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.addarmazena 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_urie a passagem do seu documento, para que um agente possa citar e linkar a fonte. - Uma única busca em memória, documentos e conversas.
loom_searchexecuta 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_searchdescarta 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.