Projeto de Pesquisa/TCC — IFPI/CNPq
Assistente virtual integrado ao WhatsApp para automatização do suporte ao sistema acadêmico SUAP, utilizando Retrieval-Augmented Generation (RAG) para responder dúvidas com base em documentos oficiais da plataforma.
Destaques
- Desenvolvi uma solução end-to-end de inteligência artificial integrada ao WhatsApp, capaz de consultar uma base com mais de 50 documentos oficiais do SUAP e gerar respostas contextualizadas utilizando modelos de linguagem.
- Projetei uma arquitetura CRAG composta por FastAPI, Redis, LangChain, PostgreSQL com pgvector e modelos da OpenAI, implementando pipelines de ingestão, processamento, geração de embeddings e recuperação semântica de informações.
- Implementei um pipeline de engenharia de conhecimento envolvendo extração, tratamento, segmentação de documentos (chunking), geração de embeddings utilizando text-embedding-3-small e indexação em banco vetorial para recuperação eficiente de contexto.
- Desenvolvi estratégias de redução de alucinações em LLMs através da recuperação de contexto relevante antes da geração das respostas, aumentando a confiabilidade das informações fornecidas pelo assistente.
Avaliação com RAGAS
| Métrica | Resultado |
|---|---|
| Context Precision | 0.93 |
| Context Recall | 0.85 |
| Faithfulness | 0.73 |
| Answer Relevancy | 0.74 |
Tecnologias
Python, FastAPI, LangChain, OpenAI API, GPT-3.5-Turbo, text-embedding-3-small, PostgreSQL, pgvector, Redis, Docker, WAHA, RAGAS.