SaaS / RAG System Em Produção

Sistema RAG para Suporte Técnico.

Assistente inteligente de áudio e som com busca vetorial no Firestore e Google Vertex AI

// overview

Sobre Este Projeto

Implementação de Chatbot Inteligente com RAG

Este projeto consistiu no desenvolvimento e integração de um assistente inteligente de troubleshooting para o curso de Áudio e Som. O sistema utiliza a técnica de RAG (Retrieval-Augmented Generation) para consultar dinamicamente a base de conhecimento do curso e fornecer respostas precisas aos alunos.

🚀 Visão Geral

O objetivo principal foi transformar PDFs técnicos extensos em uma base de consulta ágil, permitindo que os alunos tirem dúvidas específicas sobre equipamentos, técnicas de som e troubleshooting sem precisar folhear centenas de páginas.

🛠️ Arquitetura Técnica

O sistema foi construído sobre uma infraestrutura moderna e escalável:

  • Frontend: Widget de chat desenvolvido em Astro e JavaScript puro, integrado ao dashboard do usuário.
  • Backend: Cloud Functions (Firebase) atuando como API para orquestração do pipeline de IA.
  • Processamento de Documentos: Utilização de LangChain para extração de texto, divisão em chunks (fragmentos) e gerenciamento de metadados.
  • Busca Vetorial: Armazenamento de embeddings no Firestore (Vector DB) para busca por similaridade de cosseno.
  • Provedor de IA: Integração com Google Vertex AI (Gemini 1.5 Flash) para geração de respostas e embeddings via modelos textembedding-gecko.

✨ Destaques da Implementação

  • Sincronização Automática: Script que monitora o Firebase Storage e atualiza a base vetorial sempre que novos materiais são enviados.
  • Citação de Fontes: O chatbot identifica e referencia exatamente de qual documento e página a informação foi extraída.
  • Memória de Curto Prazo: Gerenciamento de histórico de conversas para manter o contexto durante o diálogo.
  • Otimização de Custos: Implementação focada no uso do nível gratuito do Vertex AI, garantindo viabilidade econômica sem perda de performance.

📊 Resultados e Valor de Negócio

A implementação do sistema RAG trouxe uma redução significativa na carga de suporte técnico humano, fornecendo respostas instantâneas 24/7. Além disso, a capacidade de realizar buscas semânticas em materiais complexos elevou a experiência de aprendizado dos alunos, agregando valor tecnológico direto ao produto educacional.

Cronograma

Nov 2025 — Fev 2026

Duração

4 meses

Colaboradores

1 Engenheiro (Celso)

Commits

86

4.5K
LOC
34
Arquivos
18
Componentes
6
API Endpoints
8
Tabelas DB
12
Testes
// stack

Tecnologias Utilizadas

Linguagens
TypeScript 60%
Astro 25%
CSS 15%
Frameworks
Astro v4.8 Frontend
Node.js v20.x Backend Runtime
Bibliotecas & Ferramentas
LangChain RAG processing & document splitting
Firebase SDK Authentication & Database
Bancos de Dados
Firestore NoSQL & Vector Database
Firebase Storage File Storage
Infraestrutura
Firebase Hosting Frontend deployment
Cloud Functions Serverless backend API
Integrações de APIs & Serviços
Google Vertex AI Gemini 1.5 Flash & Gecko Embeddings
// features

Funcionalidades Principais

Busca Vetorial no Firestore

High

Armazenamento e busca semântica de embeddings gerados pelo Vertex AI diretamente no banco de dados nativo do Firebase.

Firestore Vertex AI

Citação e Referência de Fontes

Medium

Algoritmo de mapeamento que extrai metadados do PDF original e aponta a página e documento exatos da resposta.

LangChain Node.js

Sincronização Automatizada via Storage

High

Gatilho serverless em Cloud Functions que processa PDFs recém-enviados ao Cloud Storage e atualiza a base vetorial.

Cloud Functions Firebase
// highlights

Destaques Técnicos

Engenharia de IA

Otimização de Contexto e Custos

Redução de 60% no consumo de tokens ao otimizar o tamanho dos chunks no LangChain e estruturar prompts de sistema eficientes.

Banco de Dados

Busca por Cosseno Vetorial Nativa

Configuração de índices de vetor nativos no Firestore para buscas semânticas em milissegundos com escala automática.

// architecture

Arquitetura do Sistema

Padrão Arquitetural

Arquitetura Serverless RAG

Pipeline serverless baseado em Cloud Functions para ingestão e consulta. O widget Astro se comunica via HTTPS com o backend, que realiza a busca semântica no Firestore e faz a geração contextualizada com o Vertex AI.

Camadas de Sistema
01 Widget do Chat (Astro / Vanilla JS)
02 Cloud Functions (API Gateway & Orquestração)
03 Firestore Vector Store (Base de Conhecimento)
04 Google Vertex AI API (Gemini 1.5 Flash)
// contato

Vamos conversar sobre este projeto.

Tem interesse nas decisões técnicas por trás deste sistema ou busca competência semelhante para o seu produto? Vamos nos conectar.