> ## 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. # Knowledge — Base de Conhecimento Corporativo > O conhecimento que o agente consulta antes de responder. Base de conhecimento corporativa consultável via RAG — políticas, manuais e documentação interna. O **Knowledge** é a base de conhecimento corporativa consultável por agentes via RAG (Retrieval-Augmented Generation). Armazena documentação interna, políticas, manuais de produto, bases de artigos de suporte — tudo que o agente precisa saber sobre como a empresa funciona. **Diferença fundamental da Memory:** * **Memory** sabe tudo sobre o *cliente* (episódico, pessoal, muda o tempo todo) * **Knowledge** sabe tudo sobre a *empresa* (semântico, geral, muda raramente) Juntos, o agente tem contexto completo: quem é o cliente (Memory) e como a empresa opera (Knowledge). *** ## Duas fontes de conhecimento O Knowledge agrupa dois tipos distintos de conteúdo, com comportamentos diferentes: > **Documentos (RAG)** > > Documentos estáticos: PDFs, políticas, manuais, FAQs. Precisam ser selecionados e indexados manualmente. Atualizações são re-indexadas automaticamente quando a fonte sincroniza. > **Fontes Operacionais** > > Dados de aplicações operacionais: tickets Zendesk, deals HubSpot, issues Jira. Todo o conteúdo é indexado automaticamente após a sincronização do conector. *** ## Documentos (RAG) ### O que indexar **Conteúdo de alto valor:** * Políticas internas (crédito, cobrança, atendimento, compliance) * Manuais de produto e ERP * Runbooks operacionais (onboarding, sinistros, renovações) * FAQs e bases de artigos de suporte * Regimentos e normativas internas **O que não pertence ao Knowledge:** * Dados transacionais (pertencem ao banco de dados, acessado pelo Memory) * Dados de clientes específicos (pertencem ao Memory) * Planilhas com dados operacionais em tempo real (use Data Pipelines) ### Documentos NÃO são carregados automaticamente > [!WARNING] > > Os documentos NÃO são carregados automaticamente quando um conector é configurado. É necessário selecionar manualmente quais arquivos ou pastas serão indexados. A opção de carregar documentos de uma fonte (Notion, Google Drive, etc.) só aparece se o conector respectivo estiver configurado nas Connections. ### Como adicionar documentos **1. Acesse Knowledge no Console** No menu lateral, clique em **Knowledge**. **2. Clique em + Adicionar** Escolha uma das três opções: **Conectar fonte (recomendado para documentação viva):** * Selecione a conexão já configurada (Notion, Google Drive, Confluence) * Escolha as pastas ou páginas específicas — não indexe tudo * A sincronização automática mantém os documentos atualizados **Upload manual:** * Para documentos que não estão em nenhuma ferramenta conectada * Formatos suportados: PDF, DOCX, TXT, Markdown * Limite: 50MB por arquivo **URL pública:** * Para documentação online que você não gerencia diretamente * Re-indexada periodicamente **3. Organize em Collections** Agrupe documentos por tema (ex: "Crédito e Cobrança", "Atendimento", "RH"). Collections permitem que agentes consultem apenas o subconjunto relevante para cada tarefa. **4. Verifique a qualidade da indexação** Após a ingestão, clique em **Ver chunks** em qualquer documento: * Todos os chunks devem ter status verde (embedding completo) * Teste com perguntas reais no campo de busca semântica * Se chunks tiverem status de erro, clique em **Reprocessar** *** ## Fontes Operacionais Fontes operacionais são dados de aplicações como Zendesk (tickets), HubSpot (deals), Jira (issues) — conteúdo dinâmico que se atualiza continuamente. **Diferença principal dos documentos: aqui tudo é indexado automaticamente.** Após configurar o conector e ativar a fonte operacional, cada novo registro ou atualização é indexado no próximo ciclo de sync — sem seleção manual. ### Como configurar fontes operacionais **1. Configure o conector primeiro** A fonte operacional precisa de um conector ativo nas Connections. Exemplo: para indexar tickets Zendesk, configure o conector Zendesk primeiro. **2. Acesse Knowledge → Fontes Operacionais** Clique na aba **Fontes Operacionais** dentro do módulo Knowledge. **3. Adicione a fonte** Selecione o conector ativo e o tipo de recurso a indexar (ex: tickets, deals, issues). **4. Configure a indexação** Cada campo da fonte pode ser configurado individualmente: * **Chunking:** Completo (textos curtos), Semântico (HTML longo), Por Item (listas) * **Max Tokens:** 256 (campos curtos), 512 (padrão), 1024 (textos longos) * **SLA:** intervalo máximo esperado entre sincronizações Consulte o guia [Configuração de Indexação](https://docs.strattum.ai/knowledge/operational-sources/indexing-configuration.md) para