> ## Documentation Index > Fetch the complete documentation index at: https://docs.strattum.ai/llms.txt > Use this file to discover all available pages before exploring further. # Escolher o modelo de IA de cada função > Guia de configuração: em que tarefas a Strattum usa IA, qual faixa de modelo cada função pede e por quê, e onde aplicar e conferir cada escolha no console. Este guia mostra em que tarefas a Strattum usa IA, qual faixa de modelo cada uma pede e por quê. ## Onde a Strattum usa IA A plataforma chama um modelo de IA em funções internas e no Strattum Chat. Cada função tem um campo próprio na tela **Modelos de IA**, e cada uma pode usar um modelo diferente. Elas trabalham em ritmos diferentes: algumas rodam só quando alguém pede, outras rodam a cada pergunta dos agentes de IA da sua empresa, como o Strattum Chat ou um assistente conectado pelo MCP Server. Esse ritmo é o que mais pesa na escolha do modelo. ``` Clean → Memory e Knowledge → Perguntas └── Preparação dos dados ──┘ └─ Uso no dia a dia ─┘ ``` | Etapa | Onde a IA entra | | - | - | | Clean | O Generativo e o Agente de clean sugerem e corrigem o SQL das tabelas. O Generativo também enriquece os dados nos pipelines. | | Memory e Knowledge | O Agente de ontologia propõe o grafo. Os modelos de embedding transformam entidades e documentos em vetores para a busca. | | Perguntas | O Classificador monta o contexto de cada pergunta dos agentes, e o Generativo planeja o contexto do Memory. No Strattum Chat, responde o modelo do catálogo. | ## O que diferencia um modelo do outro Cada provedor oferece modelos de tamanhos diferentes. Para as funções da Strattum, três características decidem a escolha. > **Raciocínio** > > Antes de responder, o modelo pensa em etapas: planeja, confere cada resultado e corrige o rumo. Isso pesa quando o modelo age em várias etapas, como o Agente de ontologia: cada ação depende da anterior, porque o modelo decide o que consultar, lê o resultado e escolhe o próximo passo. Um erro no começo contamina o resto, e os modelos maiores sustentam planos longos com menos erros. > **Velocidade** > > Os modelos menores respondem em uma fração do tempo. Isso pesa quando a função roda a cada pergunta ou a cada linha de uma tabela, porque o tempo de cada chamada se soma ao tempo da resposta. > **Chamada de ferramentas** > > O Agente de ontologia, o Agente de clean e o modelo do chat pedem dados no meio da conversa: leem o catálogo, consultam uma tabela. Para isso, o modelo precisa chamar ferramentas (function calling). Nos dois agentes do console, um modelo que não chama ferramentas não funciona, e o console avisa. Os modelos de embedding são de outro tipo: transformam texto em vetores para a busca por semelhança. Para eles conta a qualidade da busca, e você precisa escolher o modelo antes de indexar o conteúdo. ### As três faixas | Faixa | Para que serve | Anthropic | OpenAI | Google Gemini | | - | - | - | - | - | | Econômico | Tarefas curtas e repetidas, com resposta fechada, como classificar uma pergunta. É o mais rápido. | `claude-haiku-5-5` | `gpt-6-luna` | `gemini-3.1-flash-lite` | | Intermediário | Trabalho que pede julgamento: escrever SQL, responder perguntas, usar ferramentas. Equilibra qualidade e tempo de resposta. | `claude-sonnet-5-5` | `gpt-6.1-sol` | `gemini-3.8-flash` | | Superior | Modelos de fronteira, para problemas de muitas etapas em que um erro custa caro, como modelar a ontologia. É o mais lento. | `claude-opus-5-5` | `gpt-6-astra` | `gemini-4-argon` | Nomes de outubro de 2026. No seletor do console, o nome aparece com o prefixo do provedor, como `openai/gpt-6.1-sol`. No OpenRouter e no Amazon Bedrock, procure o mesmo modelo pelo nome: o identificador muda de formato. ## A faixa de cada função Use esta tabela como ponto de partida. Os motivos e os modelos estão na Parte 1. Confirme a escolha com perguntas reais da sua empresa. | Função | Quando roda | Faixa inicial | Passo | | - | - | - | - | | Generativo | Linha a linha no enriquecimento dos pipelines, no contexto do Memory e quando alguém pede | Intermediário | 1.1 | | Classificador | A cada pergunta dos agentes | Econômico | 1.2 | | Agente de ontologia | Quando alguém usa o assistente de ontologia | Superior | 1.3 | | Agente de clean | Quando alguém usa o Assistente IA do editor de clean | Intermediário | 1.4 | | Embeddings · Knowledge (RAG) | Na indexação e em cada busca | `gemini-embedding-2` ou `text-embedding-3-large` | 1.5 | | Embeddings · Memory | Na indexação e em cada busca de entidades | O mesmo do Knowledge, ou `text-embedding-3-small` | 1.6 | | Strattum Chat | A cada mensagem dos usuários | Intermediário, Superior | 1.7 | No Strattum Chat, o Intermediário é o modelo padrão, e o Superior entra como opção para análises longas. ## O que você vai fazer São três partes. As duas primeiras explicam a escolha do modelo e das chaves. A terceira mostra onde aplicar e conferir cada escolha no console. > **Parte 1 · O modelo de cada função** > > 1.1 Generativo\\ > > 1.2 Classificador\\ > > 1.3 Agente de ontologia\\ > > 1.4 Agente de clean\\ > > 1.5 Embeddings do Knowledge\\ > > 1.6 Embeddings do Memory\\ > > 1.7 Modelos do Strattum Chat > **Parte 2 · Provedores e chaves** > > 2.1 Conferir o que cada provedor oferece\\ > > 2.2 Escolher a combinação de chaves > **Parte 3 · No console** > > 3.1 Escolher o modelo no seletor\\ > > 3.2 Validar as funções e testar os agentes\\ > > 3.3 Conferir os embeddings antes de indexar\\ > > 3.4 Montar o catálogo do chat\\ > > 3.5 Salvar e acompanhar o uso > [!WARNING] > > **Segurança.** Crie uma chave de API só para a Strattum, na conta da sua empresa no provedor. Assim você acompanha o consumo da plataforma em separado e pode revogar a chave sem afetar outros sistemas. Digite a chave direto no console e não envie por e-mail, chat ou chamado. > **[AI & Data Use](https://docs.strattum.ai/trust/ai-data-use.md)** > > Como a Strattum trata dados e modelos de IA: retenção nos provedores, uso para treino e os controles que a sua empresa tem. ## Antes de começar Separe estes itens antes de abrir a tela **Modelos de IA**. A última coluna indica o passo em que cada um é usado. | O que você precisa | Onde conseguir | Passo | | - | - | - | | Acesso de administrador ao console da Strattum | [Guia de configuração de SSO e modelos de IA](https://docs.strattum.ai/getting-started/sso-and-models.md) | 3.1 | | Chave de API de um provedor de chat: Anthropic, OpenAI ou Google Gemini | Console do provedor, na conta da sua empresa | 2.2 | | Chave de API da OpenAI, para os embeddings do Memory | Console da OpenAI, na conta da sua empresa | 1.6 | | Lista dos modelos liberados na conta da sua empresa | Administrador da conta no provedor | 3.1 | > [!NOTE] > > Se a sua empresa usa só a OpenAI, uma chave atende todas as funções. *** ## Parte 1 · O modelo de cada função Para cada função, o passo diz o que ela faz, quando roda, e a faixa recomendada. A Figura 1 mostra a tela com as faixas deste guia, numa conta da OpenAI. **Onde:** Configurações › Instalação › Modelos de IA ![Tela Modelos de IA, seção Modelos da plataforma, com o Generativo em gpt-6.1-sol, o Classificador em gpt-6-luna, o Agente de ontologia em gpt-6-astra e o Agente de clean em gpt-6.1-sol](https://mintcdn.com/strattumai/09Jh5eSHsK_uEBGp/images/guides/ai-models/01-modelos-plataforma.webp?fit=max\&auto=format\&n=09Jh5eSHsK_uEBGp\&q=85\&s=ff2f09cede663e2afe72f487130d5452) Figura 1. Modelos da plataforma com as faixas deste guia, numa conta da OpenAI: Generativo ①, Classificador ②, Agente de ontologia ③ e Agente de clean ④. ### 1.1 Escolha o modelo do Generativo **Onde:** Modelos da plataforma › Generativo · ① **Faixa recomendada:** Intermediário\ **Modelos:** Anthropic `claude-sonnet-5-5` · OpenAI `gpt-6.1-sol` · Google Gemini `gemini-3.8-flash` **O que faz.