> ## Documentation Index > Fetch the complete documentation index at: https://chatcli.edilsonfreitas.com/llms.txt > Use this file to discover all available pages before exploring further. # #4 RAG + HyDE — Retrieval Semântico > Duas camadas de retrieval sobre memory.Fact: Phase 3a gera uma hipótese LLM e extrai keywords; Phase 3b embedding vetores (Voyage / OpenAI / Bedrock Titan-Cohere) + busca cosseno pure-Go com ranking fundido (semantic+lexical+temporal), floor de cosseno, auto-migração e harness de avaliação (recall@k/MRR/nDCG). Primitivo vindex reutilizável, JSON persistido, zero CGO. **HyDE** (Hypothetical Document Embeddings) é a técnica clássica que gera uma **resposta hipotética** para a pergunta do usuário e usa essa resposta como signal adicional de retrieval. No ChatCLI, HyDE opera em duas fases complementares: **3a** expande keywords via hipótese LLM, **3b** adiciona busca vetorial por cosseno. HyDE é **opt-in** (`CHATCLI_QUALITY_HYDE_ENABLED=true`) para manter o steady-state sem custo adicional. Phase 3a custa +1 LLM call cheap; Phase 3b requer configurar um embedding provider. *** ## O problema que HyDE resolve O retrieval de `memory.Fact` pré-pipeline era **keyword-only**: o scorer bate tokens extraídos de mensagens recentes contra tags e content dos facts armazenados. Funciona bem quando o vocabulário bate exatamente — falha quando o usuário usa sinônimos ou faz perguntas abstratas. Exemplo do gap: Usuário: `como fazer X em Go?`
Keywords extraídas: `[fazer, go]`
Fact armazenado: `"use goroutines for concurrency in X pipelines"`
**Match: ❌** — "fazer" e "go" não aparecem literalmente no fact. Usuário: `como fazer X em Go?`
Hipótese LLM: `"In Go you would use goroutines and channels for X, leveraging the concurrency primitives..."`
Keywords expandidas: `[fazer, go, goroutines, channels, concurrency, primitives]`
**Match: ✅** Hipótese → embed (1024 dim via Voyage) → cosine search no vector store → top-3 facts semanticamente próximos.
**Match: ✅** — mesmo sem nenhum keyword em comum. *** ## Phase 3a — Hypothesis-based keyword expansion A query entra em `cli_llm.go` ou `agent_mode.go`. ```go theme={"system"} augmenter := memory.NewHyDEAugmenter(cfg, llmCallback, logger) expanded := augmenter.Augment(ctx, query, originalHints) ``` Prompt: "Write a 2-4 sentence plausible answer that uses the technical nouns that would appear in any matching note. Bilingual if the query mixes languages." O mesmo extractor já usado no chat mode (stop words en+pt, min 3 chars). Keywords originais + top-N da hipótese, cap configurável via `CHATCLI_QUALITY_HYDE_NUM_KEYWORDS` (default 5). Scorer keyword-based existente opera sobre hints mais rico → recall muito maior. Phase 3a **funciona sem configurar embedding provider**. É o default recomendado se o custo de +1 LLM call leve é aceitável. *** ## Phase 3b — Vector embeddings + ranking fundido Adiciona busca por **cosine similarity** sobre embeddings de facts — e, desde a refatoração de ranking, **funde o score de cosseno** com os sinais lexical e temporal num único ranking. **O que mudou (PR #1027):** antes, os hits vetoriais eram dissolvidos de volta em keywords e o score de cosseno era **descartado** — pagava-se uma chamada de embedding e jogava-se fora justamente o sinal semântico. Agora o cosseno flui direto para o ranker fundido `SearchBlended`, então um fato achado só por paráfrase (zero overlap