eu achar o mesmo arquivo porque um só não é o suficiente não é uma bala de prata ele perde muito eu acho que o fine tuning ainda assim é o nível de precisão a gente tem um nível de precisão muito

maior que o fine tuning do que com rec agora qual que é o problema as empresas como Open ey por exemplo vai querer te puxar o reg porque ela ganha muito mais né a janela de contexto é muito maior você entende então você pode ver que os últimos modelos da Open ey ela já não tá nem disponibilizando mais o fine tuning então vai ficar cada vez mais difícil agora a gente tem posts que nem eu publiquei E ontem aqui no no discord que eu vou mostrar para vocês que acontece né Por exemplo que nem esse

post aqui ou seja Ah pera aí aqui ou seja seja IC Startup fine tune a Model ou seja uma startup do IC combinator fez o fine tune de um Model que ficou tão inteligente quanto o GPT 4 e custa 200 vezes menor 200 vezes menos dinheiro do que o GPT 4 então enquanto a boiada tá indo pro reg ninguém tá fazendo fine tuning pô Guilherme você acabou com a gente agora hein numa aula de reg você vai falar isso é cara eu tô falando isso para você entender que o reg não é o caminho final

final ainda vai ser o fine tuning Ok bom eu espero que você tenha eh entendido como que você pode usar o rag na estrutura que você tem como que você pode criar um mega agente que vai ser responsável por responder todas as perguntas do seu negócio ou do negócio do seu cliente a fazer agendamentos e de uma forma direta ao ponto muito fácil Ok então não existe nenhum mistério por trás de você criar um agente que ele consiga resolver um problema específico de uma empresa OK você só precisa ter o conhecimento certo e é exatamente

isso que a gente tá trazendo para você nesse canal e no grupo da dinastia você pode entrar agora mesmo no link que tá aqui abaixo do vídeo lá no discord onde nós temos um exército de cavaleiros que vai estar Prontinho para te ajudar temos uma live todos os dias 24 horas de suporte praticamente que nós temos ali tudo sem custo algum Ok entra lá que eu te vejo lá