Translate lab documentation to English

scenarios/06-rag-vector-classified-docs/README.md

@@ -1,51 +1,51 @@
 # 06 - RAG Vector Classified Docs
 
-## Objetivo
+## Objective
 
-Demonstrar que um agente RAG ou copilot interno so recupera documentos e chunks autorizados para o usuario final antes de enviar contexto ao LLM.
+Show that an internal RAG agent or copilot retrieves only documents and chunks authorized for the end user before sending context to the LLM.
 
-## O Que Este Lab Mostra
+## What This Lab Shows
 
-Antes do Oracle Deep Data Security, a busca vetorial pode recuperar chunks confidenciais de RH, juridico e executivo. Depois dos data grants, a recuperacao vetorial respeita a classificacao do documento e a persona do usuario.
+Before Oracle Deep Data Security, vector search can retrieve confidential HR, legal, and executive chunks. After data grants are applied, vector retrieval respects document classification and the user persona.
 
 ## Personas
 
-- `nina`: colaboradora comum.
-- `heitor`: RH.
-- `sofia`: juridico.
-- `carlos`: executivo.
+- `nina`: regular employee.
+- `heitor`: HR user.
+- `sofia`: legal user.
+- `carlos`: executive user.
 
-## Onde Executar Os Comandos
+## Where To Run The Commands
 
-Execute os comandos a partir da raiz do repositorio:
+Run commands from the repository root:
 
 ```powershell
 cd C:\Users\rodrigo\Documents\Codex\oracle-deep-data-security-lab
 ```
 
-Conecte no banco com SQLcl ou SQL*Plus:
+Connect to the database with SQLcl or SQL*Plus:
 
 ```bash
 sql "<connect_string>"
 ```
 
-Este cenario usa tipo `VECTOR`, `TO_VECTOR` e `VECTOR_DISTANCE`. Use uma versao do banco com suporte a Oracle AI Vector Search.
+This scenario uses the `VECTOR` type, `TO_VECTOR`, and `VECTOR_DISTANCE`. Use a database version with Oracle AI Vector Search support.
 
-## Passo A Passo - Antes, Ambiente Vulneravel
+## Step By Step - Before, Vulnerable Environment
 
-1. Acesse o banco:
+1. Connect to the database:
 
    ```bash
    sql "<connect_string>"
    ```
 
-2. Limpe o cenario:
+2. Reset the scenario:
 
    ```sql
    @scenarios/06-rag-vector-classified-docs/sql/99_reset.sql
    ```
 
-3. Crie a tabela de chunks, embeddings simples e personas:
+3. Create the chunk table, simple embeddings, and personas:
 
    ```sql
    @scenarios/06-rag-vector-classified-docs/sql/00_schema.sql
@@ -53,45 +53,45 @@ Este cenario usa tipo `VECTOR`, `TO_VECTOR` e `VECTOR_DISTANCE`. Use uma versao
    @scenarios/06-rag-vector-classified-docs/sql/02_identities.sql
    ```
 
-4. Simule a pergunta RAG:
+4. Simulate the RAG question:
 
    ```text
-   Resuma documentos criticos sobre renovacoes, pessoas e riscos legais.
+   Summarize critical documents about renewals, people, and legal risks.
    ```
 
-5. Execute a busca vetorial:
+5. Run the vector search:
 
    ```sql
    @scenarios/06-rag-vector-classified-docs/sql/04_test_queries.sql
    ```
 
-Resultado esperado antes: a busca pode recuperar chunks `HR_CONFIDENTIAL`, `LEGAL_CONFIDENTIAL` e `EXECUTIVE_CONFIDENTIAL`.
+Expected result before protection: retrieval may return `HR_CONFIDENTIAL`, `LEGAL_CONFIDENTIAL`, and `EXECUTIVE_CONFIDENTIAL` chunks.
 
-## Passo A Passo - Depois, Com Deep Data Security
+## Step By Step - After, With Deep Data Security
 
-1. Aplique os data grants por classificacao:
+1. Apply data grants by classification:
 
    ```sql
    @scenarios/06-rag-vector-classified-docs/sql/03_data_grants.sql
    ```
 
-2. Execute novamente a mesma busca vetorial:
+2. Run the same vector search again:
 
    ```sql
    @scenarios/06-rag-vector-classified-docs/sql/04_test_queries.sql
    ```
 
-3. Repita a demonstracao simulando `nina`, `heitor`, `sofia` e `carlos`.
+3. Repeat the demo by simulating `nina`, `heitor`, `sofia`, and `carlos`.
 
-Resultado esperado depois:
+Expected result after protection:
 
-- `nina` ve apenas chunks `PUBLIC` e `INTERNAL`.
-- `heitor` ve conteudo de RH autorizado.
-- `sofia` ve conteudo juridico autorizado.
-- `carlos` ve todos os documentos por perfil executivo.
-- O LLM recebe somente contexto autorizado.
+- `nina` sees only `PUBLIC` and `INTERNAL` chunks.
+- `heitor` sees authorized HR content.
+- `sofia` sees authorized legal content.
+- `carlos` sees all documents through the executive role.
+- The LLM receives only authorized context.
 
-## Execucao Automatizada Opcional
+## Optional Automated Execution
 
 Windows:
 
@@ -105,7 +105,7 @@ Linux/macOS:
 ./scripts/run-scenario.sh 06-rag-vector-classified-docs "<connect_string>"
 ```
 
-## Detalhes Da Demo
+## Demo Details
 
-Veja o passo a passo completo, evidencias e referencias oficiais em [RUNBOOK.md](RUNBOOK.md).
+See the complete walkthrough, evidence, and official references in [RUNBOOK.md](RUNBOOK.md).