** É o modelo principal da plataforma. Sugere e corrige transformações, inclusive o SQL que falhou, enriquece dados nos pipelines, planeja o contexto do Memory e responde no chat de Skills. **Quando roda.** Em dois ritmos. Sob demanda, quando alguém pede uma correção de SQL ou pergunta no chat de Skills. E em volume: no enriquecimento dos pipelines, como as colunas geradas por IA, que chamam o modelo para cada linha da tabela, e no planejamento de contexto do Memory, quando os agentes consultam as entidades. **Por que o Intermediário.** A descrição no console sugere o modelo mais capaz. Essa é a escolha certa quando o uso é quase todo sob demanda. Como o Generativo também roda em volume, cada segundo a mais se repete em toda pergunta e em toda linha. Os modelos do Intermediário escrevem e corrigem SQL bem e respondem mais rápido, o melhor equilíbrio para uma função que faz as duas coisas. ### 1.2 Escolha o modelo do Classificador **Onde:** Modelos da plataforma › Classificador · ② **Faixa recomendada:** Econômico\ **Modelos:** Anthropic `claude-haiku-5-5` · OpenAI `gpt-6-luna` · Google Gemini `gemini-3.1-flash-lite` **O que faz.** Atua na montagem de contexto para os agentes: classifica a intenção da pergunta, reescreve consultas curtas ou ambíguas e sugere termos novos para o glossário. **Quando roda.** A cada montagem de contexto, ou seja, em toda pergunta que um agente faz à Strattum pelo MCP Server. **Por que o Econômico.** A tarefa é curta e tem resposta fechada. O tempo do Classificador entra no tempo de toda resposta dos agentes, então velocidade conta mais que profundidade. É para esse uso que os provedores oferecem essa faixa: a Anthropic indica o Haiku para classificação, extração e roteamento, e a OpenAI indica o Luna para tarefas focadas e de alto volume. ### 1.3 Escolha o modelo do Agente de ontologia **Onde:** Modelos da plataforma › Agente de ontologia · ③ **Faixa recomendada:** Superior\ **Modelos:** Anthropic `claude-opus-5-5` · OpenAI `gpt-6-astra` · Google Gemini `gemini-4-argon` **O que faz.** Conduz a conversa do assistente de ontologia: lê o catálogo, propõe o mapeamento do grafo e prepara as alterações para você aprovar. **Quando roda.** Só quando alguém da sua equipe usa o assistente, em geral na implantação e quando o modelo de dados da empresa muda. **Por que o Superior.** Modelar a ontologia é um problema de muitas etapas: entender as tabelas, decidir quais entidades existem, ligar as relações e escrever um YAML válido. Cada decisão depende da anterior, e é nesse tipo de tarefa que o raciocínio do Superior faz diferença. Um erro aqui não gera mensagem: uma relação errada entra no grafo e aparece em toda resposta que usa aquela entidade. Como o agente roda pouco, o tempo maior de resposta quase não pesa. O agente lê o catálogo e propõe alterações por meio de ferramentas. Confira com **Testar com o agente** no passo 3.2. ### 1.4 Escolha o modelo do Agente de clean **Onde:** Modelos da plataforma › Agente de clean · ④ **Faixa recomendada:** Intermediário\ **Modelos:** Anthropic `claude-sonnet-5-5` · OpenAI `gpt-6.1-sol` · Google Gemini `gemini-3.8-flash` **O que faz.** Conduz o Assistente IA do editor de clean: lê o catálogo, consulta as tabelas e propõe o SQL da transformação para você aceitar. **Quando roda.** Quando alguém usa o Assistente IA no editor de clean. **Por que o Intermediário.** Escrever SQL consultando as tabelas é o ponto forte dessa faixa, e os modelos do Intermediário chamam ferramentas bem e rápido. O SQL proposto passa pela sua revisão e pela prévia antes de salvar, então um erro aparece logo e não chega aos agentes. ### 1.5 Escolha o embedding do Knowledge antes de indexar **Onde:** Modelos da plataforma › Embeddings · Knowledge (RAG) · Figura 3, ③ **Modelo recomendado:** `gemini-embedding-2` ou `text-embedding-3-large` **O que faz.