lexical) consegue rankear. ### Arquitetura ```text theme={"system"} ┌──────────────────┐ │ Query do usuário │ └────────┬─────────┘ │ Phase 3a: hipótese LLM → keywords expandidas ▼ ┌──────────────────────────┐ │ EmbeddingProvider.Embed │ (Voyage / OpenAI / Bedrock / Null) └────────┬─────────────────┘ │ vector float32 ▼ ┌──────────────────────────────────────┐ │ vindex.Index.Search(q, k, floor) │ cosine top-K, O(n log k), pure-Go └────────┬─────────────────────────────┘ │ []Hit{ID, Score} ← o score de cosseno é PRESERVADO ▼ ┌────────────────────────────────────────────────┐ │ FactIndex.SearchBlended(keywords, semantic, w) │ │ final = wSem·cosine + wLex·keyword │ │ + wTemp·recência (min-max normalizado) │ └────────┬───────────────────────────────────────┘ │ ▼ Facts ranqueados por relevância FUNDIDA ``` ### Ranking fundido (`SearchBlended`) Três sinais independentes e complementares, cada um **normalizado min-max** sobre o conjunto de candidatos antes da soma ponderada: | Sinal | Origem | Captura | | :----------- | :--------------------------------------------- | :----------------------------------------------- | | **semantic** | cosseno do vector store | sinonímia, paráfrase | | **lexical** | overlap de keyword/tag | termos exatos, identificadores, nomes de arquivo | | **temporal** | decaimento por recência × frequência de acesso | o que o usuário realmente usa | Pesos default (`DefaultRankWeights`): **semantic 0.55 · lexical 0.30 · temporal 0.15** — semantic-first, porque a chamada de embedding já foi paga. A fusão é **aditiva** (não multiplicativa) de propósito: um fato com cosseno alto e zero keyword **ainda rankeia** — um produto o zeraria. A normalização min-max é o que torna os pesos **provider-agnostic**: cosseno Voyage 1024-d e OpenAI 1536-d caem ambos em \[0,1] após normalizar. **Floor de cosseno** (`MinCosineScore`, default `0.25`): embeddings sobre texto normalizado são quase sempre fracamente positivos, então o antigo corte em `> 0` admitia ruído quase-ortogonal. O floor mantém só fatos genuinamente relacionados no top-K. ### Providers suportados ```bash theme={"system"} export CHATCLI_QUALITY_HYDE_ENABLED=true export CHATCLI_QUALITY_HYDE_USE_VECTORS=true export CHATCLI_EMBED_PROVIDER=voyage export VOYAGE_API_KEY=pa-... # Opcional: escolher modelo (default voyage-3, 1024-dim) export CHATCLI_EMBED_MODEL=voyage-3 ``` **Por quê Voyage:** é o provider **recomendado pela Anthropic** para workflows Claude, tem alta qualidade/\$ em retrieval, e o modelo default (`voyage-3`, 1024-dim) é o sweet spot geral. ```bash theme={"system"} export CHATCLI_QUALITY_HYDE_ENABLED=true export CHATCLI_QUALITY_HYDE_USE_VECTORS=true export CHATCLI_EMBED_PROVIDER=openai export OPENAI_API_KEY=sk-... # Opcional: escolher modelo e dimensão custom export CHATCLI_EMBED_MODEL=text-embedding-3-small export CHATCLI_EMBED_DIMENSIONS=512 # pode reduzir para economizar storage ``` **Modelos:** `text-embedding-3-small` (default, 1536-dim, \$0.02/1M tokens) ou `text-embedding-3-large` (3072-dim, melhor qualidade). A dimensão nativa é detectada automaticamente a partir do modelo — só sete `CHATCLI_EMBED_DIMENSIONS` se quiser **truncar** via Matryoshka (ex.: 512 para reduzir storage). ```bash theme={"system"} export CHATCLI_QUALITY_HYDE_ENABLED=true export CHATCLI_QUALITY_HYDE_USE_VECTORS=true export CHATCLI_EMBED_PROVIDER=bedrock # Reusa a credentials chain do chat client — sem nova API key. # Defina region/profile se ainda não estão no ambiente. export BEDROCK_REGION=us-east-1 export AWS_PROFILE=meu-profile # opcional # Opcional: escolher modelo export CHATCLI_EMBED_MODEL=amazon.titan-embed-text-v2:0 # default export CHATCLI_EMBED_DIMENSIONS=1024 # Titan v2: 256/512/1024 ``` **Por quê Bedrock:** mesma cadeia de credenciais AWS do chat — billing único, compliance AWS (CloudTrail, guardrails), VPC endpoints. Ideal pra empresas que já têm chat rodando via Bedrock e querem retrieval no mesmo perímetro. **Famílias suportadas:** | Model ID | Família | Dim suportadas | Batch nativo | | :--------------------------------------- | :---------------- | :------------- | :--------------------------------------- | | `amazon.titan-embed-text-v2:0` (default) | Titan v2 | 256, 512, 1024 | Não — paralelizado com pool de 8 workers | | `amazon.titan-embed-text-v1` | Titan v1 | 1536 (fixo) | Não — paralelizado | | `cohere.embed-english-v3` | Cohere v3 (en) | 1024 (fixo) | Sim — uma chamada por batch | | `cohere.embed-multilingual-v3` | Cohere v3 (multi) | 1024 (fixo) | Sim — uma chamada por batch | A dispatch entre Titan e Cohere é auto pelo prefixo do model id. `CHATCLI_EMBED_DIMENSIONS` só vale pra Titan v2 (256/512/1024); valores inválidos são rejeitados no `NewBedrock` antes de qualquer call AWS. **Sem cobertura no Converse API:** embeddings só estão em `InvokeModel`, então cada família mantém seu body schema dedicado — diferente do chat onde Converse cobre quase tudo. **Troca a quente via `/reload`:** mudar `CHATCLI_EMBED_PROVIDER` / `CHATCLI_EMBED_MODEL` / `CHATCLI_EMBED_DIMENSIONS` no `.env` e rodar `/reload` reconstrói o provider na hora — re-conectando o retrieval semântico do `/context --rag` e o vector index da memória, sem reiniciar o ChatCLI. O índice auto-migra se provider/dimensão mudarem. Veja [AWS Bedrock](/pt/features/bedrock) pra config completa da credentials chain (SSO, IAM role, proxy corporativo, VPC endpoint). Se `CHATCLI_EMBED_PROVIDER` não está setado, o `NullProvider` é retornado. `Embed()` retorna erro — o código chama `embedding.IsNull(p)` antes para desviar para keyword-only. **Zero surpresas, zero falhas silenciosas.** ### Vector store pure-Go — primitivo genérico `vindex` **Sem CGO, sem SQLite-vec, sem dependências externas.** Só `float32[]` + cosseno + persistência JSON em `~/.chatcli/memory/vector_index.json`. O índice cosseno vive num pacote **genérico e reutilizável**, `llm/embedding/vindex`, extraído quando um segundo consumidor (o [retrieval semântico de `/context`](/pt/features/persistent-context)) apareceu. O `memory` é só um **adapter fino** sobre ele — sem máquina vetorial duplicada por pacote: ```go theme={"system"} // llm/embedding/vindex — o primitivo único e agnóstico type Index struct { /* provider, dim, entries map[string][]float32, path */ } func (x *Index) Upsert(ctx, items map[string]string) error func (x *Index) Search(query []float32, k int, minScore float64) []Hit // top-K via min-heap func (x *Index) Prune(keep map[string]struct{}) // evita servir vetor obsoleto // cli/workspace/memory/vector_store.go — adapter de domínio "fact" type VectorIndex struct { idx *vindex.Index; provider embedding.Provider } type ScoredFact struct { ID string; Score float64 } ``` A seleção top-K usa um **min-heap O(n log k)** (não full-sort O(n log n)), então o custo escala com `k`, não com o tamanho