> ## Documentation Index > Fetch the complete documentation index at: https://docs.maketalk.ai/llms.txt > Use this file to discover all available pages before exploring further. # Pipeline de Conhecimento > Entenda o fluxo completo: de documentos à inteligência operacional ## Pipeline de Conhecimento da Make Talk Aqui explicamos o fluxo completo de como a Make Talk transforma documentos, dados e integrações em uma IA inteligente e operacional — ótimo para documentação ou onboarding. *** ## Fluxo completo: Do conhecimento à ação ### 1. Coleta de dados A primeira etapa é reunir todas as fontes de conhecimento: * **PDFs** - Manuais, políticas, documentação técnica * **Documentos** - Textos estruturados sobre produtos e serviços * **Textos enviados** - Conteúdo adicional fornecido pela empresa * **URLs** - Páginas do site para coleta automática * **Manuais** - Documentação operacional * **Políticas internas** - Regras e diretrizes da empresa O documento de treinamento sempre tem prioridade sobre informações coletadas do site, pois sites frequentemente têm informações desatualizadas. *** ### 2. Processamento e limpeza Os documentos são processados e preparados: * **Separação em trechos** - Documentos grandes são divididos em partes menores e relevantes * **Extração semântica** - Identificação de conceitos e relações * **Divisão inteligente** - Quebra em unidades que fazem sentido contextualmente * **Remoção de ruído** - Limpeza de formatação desnecessária Isso garante que a IA consiga encontrar informações relevantes rapidamente. *** ### 3. Vetorização (embeddings) Cada trecho de conhecimento é transformado: * **Representação numérica** - Texto convertido em vetores matemáticos * **Preservação de significado** - Trechos semelhantes ficam próximos no espaço vetorial * **Otimização para busca** - Estrutura que permite busca rápida e precisa Essa etapa é crucial para que a IA encontre informações relevantes mesmo quando a pergunta é formulada de forma diferente. *** ### 4. Armazenamento em base vetorial por cliente O conhecimento processado é armazenado: * **Base isolada** - Cada cliente/hotel/organização tem sua própria base * **Segurança** - Informações são isoladas e protegidas * **Personalização total** - Cada base é única e específica * **Escalabilidade** - Suporta grandes volumes de conhecimento **Base isolada, segura e personalizada por cliente** - Isso garante que informações de um cliente nunca sejam acessadas por outro e permite personalização completa. *** ### 5. Resgate inteligente (retrieval) Quando o cliente faz uma pergunta: * **Busca em tempo real** - A IA procura apenas os trechos relevantes * **Ranking por relevância** - Os trechos mais relevantes são priorizados * **Contexto completo** - Múltiplos trechos podem ser combinados para resposta completa * **Filtragem inteligente** - Remove informações irrelevantes ou desatualizadas Isso garante que a IA use apenas informações pertinentes para gerar a resposta. *** ### 6. Geração de resposta contextualizada Com os trechos relevantes em mãos: * **Síntese inteligente** - O modelo combina informações de múltiplas fontes * **Tom de voz** - Aplica o tom e estilo definidos para a marca * **Contexto da conversa** - Considera o histórico da conversa * **Resposta natural** - Gera texto fluido e humanizado A resposta é gerada **somente com base na sua documentação**, não inventada. *** ### 7. Ferramentas executam ações dinâmicas Além de responder, a IA pode executar ações: * **APIs** - Consultar sistemas externos em tempo real * **Cálculos** - Realizar operações matemáticas e lógicas * **Web scraping** - Buscar informações atualizadas de páginas web * **Consultas ao CRM** - Acessar histórico e dados do cliente * **Reservas** - Verificar disponibilidade e fazer reservas * **Preços** - Consultar tarifas e calcular valores * **Sistemas internos** - Integrar com infraestrutura do cliente Essas ações acontecem **em tempo real**, complementando o conhecimento estático do RAG. *** ### 8. Auditoria e logs Tudo fica registrado para: * **Segurança** - Rastreabilidade completa das ações * **Melhoria contínua** - Identificar pontos de melhoria * **Análise de desempenho** - Métricas de acurácia e satisfação * **Compliance** - Registro para conformidade regulatória * **Debugging** - Facilitar identificação e correção de problemas *** ## Diagrama do fluxo ``` ┌─────────────────┐ │ Coleta de │ │ Dados │ │ (PDFs, docs, │ │ URLs, textos) │ └────────┬────────┘ │ ▼ ┌─────────────────┐ │ Processamento │ │ e Limpeza │ │ (Separação, │ │ extração) │ └────────┬────────┘ │ ▼ ┌─────────────────┐ │ Vetorização │ │ (Embeddings) │ └────────┬────────┘ │ ▼ ┌─────────────────┐ │ Armazenamento │ │ (Base isolada │ │ por cliente) │ └────────┬────────┘ │ ▼ ┌─────────────────┐ ┌─────────────────┐ │ Pergunta do │─────▶│ Resgate │ │ Cliente │ │ Inteligente │ └─────────────────┘ └────────┬────────┘ │ ┌─────────────┴─────────────┐ │ │ ▼ ▼ ┌──────────────────┐ ┌──────────────────┐ │ RAG: Busca na │ │ Ferramentas: │ │ Base │ │ Dados em tempo │ │ (Conhecimento │ │ real, APIs, │ │ estático) │ │ cálculos │ └────────┬─────────┘ └────────┬─────────┘ │ │ └────────────┬───────────┘ │ ▼ ┌────────────────────┐ │ Geração de │ │ Resposta │ │ Contextualizada │ └──────────┬─────────┘ │ ▼ ┌────────────────────┐ │ Execução de │ │ Ações (se │ │ necessário) │ └──────────┬─────────┘ │ ▼ ┌────────────────────┐ │ Auditoria e │ │ Logs │ └────────────────────┘ ``` *** ## Exemplo prático completo **Cenário:** Cliente pergunta sobre disponibilidade e preço de um quarto de hotel. ### Passo a passo: 1. **Coleta** → Base contém informações sobre tipos de quartos, políticas, FAQs 2. **Processamento** → Informações foram organizadas e indexadas 3. **Vetorização** → Cada informação está em formato que permite busca rápida 4. **Armazenamento** → Base isolada do hotel está pronta 5. **Pergunta do cliente:** "Tem quarto deluxe disponível para 3 noites?" 6. **Resgate (RAG):** * Busca informações sobre "quarto deluxe" na base * Encontra descrição, características, políticas 7. **Ferramentas (Tempo real):** * Consulta sistema de reservas → Verifica disponibilidade * Consulta API de preços → Busca tarifas atualizadas * Calcula valor total → 3 noites × tarifa + taxas * Verifica promoções → Aplica descontos vigentes 8. **Geração de resposta:** * Combina informações da base (RAG) + dados em tempo real (Ferramentas) * Aplica tom de voz da marca * Gera resposta natural e completa 9. **Ação (opcional):** * Se cliente confirmar, pode registrar reserva no sistema * Criar lead no CRM * Enviar confirmação por email 10. **Auditoria:** * Tudo é registrado nos logs * Métricas são atualizadas * Dados disponíveis para análise *** ## Por que esse pipeline é importante? ### Vantagens * **Precisão** - Combina conhecimento estático com dados dinâmicos * **Atualização** - Informações sempre atualizadas via ferramentas * **Segurança** - Base isolada por cliente * **Rastreabilidade** - Tudo é auditado * **Escalabilidade** - Suporta grandes volumes * **Personalização** - Cada cliente tem sua própria base ### Resultado Uma IA que: * ✅ Responde com base no conhecimento real da empresa * ✅ Acessa dados atualizados em tempo real * ✅ Executa ações operacionais * ✅ Não inventa informações * ✅ Aprende e melhora continuamente *** ## Próximos passos Entenda a base de conhecimento. Veja como a IA vai além do RAG. Visão completa da tecnologia. Boas práticas para sua base.