PT
RegistarIniciar sessão

Como funciona a RAG

Dos materiais do curso a respostas fundamentadas

A RAG combina a IA generativa com as fontes de conhecimento que o docente escolhe, para que o apoio da IA numa unidade curricular seja controlável, explicável e adaptado ao contexto.

O fluxo de trabalho

Quatro passos de uma aplicação RAG para uma unidade curricular

  1. 1Recuperar

    A pergunta de um estudante pesquisa o conhecimento do curso selecionado pelo docente — apontamentos, diapositivos, artigos, exames — e devolve as passagens mais relevantes.

  2. 2Enriquecer

    As passagens recuperadas e o perfil do estudante são acrescentados à instrução, para que o conhecimento da instituição molde uma resposta pertinente e adaptada ao contexto.

  3. 3Gerar

    Um LLM europeu redige a resposta a partir desse contexto e mostra as fontes que utilizou, para que os estudantes possam verificar cada afirmação.

  4. 4Para a educação

    Os docentes concebem e validam cada passo na caixa de ferramentas RAG4Edu — com verificações do RGPD e do Regulamento da IA, e sem competências avançadas em IA.

Conhecimento do curso diapositivos · apontamentos artigos · exames · dados selecionado pelo docente Integrar e indexar embeddings · metadados Pergunta do estudante ou tarefa de grupo Recuperar passagens mais relevantes Enriquecer a instrução contexto + perfil do estudante Gerar LLM europeu Resposta com fontes citadas Docente concebe · valida RGPD · Regulamento IA sem código / pouco código Processo RAG4Edu: modular, documentado, modelos alojados na UE, enriquecimento adaptado ao estudante. Os docentes constroem-no e configuram-no com a caixa de ferramentas RAG4Edu — sem conhecimentos avançados de IA.
Dentro de uma aplicação RAG para uma unidade curricular: o docente seleciona a base de conhecimento, a recuperação fundamenta cada resposta nela e a geração corre em LLM europeus.

Porque é fiável numa unidade curricular

  • Fundamentado em fontesAs respostas assentam na base de conhecimento que o docente selecionou para a unidade curricular.
  • Com citaçõesOs estudantes veem em que passagens assenta uma resposta e podem verificá-las.
  • Europeu e conformeLLM sediados na UE e infraestrutura EuroHPC, conceção conforme ao RGPD e alinhada com o Regulamento da IA da UE.
  • Aberto e reutilizávelO pipeline, a caixa de ferramentas e os modelos são publicados com licenças abertas.

Ferramentas

O que o RAG4Edu desenvolve

O projeto desenvolve componentes abertos que docentes e instituições podem reutilizar.

Processo e referencial RAG4EduEspecificação concetual e técnica, um protótipo operacional pronto a implementar (integração, recuperação semântica, geração) e mecanismos de enriquecimento adaptados ao estudante.
Chatbots e caixa de ferramentas RAG4EduFerramentas de autoria para criar e configurar chatbots e agentes RAG específicos de cada unidade curricular, aplicações multilingues de estudos de caso, modelos e documentação.
Referencial de conceção e ferramenta de formação de gruposCritérios, fontes de dados, lógica de decisão e mecanismos de transparência para a formação de grupos apoiada por IA, com modelos de conceção de aprendizagem colaborativa.
Serviços de integração e apoioEspecificação e integração de modelos de linguagem e serviços de IA desenvolvidos na UE, embeddings, gestão de tokens e funcionalidades de conformidade para os pilotos.
Aprender na formação Resultados e recursos