LangChain: criando chatbots inteligentes com RAG

Apresentando o curso e objetivos

Olá! Seja bem-vindo a mais um curso da Alura. Neste curso, vamos explorar uma ferramenta interessante, o LangChain. Vamos aprimorar nossas habilidades em LangChain, com foco no RAG. Nosso objetivo é criar chatbots inteligentes utilizando RAG, com ênfase no LangChain. Teremos várias aulas abordando o desenvolvimento, definições e outros aspectos importantes. Começaremos do básico até a criação de um chatbot interessante que poderá ser colocado em prática.

Introduzindo o instrutor

Meu nome é Leonardo Pena e serei o instrutor deste curso. Sou cientista de dados sênior e líder em uma empresa do setor automotivo. Tenho formação em estatística pela Unicamp, sou de Campinas, e possuo pós-graduação em inteligência artificial pela PUC Minas e em ciência de dados pela Federal do Paraná. Tenho cerca de 12 anos de experiência no mundo dos dados e também uma experiência significativa no ensino, com cerca de 4 a 5 anos lecionando ciência de dados, inteligência artificial, Python, R e programação em geral. É uma área que me interessa muito.

Espero que apreciem as aulas que vamos desenvolver, pois acredito que será um material enriquecedor e estou bastante empolgado para compartilhá-lo com vocês.

Estrutura do curso e conteúdo das aulas

No curso de LangChain, teremos uma visão geral que será abordada de forma incremental. Os conceitos serão explicados de maneira que cada aula esteja interligada com a anterior, portanto, é importante prestar atenção em cada uma para evitar dúvidas e garantir a compreensão completa dos tópicos.

Na primeira aula, começaremos explicando a arquitetura RAG. Na segunda aula, abordaremos o armazenamento vetorial, utilizando Files (arquivos) e o Chroma. A terceira aula será dedicada aos Embeds (incorporações) de alta performance, um assunto mais avançado e interessante. Em seguida, discutiremos Pipelines (fluxos de trabalho) de dados complexos.

Na quinta aula, trataremos de cadeias de conversação robustas. A sexta aula será focada na avaliação dos modelos, com discussões envolvendo LangSmith e Hagas, o que promete ser bastante interessante. Na sétima aula, exploraremos Hybrid Search (busca híbrida) e outras técnicas avançadas.

Finalmente, na oitava e última aula, realizaremos um projeto prático, o projeto Capstone, no qual implementaremos um chatbot (assistente virtual) com um tema relevante ao nosso curso. Até lá, teremos abordado muitos conceitos e práticas, sempre acompanhados de códigos e exemplos práticos.

Introduzindo a arquitetura RAG na prática

Na aula de hoje, vamos discutir a arquitetura RAG na prática. O objetivo é entender como fazer a inteligência artificial responder com base em informações específicas e atualizadas. Esse é o cerne do que o RAG resolve. Quando falamos em informações específicas, referimo-nos a dados da empresa, como documentos internos ou catálogos de produtos. Por "atualizadas", queremos dizer informações que não estão necessariamente no treinamento original do modelo, mas que são sempre atualizadas.

Esses objetivos abordam os principais problemas que discutiremos nesta aula: alucinações e conhecimento desatualizado. Modelos de linguagem, como o GPT, são treinados com bases de dados gigantes, mas fixas e limitadas. Isso gera um problema significativo que precisamos resolver, e possivelmente temos uma solução que comentaremos em breve. Esse problema é sério e, para resolvê-lo, utilizamos o RAG.

Problemas de alucinações e conhecimento desatualizado

Quando falamos em conhecimento desatualizado, referimo-nos à incapacidade dos modelos de conhecer eventos recentes ou informações posteriores à data de treinamento. Além disso, há a questão de dados privados inacessíveis, pois os modelos não têm acesso a informações privadas da empresa, documentos internos ou bases específicas.