detalhes. ### Exemplos de fontes operacionais | Conector | Recurso | O que é indexado | | - | - | - | | Zendesk | Tickets | Título, descrição, comentários, status, prioridade | | HubSpot | Deals | Nome, estágio, notas, atividades | | Jira | Issues | Título, descrição, comentários, status, tipo | | Slack | Mensagens | Mensagens de canais selecionados | *** ## Pipeline de indexação Para que documentos e dados operacionais sejam consultáveis pelo agente, o Knowledge executa: 1. **Seleção declarativa** — apenas o conteúdo explicitamente autorizado é processado 2. **Chunking semântico** — documentos particionados em blocos coerentes, preservando contexto 3. **Vetorização** — cada chunk é transformado em vetor pelo modelo de embedding configurado 4. **Indexação no Qdrant** — vetores gravados no banco vetorial deployado na infra do cliente > [!NOTE] > > Todo o processamento de embeddings ocorre na infraestrutura do próprio cliente — nenhum dado é enviado para fora para gerar vetores. O modelo de embedding é configurado via `LLM_PROVIDER` e `LLM_EMBEDDING_MODEL` no `.env`. *** ## Busca semântica com re-ranking Quando o agente consulta o Knowledge com a pergunta "Como funciona o processo de renegociação para inadimplência acima de 90 dias?", o sistema: 1. **Busca vetorial:** encontra os chunks semanticamente mais próximos no Qdrant 2. **Filtragem por metadata:** aplica filtros de fonte, tags e data para restringir resultados relevantes 3. **Re-ranking:** reordena por relevância contextual, priorizando os trechos mais aderentes 4. **Retorno citado:** entrega ao agente chunks ranqueados com referência ao documento de origem O agente recebe contexto preciso e citável — não documentos inteiros que inflam custos de tokens. *** ## Diferença para o RAG clássico O Knowledge trata a base como ativo governado, com procedência e permissão desde a origem. Um RAG montado a mão para na recuperação e deixa governança, citação e versionamento para depois. | Dimensão | RAG clássico | Knowledge | | - | - | - | | Modelo mental | Pipeline de recuperação montado por projeto | Camada de conhecimento governada e versionada | | Procedência | Documento de origem | Documento, versão e trecho citado | | Permissão | Filtro aplicado depois da resposta | Permissão herdada da fonte, aplicada na recuperação | | Atualização | Reingestão manual | Re-indexação automática quando a fonte sincroniza | | Qualidade da base | Auditoria pontual | Métricas de indexação por chunk, verificáveis no Console | | Operação | Notebook de ML | Plataforma com observabilidade e SLA por fonte | *** ## Casos de uso validados > **Cooperativa de Crédito — Atendimento de seguros** > > A consultora recebe atualizações mensais das seguradoras (coberturas, exigências, sinistros). Com Knowledge, esses materiais são indexados automaticamente. Quando um associado liga sobre um sinistro, o agente consulta o Knowledge para saber qual cobertura se aplica usando a versão mais recente do manual. > **SaaS B2B — Suporte técnico com base de conhecimento** > > O time de suporte tem centenas de artigos, runbooks e documentação de API. O Knowledge indexa tudo e, quando um ticket chega, uma Skill consulta automaticamente a base para encontrar procedimentos relevantes antes de o analista abrir o chamado. > **Farmacêutica — Compliance regulatório (ANVISA)** > > O time de farmacovigilância precisa cruzar relatos de eventos adversos com diretrizes regulatórias. Com Knowledge indexando as normas vigentes, o agente consulta as regras aplicáveis ao classificar cada relato — e o Evals registra qual trecho exato embasou cada decisão. > **RH — Chatbot de políticas internas** > > O time de pessoas indexa todas as políticas (férias, benefícios, código de conduta). Um chatbot no Slack bate em `POST /v1/knowledge/search` para responder dúvidas dos colaboradores com o trecho exato da política, eliminando respostas manuais repetitivas. *** ## Próximos passos > **[Fontes Operacionais — Configuração](https://docs.strattum.ai/knowledge/operational-sources/indexing-configuration.md)** > > Configure chunking, max tokens e SLA para cada campo das fontes operacionais. > **[Knowledge API](https://docs.strattum.ai/api-reference/knowledge/introduction.md)** > > Consulte a base de conhecimento programaticamente via API REST. > **[MCP Server](https://docs.strattum.ai/mcp-server/index.md)** > > Exponha o Knowledge para Copilots e IDEs via Model Context Protocol. > **[Evals](https://docs.strattum.ai/getting-started/configuration.md)** > > Meça a qualidade do contexto retornado pelo Knowledge. This documentation is built and hosted on [Mintlify](https://mintlify.com), a developer documentation platform.