** Transforma documentos e trechos em vetores na ingestão, e as perguntas em vetores na busca semântica do Knowledge. **Quando roda.** Na indexação de cada documento e em cada busca. **Qual escolher.** Aqui não há faixas: a qualidade do vetor decide se a busca acha o trecho certo. Com chave do Google Gemini, use o `gemini-embedding-2`, que é o padrão do console. Sem o Google, use o `text-embedding-3-large`, da OpenAI. Ele busca melhor que o `text-embedding-3-small` em textos fora do inglês: nos resultados que a OpenAI publicou para o MIRACL, um teste de busca em 18 idiomas, o 3-large marca 54,9, contra 44,0 do 3-small. > [!WARNING] > > Escolha antes de indexar o primeiro documento. Com conteúdo indexado, o console mostra o campo como fixo, com o aviso **Campo fixo**. Para trocar o modelo depois, fale com o FDE da Strattum: a troca exige reindexar todo o conteúdo do Knowledge. ### 1.6 Confira o embedding do Memory **Onde:** Modelos da plataforma › Embeddings · Memory · Figura 3, ④ e ⑥ **Modelo recomendado:** o mesmo do Knowledge, ou `text-embedding-3-small` **O que faz.** Vetoriza as entidades do Memory Graph para a busca por semelhança. **Quando roda.** Quando entidades entram ou mudam no Memory e em cada busca de entidades. **Qual escolher.** Hoje o Memory só aceita modelos de embedding da OpenAI. | Embedding do Knowledge | O que fazer no Memory | | - | - | | Modelo da OpenAI | Deixe desmarcada a opção **Usar um modelo de embedding diferente para o Memory Graph**. O Memory usa o mesmo modelo do Knowledge, e há um modelo a menos para acompanhar. | | `gemini-embedding-2` | O console pede um modelo da OpenAI para o Memory. Use o `text-embedding-3-small`: as entidades são textos curtos, como nome, e-mail e atributos, e para eles o 3-small atende, com vetores de metade do tamanho do 3-large. | > [!WARNING] > > Trocar este modelo exige reindexar todas as entidades do Memory Graph. Defina o modelo antes de aplicar a ontologia. ### 1.7 Escolha os modelos do Strattum Chat **Onde:** Modelos de IA › Modelos do Strattum Chat · Figura 4 **Faixa recomendada:** Intermediário como padrão, Superior como opção **O que é.** O catálogo de modelos que os usuários escolhem no seletor do chat. Ele é opcional: monte o catálogo se a sua empresa vai usar o Strattum Chat. É independente das funções da plataforma e pode misturar provedores. **Quando roda.** A cada mensagem dos usuários. No chat, o modelo decide quais dados buscar, chama as ferramentas da Strattum e junta o resultado numa resposta. **Por que o Intermediário como padrão.** Ele faz bem esse ciclo de buscar, conferir e responder, e responde rápido o bastante para uma conversa. É o que a maioria das perguntas do dia a dia pede. **O Superior como opção.** Inclua um modelo do Superior para análises com várias fontes e etapas, com uma descrição que avise que ele demora mais. Assim o usuário escolhe quando precisa dele. | Entrada do catálogo | Faixa | Nome de exibição | Descrição | | - | - | - | - | | Padrão e títulos | Intermediário | Uso geral | Perguntas do dia a dia sobre os dados da empresa. | | Opcional | Superior | Análises longas | Análises com várias fontes e etapas. Mais lento. | Os nomes e as descrições são exemplos. São os mesmos da Figura 4. **Modelo que gera títulos.** O console sugere um modelo rápido e barato. Esse modelo precisa estar no catálogo, então aparece no seletor para os usuários. Use o próprio modelo padrão: o título é uma chamada curta por conversa. Se mesmo assim preferir um Econômico, use a descrição para avisar que ele é para perguntas simples. > [!TIP] > > **Parte 1 concluída.