A questão das alucinações é bastante discutida. Se já trabalhamos com modelos de LLM, provavelmente já ouvimos falar sobre alucinações. Esses problemas ocorrem quando os modelos inventam respostas ao não saberem algo, criando informações que parecem plausíveis, mas são falsas. Além disso, há o contexto limitado, pois os modelos não conseguem acessar diretamente documentos, catálogos de produtos ou bases específicas.

Solução: Retrieval Augmented Generation (RAG)

A solução para esses problemas é o RAG, ou Retrieval Augmented Generation. O RAG combina o melhor dos dois mundos: a busca precisa de um motor de busca com a capacidade de conversação de uma LLM. Assim, temos a busca mais geração, o que nos permite obter respostas inteligentes e confiáveis.

O RAG consiste em três componentes principais:

1. Retrieval (Recuperação): Envolve a busca de informações relevantes em documentos para responder a uma pergunta. O sistema busca documentos relevantes na base de conhecimento.

2. Augmentation (Aumento): Refere-se à melhoria das capacidades do modelo, inserindo informações encontradas como contexto no prompt do usuário.

3. Generation (Geração): Refere-se à capacidade natural das LLMs de gerar um texto coerente.

A combinação desses componentes cria um sistema híbrido mais poderoso do que qualquer componente isolado.

Funcionamento do processo RAG

Vamos explorar como funciona o processo RAG em etapas claras para entender melhor seu funcionamento. A primeira etapa é a recuperação, que consiste em encontrar trechos de informações mais relevantes em documentos para responder a uma pergunta. O sistema busca documentos relevantes na base de conhecimento. Em seguida, ele aumenta o prompt do usuário, inserindo as informações encontradas como contexto. Finalmente, a LLM gera uma resposta com a instrução clara de usar apenas aquele contexto.

Ele utiliza, nessa primeira etapa, uma busca semântica, não apenas palavras-chave. Quando afirmamos que ele aumenta o prompt, queremos dizer que ele adiciona informações relevantes ao contexto da pergunta. A instrução de usar apenas aquele contexto é crucial para evitar alucinações, pois, às vezes, o modelo não sabe a resposta e acaba inventando. Por isso, enfatizamos o uso exclusivo do contexto. Esse processo ocorre de forma automática e em tempo real.

Explorando o aumento do contexto e componentes do RAG

Como funciona o aumento do contexto? O truque do REG é fornecer ao LLM um livro de consulta específico para cada pergunta, permitindo uma resposta precisa e baseada em fatos. O processo envolve uma pergunta do usuário, seguida por uma busca semântica. O sistema busca documentos relevantes e aumenta o contexto, adicionando documentos ao prompt. A LLM responde com base no contexto, gerando uma resposta.

Por exemplo, se a pergunta do usuário for sobre a política de devolução para produtos eletrônicos, o sistema recupera o contexto: produtos eletrônicos podem ser devolvidos em até 30 dias com a nota fiscal, mas itens danificados não são elegíveis. A resposta gerada seria: "Nossa política permite a devolução de produtos eletrônicos em até 30 dias, desde que você apresente a nota fiscal e o produto não esteja danificado." Assim, a resposta é gerada com base em um contexto recuperado, iniciando com a pergunta do usuário. Esse é um processo interessante.

Alguns componentes essenciais do REG serão discutidos mais adiante. Esses componentes principais incluem os embeds, que são representações numéricas, vetores que capturam o significado semântico dos textos, permitindo busca por similaridade. Basicamente, são os DNAs da informação. Na próxima aula, entraremos em mais detalhes sobre os embeds, juntamente com um banco de dados vetorial. Teremos uma aula específica para isso, abordando a questão de armazenar os dados, indexando os embeds para busca rápida e eficiente. Exemplos incluem FIZE, CHROMA, PINECONE, entre outros.

Detalhando o processo de chunk e geração de embed

O processo de chunk é importante, pois divide o documento em partes menores. O modelo de linguagem, a LLM, é o cérebro de todo o processo. O fluxo completo do REG envolve um ciclo de vida em algumas etapas. Primeiro, temos a ingestão do documento e consulta. Faremos um exemplo no Collab em breve. Inicialmente, trazemos o dado, o arquivo, o PDF, ou o documento. Os documentos são coletados, processados e divididos em chunks menores para facilitar a recuperação.

