IA aplicada

RAG com Amazon Bedrock em .NET

Por Audizio Nunes · 2 de outubro de 2026

RAG permite que uma aplicação .NET consulte documentos antes de gerar uma resposta com IA. Para funcionar bem, a integração precisa cuidar das fontes, das permissões e de como a resposta será avaliada.

Como o fluxo funciona

1. Organizar as fontes de informação e preparar sua atualização.
2. Buscar trechos relevantes para a pergunta recebida.
3. Enviar o contexto recuperado ao modelo para gerar a resposta.
4. Apresentar a resposta e as referências disponíveis na aplicação.

O Amazon Bedrock Knowledge Bases oferece recursos para implementar esse fluxo. A operação RetrieveAndGenerate reúne recuperação e geração; a integração pode ser feita com o SDK da AWS para .NET.

Escolher e proteger as fontes

Antes da integração, é necessário avaliar a qualidade dos documentos, a frequência de atualização e quem pode acessar cada informação. Dados desatualizados ou incompletos podem resultar em respostas inadequadas.

A autorização do usuário deve ser verificada pela aplicação. O conteúdo recuperado também precisa respeitar essas permissões. Filtros de metadados, quando aplicáveis, fazem parte da solução e precisam de testes. Veja como aplicar esse controle no Bedrock em RAG com controle de acesso no Amazon Bedrock.

Avaliar a qualidade das respostas

Uma resposta com referências ainda precisa ser avaliada. RAG não elimina a possibilidade de erro. Um conjunto de perguntas representativas ajuda a verificar relevância da busca, fidelidade às fontes e comportamento quando a informação não está disponível.

Latência, consumo e experiência do usuário também entram na avaliação. O objetivo é definir onde a IA ajuda o processo e quando a aplicação precisa pedir revisão humana.

O que pesa no custo e na latência

O recurso de Knowledge Bases não tem cobrança própria. O custo de um RAG vem das peças que ele usa, e cada uma tem um modelo de cobrança diferente:

• Embeddings: o modelo de embedding cobra por tokens de entrada, tanto ao indexar os documentos quanto a cada pergunta. Mais dados e mais atualizações significam mais tokens.
• Armazenamento vetorial: o banco que guarda os vetores tem custo próprio de armazenamento e operação, e em alguns serviços pode haver uma capacidade mínima cobrada mesmo sem consultas. Confira o modelo de cobrança do serviço escolhido.
• Geração: o modelo que escreve a resposta cobra por tokens de entrada e de saída, e os trechos recuperados entram como entrada.
• Processamento de documentos: o parser padrão não tem cobrança adicional, mas as opções para documentos com tabelas e imagens, como o Bedrock Data Automation ou o parsing com modelo de fundação, cobram por página ou por tokens.

A quantidade de trechos recuperados mexe em custo e em tempo ao mesmo tempo. Mais trechos aumentam os tokens enviados ao modelo e, em geral, o tempo da resposta, mas poucos trechos podem deixar a resposta incompleta. O parâmetro numberOfResults, dentro de vectorSearchConfiguration (em retrievalConfiguration), controla esse limite e deve ser ajustado com o conjunto de perguntas de avaliação. A AWS também cita filtros de metadados, busca híbrida e reranking como ajustes de recuperação.

Para a experiência do usuário, a operação RetrieveAndGenerateStream devolve a resposta em fluxo, o que permite mostrar o texto conforme ele é gerado em vez de esperar a resposta completa. O custo total depende do volume de documentos, de quantas perguntas chegam por dia e dos modelos escolhidos, por isso vale estimar na calculadora de preços da AWS e medir com perguntas reais antes de decidir.

Integrar com a aplicação .NET

A implementação precisa tratar autenticação, limites de acesso, falhas e tempo de resposta. Logs devem ajudar a acompanhar o serviço sem expor informações sensíveis desnecessariamente.

Se a aplicação também será levada para a nuvem, veja o planejamento de migração de .NET para AWS.