Os dados do seu negócio não são vagos. Pare de recuperá-los como se fossem.

O RAG vetorial responde "vendas na França" por similaridade. O Structured RAG liga sua coluna de cidade à tabela de países da Wikipédia, então a pergunta vira um join SQL que você consegue ler.

Teste seu CSV

Agende uma demonstração

Quatro níveis de recuperação

Como a IA responde "vendas na França"

A mesma pergunta, em quatro níveis de recuperação. Só o último deixa você conferir a resposta.

O LLM converte sua pergunta em SQL

Digamos que seu CSV tem uma coluna de cidade, mas nenhuma de país. A coluna de cidade tem Paris e Estrasburgo, mas não há coluna de país para filtrar. "França" não está nos dados e a consulta não pode ser escrita.

Falha completamente

Busca vetorial por similaridade

Converta cada cidade num embedding vetorial e busque "França". Paris e Estrasburgo voltam porque soam francesas. Kehl também pode voltar, uma cidade alemã ao lado de Estrasburgo. Nada na busca diz em que país fica uma cidade.

Às vezes falha

O LLM usa vetores parecidos para responder

Entregue as linhas mais próximas da busca acima a um LLM e ele costuma devolver o total certo. Mas você não consegue ver como as cidades foram contadas como França. Ele pode alucinar ou usar uma fonte errada, mas você tem que acreditar nele.

Funciona, mas é uma caixa-preta

O Prereasoner gera a consulta SQL

A coluna de cidade se liga a uma tabela de países por chave: cidade → país → moeda. "Vendas na França" vira um join SQL, Kehl fica de fora e a consulta e as linhas encontradas voltam junto com a resposta.

Funciona com transparência

Suas tabelas de referência

Resolva com base nas suas próprias tabelas de referência

Suas próprias tabelas de referência

Sua coluna de nível, com valores como gold e platinum, fica na sua própria tabela de níveis de cliente. Faça upload dela e "receita de clientes platinum" faz o join por chave.

Frente a frente

Structured RAG vs. RAG vetorial

Em dados estruturados	RAG vetorial	Structured RAG
Como uma coluna de texto é usada	Transformada num vetor	Ligada a uma tabela de referência por chave
Mecanismo de recuperação	Similaridade do vizinho mais próximo	Join SQL
"Kehl" (cidade alemã perto de Estrasburgo)	Pode ser incluída	Excluída pelo join
Por que uma linha foi retornada	Uma pontuação de similaridade	O join, no SQL
Suas tabelas de referência privadas	Embedding refeito	Ligada por chave
O que calcula o total	O LLM	O banco de dados

Como funciona

Tipar, ligar, fazer join, devolver

01 TIPAR

Nomeie cada coluna

O Prereasoner identifica o que cada coluna contém.

02 LIGAR

Chaves estrangeiras

cidade → país → moeda ou nível → sua tabela de níveis. Cada ligação é uma chave numa tabela de referência.

03 JOIN

Consulta SQL

A pergunta vira um join SQL entre essas tabelas.

04 DEVOLVER

Com sua consulta

Você recebe as linhas e o SQL que as retornou.

Comece grátis

Suas colunas de texto não são vagas. Pare de recuperá-las como se fossem

Teste com o seu próprio CSV. Adicione suas tabelas de referência quando precisar.

Teste seu CSV