Na geração do embed, cada chunk é convertido em um vetor numérico, representando seu significado semântico. A indexação vetorial armazena os embeds em um banco de dados vetorial para busca eficiente. Na consulta e recuperação, a pergunta do usuário é convertida em embeds. O computador não entende textos ou palavras, então precisamos converter para embeds. Esse processo de conversão busca chunks relevantes, e, por fim, a LLM gera a resposta baseada nas perguntas e nos chunks recuperados como contexto.

Explorando os benefícios e casos de uso do RAG

O RAG é uma revolução em diversos setores e problemas. Ele reduz alucinações, trabalha com conhecimento atualizado e oferece um custo-benefício interessante. A questão da transparência permite saber qual fonte foi usada para gerar a resposta, facilitando auditorias. A privacidade é importante, pois dados sensíveis podem permanecer dentro da infraestrutura, sem exposição externa, garantindo segurança.

Diversos casos de uso do RAG incluem atendimento ao cliente, suporte técnico e médico, análise de documentos legais, pesquisa e desenvolvimento. O RAG pode ajudar a solucionar muitos problemas. Vamos explorar essa ferramenta poderosa durante o curso. Esta aula é uma parte mais teórica; sempre começaremos com teoria, seguida por duas partes práticas para aplicar os conceitos aprendidos. Nos vemos na próxima aula. Muito obrigado!

Nota: Caso enfrente erros de incompatibilidade ao utilizar as versões apresentadas na aula, recomendamos acrescentar a instalação, a importação do pacote langchain-core e trocar o modelo para gemini-2.5-flash.
!pip install langchain-core
from langchain_core.prompts import ChatPromptTemplate
llm = ChatGoogleGenerativeAI(model="gemini-2.5-flash", temperature=0)

Introduzindo a prática do RAG

Sejam bem-vindos à segunda parte da Aula 1. Na primeira parte, discutimos a teoria do RAG (Retrieve, Augment, Generation). Aprendemos sobre o problema que o RAG busca resolver e entendemos cada uma das letras que compõem o acrônimo: retrieve, augment e generation. Exploramos como funciona o fluxo de um processo de RAG, incluindo a busca de dados, a divisão em partes menores (chunks), o trabalho com embeds e outros aspectos que serão aprofundados ao longo do curso.

Agora, vamos colocar em prática o que aprendemos sobre o RAG. Para isso, utilizaremos o Colab. No Colab, veremos o RAG em ação com o Gemini. O Gemini oferece algumas soluções gratuitas, permitindo que obtenhamos uma chave gratuita para testar e implementar. Escolhemos o Gemini como exemplo, mas poderíamos utilizar outra LLM, como a OpenAI. A chave da OpenAI é fácil de criar, embora tenha um custo, que não é muito alto, especialmente para testes e aprendizado. O processo de implementação muda pouco ao utilizar a OpenAI.

Explorando o uso do RAG

Vamos explorar como o RAG resolve problemas reais de LLM, algo que já vimos na teoria e agora veremos na prática. Discutiremos as diferenças entre o RAG e o prompt tradicional. O prompt tradicional, às vezes, não consegue recuperar certas informações que o RAG consegue. Queremos obter informações específicas de forma mais eficaz.

Iniciaremos com o LangChain e o Google Gemini. Todo o processo será realizado no Google Gemini, mas fica a sugestão de praticar com a OpenAI, alterando a chave para a sua própria. Aprenderemos a carregar e processar documentos em PDF, trazendo um PDF diretamente no Colab para aplicar o processo de RAG.

Relembrando, o RAG é essencial no mercado devido à atualização de dados, respostas verificadas, custos otimizados e aplicações reais importantes.

Instalando bibliotecas necessárias

Primeiro, vamos instalar algumas bibliotecas necessárias utilizando o pip install. As bibliotecas principais que utilizaremos são o LangChain, o Google Gen AI e o PyPDF. Além dessas, é interessante instalar o LangChain Community, que oferece soluções adicionais para trabalhar com nosso modelo de LLM. A instalação pode levar algum tempo, mas, uma vez concluída, estaremos prontos para prosseguir.

