Início

Como integrar essa busca semântica no seu app | AutoMakers | Comunidade Sem Codar

AutoMakers
RAG & Vector Store

Armazenando texto em um banco de dados vetorial

Como integrar essa busca semântica no seu app

Integre a busca semântica no seu aplicativo criando um sistema de busca vetorial eficiente com API e front-end. Aprenda a conectar dados e otimizar a experiência do usuário de forma prática.

Access Restricted

Sign in to access this lesson content.

Sign in Back to course

Anterior Próxima

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

Introdução5 min

Quais ferramentas iremos utilizar?3 min

O que são vetores?13 min

O que são Embeddings?7 min

Modelos de Embedding10 min

O que são Bancos de Dados Vetoriais?11 min

Por que vetorizar?10 min

O que é RAG (Retrieval-Augmented Generation)4 min

Por que usar RAG ao invés de outras abordagens12 min

Qual projeto iremos construir4 min

Como criar um projeto e uma chave API na OpenAI3 min

Como criar um banco de dados de vetores no Supabase5 min

Como popular os dados para Supabase Vector Store usando N8N11 min

Como definir os valores de Text Splitter10 min

Como deletar os dados de um certo documento5 min

Como fazer o Update dos dados2 min

Como listar os dados baseado na busca de similaridade (similarity)13 min

Como integrar essa busca semântica no seu app14 min

Qual projeto iremos construir para as imagens2 min

Introdução ao OCR e Embeddings de Imagens6 min

Como configurar o Supabase para imagens vetorizadas2 min

Como fazer o embedding de imagens7 min

Como buscar imagens através de busca textual8 min

Como monitorar custos de APIs de Embedding em produção5 min

Conclusão e próximos passos1 min

Avaliação do Módulo