Respostas Fundamentadas na Web

​

O que é RAG?

• Atualidade — as respostas refletem conteúdo publicado após o limite de treinamento do modelo.
• Atribuição — toda afirmação pode apontar para uma URL de origem que o usuário pode verificar.
• Alucinação reduzida — fundamentar o modelo em texto recuperado impede que ele invente fatos.

​

Como a fundamentação funciona

1. Buscar (recuperar) na web páginas relevantes para a pergunta.
2. Extrair (aumentar) o conteúdo de que você precisa — snippets ou texto completo da página — para dentro do prompt.
3. Sintetizar (gerar) uma resposta passando esse conteúdo para um LLM, pedindo que ele cite fontes.

​

Deixe o provedor escrever a resposta

curl -X POST 'https://api.novita.ai/v3/tavily/search' \
  -H "Authorization: Bearer ${NOVITA_API_KEY}" \
  -H 'Content-Type: application/json' \
  -d '{
    "query": "What changed in the latest Python release?",
    "include_answer": "advanced",
    "max_results": 5
  }'

curl -X POST 'https://api.novita.ai/v3/exa/answer' \
  -H "Authorization: Bearer ${NOVITA_API_KEY}" \
  -H 'Content-Type: application/json' \
  -d '{
    "query": "What changed in the latest Python release?",
    "text": true
  }'

​

Recupere e depois sintetize com um LLM

import os
import requests
from openai import OpenAI

NOVITA_KEY = os.environ["NOVITA_API_KEY"]
QUESTION = "What changed in the latest Python release?"

# 1. Retrieve relevant web content.
search = requests.post(
    "https://api.novita.ai/v3/tavily/search",
    headers={"Authorization": f"Bearer {NOVITA_KEY}"},
    json={
        "query": QUESTION,
        "max_results": 5,
        "include_raw_content": "text",
    },
).json()

# 2. Build a compact, numbered context block the model can cite.
sources = []
for i, r in enumerate(search["results"], start=1):
    body = (r.get("raw_content") or r.get("content") or "")[:1500]
    sources.append(f"[{i}] {r['title']} ({r['url']})\n{body}")
context = "\n\n".join(sources)

# 3. Synthesize a grounded, cited answer.
client = OpenAI(base_url="https://api.novita.ai/openai", api_key=NOVITA_KEY)
completion = client.chat.completions.create(
    model="deepseek/deepseek-v4-flash",
    messages=[
        {
            "role": "system",
            "content": (
                "Answer using ONLY the provided sources. "
                "Cite claims with [n] referring to the source number. "
                "If the sources don't contain the answer, say so."
            ),
        },
        {"role": "user", "content": f"Question: {QUESTION}\n\nSources:\n{context}"},
    ],
)
print(completion.choices[0].message.content)

​

Ajustando a qualidade da recuperação

• Atualidade. Para perguntas sensíveis ao tempo, restrinja por data. Tavily expõe time_range e start_date/end_date; Exa expõe startPublishedDate/endPublishedDate. Isso mantém páginas desatualizadas fora do contexto.
• Confiança na fonte. Use include_domains/excludeDomains para restringir a recuperação a fontes em que você confia (documentação oficial, editoras respeitáveis) e excluir sites de baixa qualidade.
• Dicas de tópico. Da Tavily topic (news, finance, general) e da Exa category direcionar o mecanismo para o tipo certo de resultado.
• Dimensionamento correto do contexto. Limite o texto extraído (Tavily chunks_per_source, Exa maxCharacters) para que você passe sinal suficiente sem estourar a janela de contexto do modelo ou seu orçamento de tokens.

​

Search vs. extract vs. crawl

• Search — você tem uma pergunta e precisa descobrir páginas relevantes. O ponto de partida padrão.
• Extract / Contents — você já conhece as URLs e quer texto limpo delas. Bom para fundamentação em um conjunto fixo de documentos. Veja Tavily Extract e Exa Contents.
• Rastrear / Mapear — você quer ingerir um site inteiro ou uma seção, seguindo links. Bom para criar uma base de conhecimento offline. Veja Tavily Crawl e Tavily Map.

​

Levando para produção

• Lide com resultados vazios. Se a busca não retornar nada relevante, faça com que o modelo diga que não pode responder, em vez de inventar uma resposta. O prompt de sistema acima faz isso.
• Use cache quando puder. Consultas idênticas retornam resultados semelhantes; armazenar a recuperação em cache reduz custo e latência.
• Preste atenção aos limites de taxa. A recuperação e as chamadas de LLM são limitadas separadamente — uma solicitação de busca não consome sua cota de LLM. Reduza o ritmo em 429 para qualquer um deles. Consulte limites de taxa de LLM para o lado do LLM.
• Mantenha as chaves no lado do servidor. Sua chave da Novita autentica todas as chamadas aqui — nunca a inclua em código do lado do cliente.