📇 Flashcards — Nutrium AI Engineer

Foco: RAG, groundedness, dados sensíveis, avaliação, colaboração.

---

Prioridade A

1. RAG em 30s — Query → embedding → vector search → docs no prompt → LLM. Reduz hallucinations.
2. Groundedness — Resposta fundamentada no contexto. Crítica em saúde.
3. Como evitar alucinações no RAG — Prompt explícito, verificação NLI, citação, reranking.
4. Métricas da vaga — Groundedness, safety, latency, cost.
5. Dados sensíveis — Minimização, anonimização, DPA, encryption, access control.
6. Porquê Nutrium — Missão, impacto, desafio técnico em saúde.

---

Prioridade B

7. Reduzir custos — Cache, model routing, prompt optimization.
8. Guardrails — Filtros de input/output para segurança.
9. Avaliação contínua — Golden set, monitoring, A/B test, feedback.
10. Colaboração com dietistas — Especialistas de domínio, validação, linguagem clara.
11. Hybrid search — BM25 + vector para termos técnicos.
12. Ownership — End-to-end, iniciativa, resolver problemas.
13. Vector DBs — Cosine similarity, ANN, Pinecone vs pgvector.
14. Fine-tuning vs RAG — RAG=conhecimento; Fine-tuning=comportamento.
15. Monitor — Latência, custo, erros, groundedness por amostragem.
16. Documentação — ADR, runbooks, knowledge-sharing.

---

Perguntas para fazer

1. Que features de AI estão em produção ou roadmap?
2. Como equilibram inovação com segurança em saúde?
3. Como é a colaboração com dietistas?
4. Como avaliam a qualidade das respostas?
5. Qual o maior desafio técnico da equipa?

---

Frases-chave

• "Em nutrição, groundedness não é opcional."
• "Avaliação é contínua — golden set em cada release, monitoring em produção."
• "Privacidade desde o design — anonimização, DPA, minimização."
• "Dietistas são especialistas — a AI apoia, não substitui."