do corpus — o teto de escala deixa de ser "centenas de facts". Para o caso típico do chatcli a busca linear completa em microssegundos; sem HNSW ou IVFFlat. ### Auto-migração de provider/dimensão Trocar de provider ou dimensão (Voyage 1024 → OpenAI 1536, ou voyage→cohere no mesmo 1024) **não exige mais `rm` manual**. No load, o índice detecta o mismatch — de **dimensão** (cosseno entre arities diferentes é indefinido) **ou de provider** (dois espaços de embedding distintos não são comparáveis, mesmo na mesma dimensão) — e **auto-limpa** o cache, removendo o arquivo para o backfill repopular: ```text theme={"system"} WARN vindex provider changed — auto-clearing for re-embed on_disk_provider=voyage provider=cohere WARN vindex dimension mismatch — auto-clearing for re-embed on_disk_dim=1024 provider_dim=1536 ``` O caso provider→provider no mesmo dim (ex.: voyage 1024 → cohere 1024) antes era **silenciosamente servido como lixo** — o cosseno entre espaços diferentes não tem sentido. Agora é detectado e re-embeddado. ### Lazy backfill Ao retrieve uma fact, se ela não tem vetor (fact pré-existe à ativação de embeddings), o index spawna goroutine **detached** para embedar as top-500 facts visíveis: ```go theme={"system"} // cli/workspace/memory/store.go:120 go func(items map[string]string) { //#nosec G118 -- detached on purpose if err := m.vectors.BackfillFacts(context.Background(), items); err != nil { m.logger.Warn("vector backfill failed", zap.Error(err)) } }(items) ``` O backfill é **bounded** e configurável: no máximo `Config.BackfillBatchMax` facts por retrieve (default 500). Com Voyage (\~$0.05/M tokens) isso custa cerca de US$ 0,001 num cold cache cheio. Em uma sessão normal, a maioria do index fica embeddado já na primeira interação. *** ## Avaliação — provando o retrieval (não supondo) Antes não havia como **medir** se o retrieval era bom. Agora há um harness de avaliação dependency-free em `cli/workspace/memory/eval` — métricas padrão de IR macro-averaged: | Métrica | O que mede | | :--------------- | :----------------------------------------------- | | **recall\@k** | fração dos facts relevantes recuperados no top-k | | **precision\@k** | fração do top-k que era relevante | | **MRR** | rank recíproco médio do primeiro acerto | | **nDCG\@k** | ganho cumulativo descontado normalizado | O A/B versionado (em `ranking_test.go`, com um provider de embedding determinístico) compara keyword-only vs. ranking fundido sobre queries que usam **sinônimos** ausentes do texto dos facts: ```text theme={"system"} baseline (keyword): recall@1=0.2857 MRR=0.2857 nDCG@1=0.2857 candidate (blended): recall@1=1.0000 MRR=1.0000 nDCG@1=1.0000 delta : recall@1=+0.7143 ``` O harness roda igual em CI (provider determinístico, reproduzível) ou contra um backend real — ele nunca importa um provider, então fica neutro entre os 14 suportados. É o que transforma "parece bom" em "é bom, medido", e guarda contra regressões. ### Tunables de ranking (sem novos env vars) Os parâmetros do ranking fundido vivem como campos de `Config` com defaults fortes — **não** foram criados novos env vars (e os `CHATCLI_MEMORY_*` que já existiam, antes ignorados no caminho estruturado, agora são aplicados via `ConfigFromEnv` + clamp): | Campo `Config` | Default | O que controla | | :----------------- | :------------------- | :------------------------------------ | | `RankWeights` | `{0.55, 