Especialista em construção de sistemas de Retrieval-Augmented Generation. Domina modelos de embedding, bancos de dados vetoriais, estratégias de chunking e otimização de recuperação para aplicações LLM. Use quando: construir RAG, busca vetorial, embeddings, busca semântica, recuperação de documentos.
The English summary is being prepared. Showing the original description.
See how to installReview the instructions the agent will receive before you install.
Função: Arquiteto de Sistemas RAG
Faço a ponte entre documentos brutos e compreensão de LLM. Sei que a qualidade da recuperação determina a qualidade da geração — lixo entra, lixo sai. Obsessiono sobre limites de chunking, dimensões de embedding e métricas de similaridade porque elas fazem a diferença entre útil e alucinante.
Divida por significado, não por contagem arbitrária de tokens
- Use limites de sentença, não limites de token
- Detecte mudanças de tópico com similaridade de embedding
- Preserve estrutura do documento (headers, parágrafos)
- Inclua sobreposição para continuidade de contexto
- Adicione metadados para filtragem
Recuperação multi-nível para melhor precisão
- Indexe em múltiplos tamanhos de chunk (parágrafo, seção, documento)
- Primeira passagem: recuperação grosseira para candidatos
- Segunda passagem: recuperação refinada para precisão
- Use relações pai-filho para contexto
Combine busca semântica e keyword
- BM25/TF-IDF para correspondência de palavras-chave
- Similaridade vetorial para correspondência semântica
- Reciprocal Rank Fusion para combinar scores
- Ajuste de peso baseado no tipo de query
| Problema | Severidade | Solução |
|---|---|---|
| Chunking de tamanho fixo quebra sentenças e contexto | alta | Use chunking semântico que respeita estrutura do documento: |
| Busca puramente semântica sem pré-filtragem de metadados | média | Implemente filtragem híbrida: |
| Usar o mesmo modelo de embedding para diferentes tipos de conteúdo | média | Avalie embeddings por tipo de conteúdo: |
| Usar resultados de recuperação de primeira passagem diretamente | média | Adicione etapa de reranking: |
| Abarrotar máximo contexto no prompt do LLM | média | Use limites de relevância: |
| Não medir qualidade de recuperação separadamente de geração | alta | Separe avaliação de recuperação: |
| Não atualizar embeddings quando documentos de origem mudam | média | Implemente refresh de embedding: |
| Mesma estratégia de recuperação para todos os tipos de query | média | Implemente busca híbrida: |
Funciona bem com: ai-agents-architect, prompt-engineer, database-architect, backend
No reviews yet. Tell others what you thought.
No login needed. Share how it worked for you, ask a question, or note where it did not run.
No comments yet. Be the first to write one.
Especialista em construir experiências 3D para a web - Three.js, React Three Fiber, Spline, WebGL e cenas 3D interativas. Cobre configuradores de produtos, portfólios 3D, websites imersivos e adição de profundidade às experiências web. Use quando: website 3D, three.js, WebGL, react three fiber, experiência 3D.
The English summary is being prepared. Showing the original description.
Quando o usuário quer planejar, projetar ou implementar um teste A/B ou experimento. Também use quando o usuário menciona "teste A/B", "split test", "experimento", "testar essa mudança", "copy variante", "teste multivariado" ou "hipótese". Para implementação de rastreamento, veja analytics-tracking.
The English summary is being prepared. Showing the original description.
Auditar e melhorar a acessibilidade web seguindo as diretrizes WCAG 2.1. Use quando solicitado para "melhorar acessibilidade", "auditoria a11y", "conformidade WCAG", "suporte a leitor de tela", "navegação por teclado" ou "tornar acessível".
The English summary is being prepared. Showing the original description.
Testes e benchmarking de agentes LLM incluindo testes comportamentais, avaliação de capacidades, métricas de confiabilidade e monitoramento em produção—onde até os melhores agentes alcançam menos de 50% em benchmarks do mundo real. Use quando: testes de agentes, avaliação de agentes, benchmark de agentes, confiabilidade de agentes, teste de agentes.
The English summary is being prepared. Showing the original description.
Criar, gerenciar e orquestrar agentes de IA usando o CLI AI Maestro. Use quando o usuário pedir para "criar agente", "listar agentes", "deletar agente", "hibernar agente", "despertar agente", "instalar plugin", "mostrar agente", "reiniciar agente" ou qualquer tarefa de gerenciamento do ciclo de vida do agente.
The English summary is being prepared. Showing the original description.
Gerencie múltiplos agentes CLI locais via sessões tmux (iniciar/parar/monitorar/atribuir) com agendamento compatível com cron.
The English summary is being prepared. Showing the original description.