← Voltar a RAG — Arquitetura de Ingestion e Retrieval

📊 Modelo Canónico

RAG — Arquitetura de Ingestion e Retrieval

Apresentação

2. Modelo Canónico

Todas as fontes passam por uma representação interna comum antes de ir para qualquer backend (vector DB, SQL, graph).

A. DocumentRecord

Para conteúdo textual (md, txt, pdf, yaml textualizado).

{
  "record_id": "doc_security_policy_v3",
  "logical_id": "security_policy",
  "version": 3,
  "content": "...",
  "format": "markdown",
  "title": "Security Policy",
  "source_path": "...",
  "checksum": "...",
  "valid_from": "...",
  "valid_to": null,
  "tags": ["policy", "security"]
}

Campo	Descrição
`record_id`	ID único por versão
`logical_id`	Identificador estável do documento
`version`	Número de versão
`content`	Conteúdo normalizado
`format`	markdown, text, pdf, etc.
`valid_from` / `valid_to`	Janela de validade temporal

B. StructuredRecord

Para SQL, CSV e tabelas estruturadas.

{
  "record_id": "budget_finance_q1_v2",
  "entity_type": "budget",
  "logical_id": "budget_finance_q1",
  "version": 2,
  "fields": {
    "team_id": "team_finance",
    "quarter": "2026Q1",
    "allocated": 120000,
    "spent": 115000
  },
  "valid_from": "...",
  "valid_to": null
}

Campo	Descrição
`record_id`	ID único por versão
`entity_type`	Tipo de entidade (budget, incident, etc.)
`logical_id`	Business key estável
`fields`	Campos estruturados
`valid_from` / `valid_to`	Para SCD Type 2

C. GraphRecord

Para nós e relações do grafo.

Nó:

{
  "record_id": "node_team_finance_v2",
  "record_type": "node",
  "logical_id": "team_finance",
  "version": 2,
  "labels": ["Team"],
  "properties": {
    "name": "Finance",
    "budget_owner": true
  },
  "valid_from": "...",
  "valid_to": null
}

Edge:

{
  "record_id": "edge_team_owns_service_001_v2",
  "record_type": "edge",
  "logical_id": "team_finance_owns_billing_api",
  "version": 2,
  "from_id": "team_finance",
  "to_id": "svc_billing_api",
  "relation": "TEAM_OWNS_SERVICE",
  "properties": {},
  "valid_from": "...",
  "valid_to": null
}

Campo	Descrição
`record_type`	"node" ou "edge"
`from_id` / `to_id`	Referências para edges
`relation`	Tipo de relação
`labels`	Labels do nó (Neo4j-style)

Vantagens do Modelo Canónico

Vantagem	Explicação
Consistência	Mesma semântica em todos os backends
Versioning	`valid_from` / `valid_to` em todo o lado
Change detection	Diff funciona sobre estrutura comum
Reprocessamento	Saber exatamente o que reprocessar
Auditoria	Linhagem e histórico uniforme

Zona de prática

Sem perguntas. Clica em Editar para adicionar.