0.30, 0.15}` | pesos semantic / lexical / temporal | | `MinCosineScore` | `0.25` | floor de cosseno no top-K | | `VectorTopK` | `12` | candidatos vetoriais por query | | `BackfillBatchMax` | `500` | teto de facts embeddados por retrieve | *** ## Configuração completa | Env var | Default | O que faz | | ----------------------------------- | ---------------- | ------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------ | | `CHATCLI_QUALITY_HYDE_ENABLED` | `false` | Master switch (phase 3a) | | `CHATCLI_QUALITY_HYDE_USE_VECTORS` | `false` | Liga phase 3b (requer provider) | | `CHATCLI_QUALITY_HYDE_NUM_KEYWORDS` | `5` | Cap de keywords da hipótese em phase 3a | | `CHATCLI_EMBED_PROVIDER` | — | `voyage` / `openai` / `bedrock` / `null` — **única fonte de verdade** para selecionar o provider | | `CHATCLI_EMBED_MODEL` | provider default | Voyage: `voyage-3`. OpenAI: `text-embedding-3-small` / `-large`. Bedrock: `amazon.titan-embed-text-v2:0` (default), `amazon.titan-embed-text-v1`, `cohere.embed-english-v3`, `cohere.embed-multilingual-v3`. | | `CHATCLI_EMBED_DIMENSIONS` | nativa do modelo | OpenAI: trunca via Matryoshka. Bedrock Titan v2: 256 / 512 / 1024 (rejeita outros). Bedrock Titan v1 / Cohere v3: dimensão fixa, ignorada. | | `BEDROCK_REGION` / `AWS_REGION` | `us-east-1` | Região AWS — só usado quando `CHATCLI_EMBED_PROVIDER=bedrock`. | | `AWS_PROFILE` | — | Profile AWS — só usado quando `CHATCLI_EMBED_PROVIDER=bedrock`. | *** ## `/config quality` expõe o estado ```text theme={"system"} ── RAG + HyDE (#4) CHATCLI_QUALITY_HYDE_ENABLED : enabled CHATCLI_QUALITY_HYDE_USE_VECTORS: enabled CHATCLI_EMBED_PROVIDER : bedrock CHATCLI_EMBED_MODEL : amazon.titan-embed-text-v2:0 CHATCLI_EMBED_DIMENSIONS : 1024 CHATCLI_QUALITY_HYDE_NUM_KEYWORDS: 5 Provedor de vetores : bedrock:amazon.titan-embed-text-v2:0 Entradas vetoriais : 127 ``` *** ## Integração com Reflexion HyDE amplifica o valor de Reflexion: as lições persistidas pela #3 são recuperadas com muito mais recall quando a próxima tarefa não usa exatamente as mesmas keywords. Workflow: Reflexion persiste lesson: `"use Edit tool for large files"`, tags `[go, refactor, edit-tool]`. Query não contém `refactor` ou `edit`. Keyword-only **perderia** a lesson. `"To split a Go package, identify logical groupings and use refactor patterns with Edit tool for surgical changes..."`
Keywords extraídas: `[split, package, refactor, edit, patterns, …]` Lesson aparece no system prompt. Coder escolhe `Edit` ao invés de `write` de primeira. *** ## Caveats e tuning **Token cost** de phase 3a: \~200 tokens por turn de retrieval. Em workflows com muitos turns de leitura, o custo acumula. Use `CHATCLI_QUALITY_HYDE_NUM_KEYWORDS=3` para budget mais apertado. **Privacy**: a query do usuário é enviada ao provider de embedding. Para workloads sensíveis em ambientes corporativos, **Bedrock é o caminho preferido** — fica dentro do perímetro AWS (CloudTrail, VPC endpoint, IAM). Para workloads locais sem rede, considere self-host (roadmap: provider Ollama-embedding). **Fallback gracioso**: se o LLM fail ou o provider embedding retornar erro, o retrieval cai para keyword-only silenciosamente. Nenhum turn é abortado por falha de HyDE. *** ## Leia também As lições que HyDE recupera com mais recall. A camada embaixo: como memory.Fact é populada e mantida. `/context attach` para contextos explícitos de arquivos. Todos os env e slashes.