** Você tem o modelo de cada função. A Parte 2 mostra quais chaves de provedor você precisa para usar esses modelos. *** ## Parte 2 · Provedores e chaves Cada modelo usa a chave do provedor indicado no prefixo do nome. Você pode combinar provedores entre as funções, mas cada provedor a mais é uma chave e uma conta a mais para acompanhar. **Onde:** Modelos de IA › Provedores ### 2.1 Confira o que cada provedor oferece | Provedor | Modelos de chat | Embeddings | O que considerar | | - | - | - | - | | Anthropic | Claude: Haiku, Sonnet e Opus | Não tem | Precisa de outro provedor para os embeddings. | | OpenAI | GPT: Luna, Sol e Astra | `text-embedding-3-small` e `text-embedding-3-large` | Os embeddings do Memory hoje só aceitam modelos da OpenAI. | | Google Gemini | Gemini: Flash-Lite, Flash e Argon | `gemini-embedding-2`, padrão do Knowledge | O Memory ainda não usa o `gemini-embedding-2`. | | OpenRouter | Modelos de vários fabricantes com uma chave só | Tem | Procure o modelo pelo nome: o identificador muda de formato. | | Amazon Bedrock | Modelos de vários fabricantes, como o Claude, na conta AWS da sua empresa | Tem | Pede a região AWS. Confira quais modelos estão liberados nela. | | Amazon Bedrock Mantle | Modelos de chat | Não tem | Precisa de outro provedor para os embeddings. | ### 2.2 Escolha a combinação de chaves Para a configuração completa, você precisa de um provedor para as funções de chat e da OpenAI para o Memory. Estas são as combinações com menos peças: | Combinação | Funções de chat e agentes | Embeddings do Knowledge | Embeddings do Memory | | - | - | - | - | | Só OpenAI | `gpt-6-luna`, `gpt-6.1-sol` e `gpt-6-astra` | `text-embedding-3-large` | O mesmo do Knowledge | | Anthropic e OpenAI | `claude-haiku-5-5`, `claude-sonnet-5-5` e `claude-opus-5-5` | `text-embedding-3-large` | O mesmo do Knowledge | | Google Gemini e OpenAI | `gemini-3.1-flash-lite`, `gemini-3.8-flash` e `gemini-4-argon` | `gemini-embedding-2` | `text-embedding-3-small` | **Qual combinação.** Comece pelo provedor com que a sua empresa já tem contrato e aprovação de segurança: as três famílias têm modelos nas três faixas. Só OpenAI é a configuração mais simples, com uma chave, uma conta e um modelo de embedding para os dois índices. As outras duas fazem sentido quando a sua empresa já usa Claude ou Gemini, e a OpenAI entra para os embeddings. > [!TIP] > > **Parte 2 concluída.** Você sabe quais chaves cadastrar. O cadastro em si está no [guia de SSO e modelos de IA](https://docs.strattum.ai/getting-started/sso-and-models.md), no passo da chave do provedor. *** ## Parte 3 · No console Com as chaves cadastradas, você aplica as escolhas das Partes 1 e 2 na tela **Modelos de IA** e confere se cada modelo responde. **Onde:** Configurações › Instalação › Modelos de IA ### 3.1 Escolha o modelo no seletor **Onde:** Modelos da plataforma › Seletor da função 1. Clique no seletor da função. 2. No campo de busca ①, digite parte do nome do modelo, como `gpt-6`, `sonnet` ou `gemini`. 3. Escolha o modelo em **Todos os modelos do provedor** ②. A lista mostra os modelos que a chave da sua empresa alcança. 4. Para um modelo que não está na lista, digite o identificador completo, com o prefixo do provedor, como `openai/nome-do-modelo`, e clique em **Usar** ③. O console confere o nome com uma chamada real ao provedor. 5. Repita nas outras funções, com a faixa da Parte 1. ![Seletor do Generativo aberto, com a busca gpt-6, a lista Todos os modelos do provedor e a opção Usar gpt-6](https://mintcdn.com/strattumai/09Jh5eSHsK_uEBGp/images/guides/ai-models/02-seletor.webp?fit=max\&auto=format\&n=09Jh5eSHsK_uEBGp\&q=85\&s=dd5b8275a2f8eed16e4f47604426f0f5) Figura 2. Seletor do Generativo aberto: busca ①, modelos que a chave da OpenAI alcança ② e opção para usar um nome fora da lista ③. ### 3.2 Valide as funções e teste os agentes **Onde:** Modelos da plataforma · Figura 3 1. Em cada função com o selo **Chat**, ou seja, todas menos os embeddings, clique em **Validar com uma chamada mínima** ①. O console chama o modelo e mostra o resultado, como **Plataforma: o modelo respondeu.