A busca por palavras-chave encontra as palavras que você digitou. Isso funciona até o documento dizer rescisão e você ter procurado cancelamento, ou até uma política descrever a mesma obrigação de três jeitos diferentes. A busca semântica foi feita para essa lacuna: em vez de comparar caracteres, ela compara sentido, e uma pergunta com as suas próprias palavras pode chegar à passagem que a responde.
Como a busca semântica funciona no AuraDoc
Quando um documento é processado, o texto é dividido em trechos e cada trecho vira um embedding, uma representação numérica do assunto do trecho. Esses embeddings ficam armazenados em um índice vetorial. Ao buscar, a sua consulta vira um embedding da mesma forma e é comparada com os trechos armazenados, e os mais próximos voltam como resultado. O endpoint de busca da API devolve dez resultados por padrão e até cinquenta, ignora correspondências fracas abaixo de uma pontuação mínima e pode reordenar a lista curta para melhorar a ordem. Cada resultado traz um trecho da passagem com os termos encontrados destacados, para você avaliar o resultado sem abrir o arquivo.
A busca cobre o texto que a extração produziu, então arquivos escaneados entram depois de passar pelo pipeline de OCR. Se um documento ainda não tem texto, não há nada para o índice armazenar.
Palavras e sentido juntos
Nem sempre o sentido é o que você quer. Às vezes você precisa de um número de fatura exato ou da referência de uma cláusula, e uma correspondência puramente semântica pode se desviar. Para isso existe a busca híbrida, que combina a busca por palavras com a busca vetorial. Ela também é a rede de segurança: se não houver chave disponível para o provedor de embeddings, a busca não falha com um erro do provedor. Ela volta a comparar palavras, e a resposta traz um aviso explicando o motivo. A busca semântica em si precisa de um provedor de embeddings configurado, pela plataforma ou pela sua própria chave nas configurações. Quando não há nenhum, a resposta avisa em vez de devolver uma lista vazia sem explicação.
Refinar os resultados com filtros
Uma busca por sentido em uma biblioteca grande devolve muita coisa, por isso os filtros importam. Você pode restringir a busca a um único documento, ou limitar por tipo de arquivo, como PDF, Word, Excel, imagem ou texto, por data de envio, por nome do arquivo, por faixa de tamanho, por quem enviou e por status de processamento. Também dá para manter só os documentos com entidades extraídas, assinaturas ou dados pessoais detectados, e filtrar pela origem do arquivo, por exemplo uma pasta de nuvem sincronizada. Um campo à parte compara com as entidades que a IA encontrou no documento, útil para perguntas como quais contratos citam determinada empresa. Os resultados podem ser ordenados por relevância, mais recentes, mais antigos ou nome do arquivo.
Busca por exemplo
Você nem precisa de palavras se já tem um documento. A busca pode partir de um documento e devolver os mais parecidos com ele, a mesma ideia da aba de documentos semelhantes na página de um documento. No aplicativo web, a página de busca também aceita um link que parte de um documento específico, e assim você compartilha um ponto de partida com um colega. Para ir de um arquivo parecido até as diferenças exatas, veja Comparar dois documentos.
Buscas salvas e alertas
Uma pergunta que você faz toda semana não deveria ser digitada de novo. Salve uma busca com nome, consulta e filtros e execute de novo com uma ação. Uma busca salva também pode avisar sobre novos documentos, e o alerta pode disparar de imediato, todo dia ou toda semana. Isso transforma a busca em um monitoramento leve: uma busca salva por uma cláusula que você não quer perder, conferida conforme chegam arquivos das suas pastas de nuvem monitoradas.
Custo e permissões
Cada consulta é convertida em embedding pelo provedor, então o embedding conta na sua cota, e a plataforma verifica se a cota cobre antes de pagar por ele. O acesso pela API usa um escopo próprio de leitura de busca, e assim você dá a uma integração permissão para buscar sem dar mais que isso. Quando você quer respostas em vez de uma lista, experimente o chat com citações. Planos e limites estão na página de preços.