Pular para conteúdo

As páginas sem tradução abrem em inglês e são identificadas como inglês.

Esta página é uma tradução automática da página em inglês, que prevalece. Machine-translated from the English page, which is authoritative.

Busca de documentos e RAG para agentes

O Loom indexa seus documentos (Markdown e texto, além de arquivos PDF, .docx e .pptx que o serviço extrator converte) e permite que agentes os pesquisem com citações via MCP, HTTP ou pelos SDKs. É a metade de recuperação da geração aumentada por recuperação (RAG): seu agente ou modelo escreve a resposta a partir das passagens que o Loom retorna.

O que você recebe

  • Chunks que seguem a estrutura do documento. knowledge.add armazena o texto e, opcionalmente, o arquivo original; o Loom o divide pelos títulos, aplica janelas a cada seção e gera o embedding de cada chunk. Documentos de conhecimento
  • Citações. Um resultado indica o source_uri e a passagem do seu documento, para que um agente possa citar e linkar a fonte.
  • Uma única busca em memória, documentos e conversas. loom_search executa as buscas de memória, conhecimento, perfil e conversa em uma só chamada, em todos os namespaces de memória do chamador. Busca unificada
  • Fontes de documentos. Os admins de um namespace podem registrar fontes das quais o Loom extrai documentos; o worker de sincronização exige LOOM_KNOWLEDGE_SOURCE_SYNC_ENABLED. Fontes de documentos
  • Documentos junto ao código. Documentos de uma fonte no namespace de código do trunk de um repositório carregam a tag repo:<id> dele, de modo que as buscas desse repositório os leem junto com o código. Fontes de documentos · Memória vinculada ao código
  • Um limite mínimo de similaridade. loom_search descarta resultados de conhecimento abaixo de um limite mínimo de similaridade em vez de entregar ao modelo uma passagem fraca. loom_search
  • Controle de acesso em cada passagem. Os documentos ficam em namespaces com papéis de visualizador, escritor e admin. Namespaces e compartilhamento

Medições

Em um corpus versionado de arquivos PDF, DOCX e PPTX (27 arquivos reservados para teste), o extrator do Loom, com OCR ativado (seu padrão), obteve 0.999 de recall de texto e 0.991 de F1 de células de tabela na execução medida (análise de documentos). A qualidade da recuperação sobre documentos é medida apenas em parte; cobertura e lacunas conhecidas indica o que ainda falta.

Primeiros passos

O guia de início rápido executa a stack com o serviço extrator. Adicione um documento pela página Library do painel, com knowledge.add para texto ou, para um arquivo que o extrator converte, com knowledge.upload e depois knowledge.ingest (ingestão de arquivos).

Algumas ops desta página estão marcadas como experimentais na página de status.