** 2. No Agente de ontologia e no Agente de clean, clique também em **Testar com o agente** ②. O teste faz uma chamada curta pelo mesmo caminho do agente e exige que o modelo chame uma ferramenta. O resultado esperado começa com **O agente chamou a ferramenta**, com o nome do modelo e o tempo da resposta. 3. Se aparecer o selo **Não chama ferramentas** ao lado do modelo de um agente, troque por outro modelo da mesma faixa e teste de novo. ![Agente de ontologia e Agente de clean com os botões Validar com uma chamada mínima e Testar com o agente, e os campos de embedding do Knowledge e do Memory](https://mintcdn.com/strattumai/09Jh5eSHsK_uEBGp/images/guides/ai-models/03-agentes-embeddings.webp?fit=max\&auto=format\&n=09Jh5eSHsK_uEBGp\&q=85\&s=56739a1a626800fde2027e84fe2d05d8) Figura 3. Agentes e embeddings: Validar com uma chamada mínima ① e Testar com o agente ② no Agente de ontologia, embedding do Knowledge com campo fixo ③, embedding do Memory com Validar embedding ④, aviso de reindexação ⑤ e opção de modelo separado para o Memory ⑥. > [!NOTE] > > O teste do agente usa a chave já salva do provedor. Se a chave é nova, salve a configuração antes de testar (passo 3.5), lembrando que o console só salva com um modelo em cada função. Quando um agente fica sem modelo que chame ferramentas, o console pode sugerir um. A sugestão é o modelo mais barato que chama ferramentas entre os provedores configurados: no Agente de ontologia, prefira um do Superior e, no Agente de clean, um do Intermediário. ### 3.3 Confira os embeddings antes de indexar **Onde:** Modelos da plataforma › Embeddings · Figura 3 1. Em **Embeddings · Knowledge (RAG)** ③, confira o modelo (passo 1.5). Com conteúdo indexado, o campo aparece fixo, com um cadeado. 2. Em **Embeddings · Memory** ④, confira ou escolha o modelo (passo 1.6) e clique em **Validar embedding**. O resultado esperado diz que o modelo respondeu com um vetor e o número de dimensões dele. 3. Antes de trocar um modelo de embedding, leia o aviso de reindexação ⑤. 4. Com o Knowledge no `gemini-embedding-2`, a opção **Usar um modelo de embedding diferente para o Memory Graph** ⑥ vem marcada, e o console pede um modelo da OpenAI para o Memory. ### 3.4 Monte o catálogo do chat **Onde:** Modelos de IA › Modelos do Strattum Chat 1. Em **Adicionar modelos ao catálogo** ①, busque e adicione o modelo do Intermediário. 2. Preencha o **Nome de exibição** e a **Descrição** ②, como na tabela do passo 1.7. 3. Se quiser, adicione um modelo do Superior ③, com uma descrição que avise que ele demora mais. 4. Clique em **Testar o catálogo** ④. O console envia uma chamada mínima para cada modelo e confere nomes e funções. 5. Em **Modelo padrão** ⑤, escolha o modelo do Intermediário. 6. Em **Modelo que gera títulos** ⑥, escolha o mesmo modelo padrão. ![Modelos do Strattum Chat com Uso geral em gpt-6.1-sol como padrão e gerador de títulos, e Análises longas em gpt-6-astra](https://mintcdn.com/strattumai/09Jh5eSHsK_uEBGp/images/guides/ai-models/04-strattum-chat.webp?fit=max\&auto=format\&n=09Jh5eSHsK_uEBGp\&q=85\&s=e152121889581e1fe40c989fffcd200a) Figura 4. Modelos do Strattum Chat: Adicionar modelos ao catálogo ①, entrada do Intermediário, com nome de exibição e descrição, marcada como padrão e gerador de títulos ②, entrada do Superior como opção ③, Testar o catálogo ④, Modelo padrão ⑤ e Modelo que gera títulos ⑥. ### 3.5 Salve e acompanhe o uso **Onde:** Modelos de IA · Observability › Agent Traces 1. Na página **Modelos de IA**, clique em **Salvar configuração**, no canto superior direito. Cuidado com o botão vermelho **Remover configuração**, ao lado. 2. Depois de alguns dias de uso, abra **Observability** no menu lateral e a aba **Agent Traces** ①. 3. Confira o resumo do período ②: conversas, tokens e turnos com erro. 4. Na coluna **Agente · Modelo** ③, confira se as conversas novas usam o modelo escolhido. 