35 lines
1.2 KiB
Markdown
35 lines
1.2 KiB
Markdown
# 06 - RAG Vector Classified Docs
|
|
|
|
## Objetivo
|
|
|
|
Demonstrar que um agente RAG ou copilot interno so recupera documentos e chunks autorizados para o usuario final antes de enviar contexto ao LLM.
|
|
|
|
## Risco De Negocio
|
|
|
|
Em RAG, o vazamento muitas vezes acontece antes da resposta do modelo: o mecanismo de busca recupera documentos demais e entrega contexto sensivel ao LLM. Este lab mostra como classificar documentos e aplicar Deep Data Security sobre os chunks recuperaveis.
|
|
|
|
## Personas
|
|
|
|
- `nina`: colaboradora comum.
|
|
- `heitor`: RH.
|
|
- `sofia`: juridico.
|
|
- `carlos`: executivo.
|
|
|
|
## Narrativa Da Demo
|
|
|
|
1. O agente recebe a pergunta: "resuma documentos criticos sobre renovacoes, pessoas e riscos legais".
|
|
2. A busca por similaridade tenta recuperar todos os chunks.
|
|
3. Deep Data Security limita os chunks por classificacao e departamento.
|
|
4. O LLM so recebe contexto autorizado.
|
|
|
|
## Observacao Sobre Vetores
|
|
|
|
O script usa uma coluna `VECTOR(3, FLOAT32)` para manter o lab simples e demonstravel. Em um ambiente real, substitua por embeddings gerados pelo seu modelo e ajuste a metrica de similaridade.
|
|
|
|
## Execucao
|
|
|
|
```powershell
|
|
powershell -ExecutionPolicy Bypass -File .\scripts\run-scenario.ps1 -Scenario 06-rag-vector-classified-docs -ConnectString "<connect_string>"
|
|
```
|
|
|