!pip install langchain langchain-google-genai pypdf
!pip install langchain-community

Configurando o ambiente de desenvolvimento

Após a instalação das bibliotecas, começaremos o desenvolvimento. Primeiramente, precisamos importar o módulo os, que nos permitirá acessar algumas informações.

import os

Em seguida, configuraremos nossa API, trazendo a chave da API do Google. Para isso, acesse eaestudio.google.com, crie sua chave API, copie e cole-a no código. É importante lembrar que essa chave é secreta e não deve ser compartilhada, pois pode gerar custos dependendo do modelo utilizado.

os.environ["GOOGLE_API_KEY"] = "coloque sua chave aqui"

É muito importante não compartilhar a chave de acesso, principalmente não comitá-la em nenhum local, pois isso pode expô-la e permitir que outra pessoa a utilize. Devemos guardá-la de forma segura e não permitir que ninguém a use. Neste curso, estamos utilizando uma chave, mas ao finalizá-lo, ela será excluída. Não é interessante mostrar essa chave para outras pessoas. Portanto, crie sua própria chave, utilize-a para testes, mas nunca a compartilhe.

Comparando o prompt tradicional com o RAG

Vamos executar o código. Já temos nossa chave pré-configurada. Vamos tentar fazer algumas comparações entre o Prompter tradicional e o Reg, de forma mais prática. Para começar, vamos trazer algumas das bibliotecas que importamos anteriormente.

from langchain.google_genai import ChatGoogleGenerativeAI
from langchain.prompts import ChatPromptTemplate

Definimos nosso modelo de LLM com o GNI. Vamos criar um objeto chat Google Generative AI, onde especificamos o modelo desejado e um parâmetro de temperatura (temperature), que será definido como zero. Isso determinará se a resposta será mais determinística ou não. O modelo escolhido será o GemiNai 1.5 Pro Latest.

llm = ChatGoogleGenerativeAI(model="gemini-1.5-pro-latest", temperature=0)

Executando um exemplo de prompt tradicional

Vamos fazer um exemplo. O exemplo 1 será um prompt tradicional, sem Reg. Vamos tentar entender as diferenças. Faremos uma pergunta simples: "Qual é a política de home office da nossa empresa?" Colocaremos essa pergunta para o LLM responder.

pergunta = "Qual é a política de home office da nossa empresa?"
prompt_tradicional = ChatPromptTemplate.from_template(
    "Responda a seguinte pergunta: {pergunta}"
)
chain_tradicional = prompt_tradicional | llm
resposta_tradicional = chain_tradicional.invoke({"pergunta": pergunta})
print(resposta_tradicional.content)

No prompt tradicional, utilizamos o chat prompt template. Colocamos "Responda a seguinte pergunta" e inserimos a pergunta definida anteriormente. Após definir o prompt e a pergunta, conectamos a LLM com o prompt desejado, criando uma cadeia (chain). Utilizamos um operador, o pipe, que o LangChain usa para criar essa cadeia de execução. Basicamente, conectamos o prompt com a LLM, de um lado a pergunta e do outro a LLM. Executamos o prompt tradicional e obtemos uma resposta.

Utilizamos o chain_tradicional.invoke para invocar a pergunta, substituindo a parte da pergunta com a que desejamos. Ao rodar o código, imprimimos a resposta tradicional com resposta_tradicional.content. Definimos a pergunta e o prompt desejado, criamos a cadeia e invocamos a pergunta dentro do nosso prompt. A LLM respondeu que não é uma empresa e não possui política de home office, pois é um modelo de linguagem treinado pela Google e não possui informações sobre a empresa.

Na próxima parte da primeira aula, veremos a utilização do Reg, onde colocaremos um documento para responder a pergunta. Será mais interessante, pois aplicaremos o Reg para responder a pergunta. Muito obrigado e até o próximo vídeo.