InícioSuporte
InícioSuporteLinks
Entrar
  1. Formação em Agentes IA e Automações
  3. RAG & Vector Store
Armazenando texto em um banco de dados vetorial

Como integrar essa busca semântica no seu app

Acesso Restrito

Faça login para acessar o conteúdo desta aula.

Fazer loginVoltar para o curso
AnteriorPróxima

Copyright ©2026 - Todos os direitos reservados
Feito com ☕ e alguns bilhões de tokens de IA

Bancos de Dados Vetoriais e RAG
Progresso do Módulo
0 de 26 aulas concluídas
Introdução
Quais ferramentas iremos utilizar?
O que são vetores?
O que são Embeddings?
Modelos de Embedding
O que são Bancos de Dados Vetoriais?
Por que vetorizar?
O que é RAG (Retrieval-Augmented Generation)
Por que usar RAG ao invés de outras abordagens
Qual projeto iremos construir
Como criar um projeto e uma chave API na OpenAI
Como criar um banco de dados de vetores no Supabase
Como popular os dados para Supabase Vector Store usando N8N
Como definir os valores de Text Splitter
Como deletar os dados de um certo documento
Como fazer o Update dos dados
Como listar os dados baseado na busca de similaridade (similarity)
Como integrar essa busca semântica no seu app
Qual projeto iremos construir para as imagens
Introdução ao OCR e Embeddings de Imagens
Como configurar o Supabase para imagens vetorizadas
Como fazer o embedding de imagens
Como buscar imagens através de busca textual
Como monitorar custos de APIs de Embedding em produção
Conclusão e próximos passos
Avaliação do Módulo