5. Abra uma conversa para ver os turnos e os tokens de entrada e saída de cada turno ④. ![Observability, aba Agent Traces, com o resumo de conversas, tokens e turnos com erro, a coluna Agente · Modelo e o detalhe de uma conversa](https://mintcdn.com/strattumai/09Jh5eSHsK_uEBGp/images/guides/ai-models/05-agent-traces.webp?fit=max\&auto=format\&n=09Jh5eSHsK_uEBGp\&q=85\&s=017bc3b9ee0ef85088c22e96869f9c5c) Figura 5. Observability, aba Agent Traces ①: resumo do período ②, modelo de cada conversa ③ e detalhe de uma conversa, com turnos e tokens ④. Os dados são de um ambiente de demonstração. Turnos com erro acima de zero no Agent Traces, ou usuários reclamando de respostas lentas, são o sinal para rever a faixa de uma função. > [!TIP] > > **Parte 3 concluída.** Os modelos estão salvos e validados, e o Agent Traces mostra qual modelo respondeu cada conversa. *** ## Como confirmar que deu certo * A validação de cada função com o selo **Chat** mostra que o modelo respondeu. * No Agente de ontologia e no Agente de clean, **Testar com o agente** mostra que o agente chamou a ferramenta com o modelo escolhido. * **Validar embedding** mostra o vetor com o número de dimensões. * Se você montou o catálogo do chat, **Testar o catálogo** termina sem erro, e o chat tem um modelo padrão e um modelo que gera títulos. * A página **Modelos de IA** mostra o selo **Configurado** ao lado do título. * No **Agent Traces**, as conversas novas mostram o modelo escolhido na coluna **Agente · Modelo**. ## Se algo não funcionar | Sintoma | O que conferir | | - | - | | Selo **Não chama ferramentas** no modelo de um agente | O agente depende de ferramentas para ler o catálogo e propor alterações. Escolha outro modelo da mesma faixa e use **Testar com o agente**. | | **Testar com o agente** diz que o modelo "respondeu, mas não chamou a ferramenta" | O agente não vai funcionar com esse modelo. Troque por outro da faixa recomendada e teste de novo. | | "O provedor não respondeu em 30 s." | Teste de novo e confira a página de status do provedor. Se repetir com um modelo do Superior, teste o modelo do Intermediário do mesmo provedor. | | "O provedor não aceitou este modelo. Ele pode ter sido aposentado, estar escrito errado ou não estar liberado para esta conta." | Confira o nome no console do provedor e se o modelo está liberado na conta da sua empresa. Se ele saiu de linha, use o equivalente atual da mesma faixa. | | "Este modelo não serve para esta função: um modelo de chat foi informado onde entra embedding, ou o contrário." | Use um modelo de embedding nos campos **Embeddings** e um modelo de chat nas outras funções. | | "Nenhum provedor configurado oferece modelo de embedding." | Adicione a OpenAI, que os embeddings do Memory exigem (passo 2.2). A Anthropic e o Bedrock Mantle não têm embeddings. | | "A Memory ainda não usa o gemini-embedding-2. Troque o modelo dela por um de embedding da OpenAI para salvar." | Escolha o `text-embedding-3-small` em **Embeddings · Memory** (passo 1.6). | | "Escolha um modelo para cada função." | Preencha todas as funções da tela, inclusive as que este guia não cita. | | "Escolha exatamente um modelo do catálogo do chat para gerar os títulos das conversas." | Em **Modelo que gera títulos**, escolha um modelo do catálogo (passo 3.4). | | As respostas dos agentes ficaram lentas | Confira o Classificador e o Generativo. Um modelo do Superior nessas funções soma tempo a toda pergunta (passos 1.1 e 1.2). | > [!NOTE] > > Se o problema continuar, fale com o FDE da Strattum que acompanha a sua implantação e envie um print da tela com o erro. Antes de enviar, confira que nenhuma chave aparece no print. ## Próximo passo Com os modelos escolhidos, conecte as fontes de dados da sua empresa em **Conectores**. O [guia de Conectores e Catálogo de Dados](https://docs.strattum.ai/getting-started/connect-and-catalog.md) mostra o passo a passo. This documentation is built and hosted on [Mintlify](https://mintlify.com), a developer documentation platform.