[{"data":1,"prerenderedAt":1836},["ShallowReactive",2],{"blog-article-/pt-br/blog/foxycape-pdf-obsidian":3,"blog-list-pt-br":270},{"id":4,"title":5,"body":6,"config":254,"date":255,"description":256,"draft":257,"extension":258,"image":254,"meta":259,"navigation":260,"path":261,"seo":262,"stem":263,"tags":264,"toolbar":254,"translationKey":268,"updated":255,"__hash__":269},"blog/pt-br/blog/foxycape-pdf-obsidian.md","Foxycape PDF — Um leitor de PDF para Obsidian que permanece conectado às suas notas",{"type":7,"value":8,"toc":237},"minimark",[9,17,23,26,31,34,53,56,60,65,68,74,78,81,86,90,93,121,126,130,133,138,143,147,159,164,168,171,176,180,183,188,192,199,204,208,211,216,221,225,232],[10,11,12],"p",{},[13,14],"img",{"alt":15,"src":16},"Foxycape PDF","https://cdn.linghuxiong.com/resources/obsidian/introduce/logo-64x64.png",[18,19,20],"blockquote",{},[10,21,22],{},"Um leitor de PDF para Obsidian que permanece conectado às suas notas — destaques, citações e deep links que levam você de volta à fonte.",[24,25],"hr",{},[27,28,30],"h2",{"id":29},"por-quê","Por quê",[10,32,33],{},"Ler PDFs dentro do Obsidian frequentemente quebra o fluxo de anotações:",[35,36,37,41,44,47,50],"ul",{},[38,39,40],"li",{},"Os destaques ficam no PDF; suas notas do vault ficam em outro lugar.",[38,42,43],{},"Capturar uma figura geralmente significa uma captura de tela borrada.",[38,45,46],{},"Citações e imagens coladas raramente apontam de volta para a página ou região exata.",[38,48,49],{},"Páginas claras de PDF parecem agressivas em um tema escuro do vault.",[38,51,52],{},"Trocar de leitor pode quebrar links de página/seleção que você já usa.",[10,54,55],{},"O Foxycape PDF resolve essas lacunas sem pedir que você saia do Obsidian.",[27,57,59],{"id":58},"recursos","Recursos",[61,62,64],"h3",{"id":63},"destaque-sincronização-com-notas","Destaque → sincronização com notas",[10,66,67],{},"Em vez de deixar destaques isolados no PDF, cada novo destaque pode criar ou atualizar uma nota Markdown com o mesmo nome, anexar o trecho com um back-link e, opcionalmente, abrir essa nota em um painel dividido. Desative a qualquer momento nas configurações.",[10,69,70],{},[13,71],{"alt":72,"src":73},"","https://cdn.linghuxiong.com/resources/obsidian/introduce/highlight-notes.gif",[61,75,77],{"id":76},"extrair-imagens-incorporadas","Extrair imagens incorporadas",[10,79,80],{},"Evite capturas de tela borradas. Passe o cursor sobre uma imagem incorporada (ou use o controle de toque no celular) para visualizar, copiar ou baixar o arquivo original.",[10,82,83],{},[13,84],{"alt":72,"src":85},"https://cdn.linghuxiong.com/resources/obsidian/introduce/embed-images.gif",[61,87,89],{"id":88},"citar-texto-e-imagens-depois-voltar","Citar texto e imagens, depois voltar",[10,91,92],{},"As citações permanecem vinculadas à fonte, para que você possa voltar da nota depois:",[35,94,95,110,113],{},[38,96,97,98,102,103,102,106,109],{},"Copie uma citação de texto como Markdown com um deep link (",[99,100,101],"code",{},"#page="," / ",[99,104,105],{},"#selection=",[99,107,108],{},"#markId=",").",[38,111,112],{},"Copie uma citação de imagem; cole no Markdown para salvar um PNG ao lado do PDF e inserir um link clicável.",[38,114,115,116,120],{},"Clique com o botão direito na imagem da nota → ",[117,118,119],"strong",{},"Abrir no Foxycape"," para retornar à página e destacar a região original.",[10,122,123],{},[13,124],{"alt":72,"src":125},"https://cdn.linghuxiong.com/resources/obsidian/introduce/cite-and-back.gif",[61,127,129],{"id":128},"páginas-pdf-adaptadas-ao-tema","Páginas PDF adaptadas ao tema",[10,131,132],{},"Páginas claras de PDF podem conflitar com um vault escuro. Opcionalmente, remapeie cores vetoriais em escala de cinza para o primeiro plano/fundo do seu tema (BETA) — para todos os temas, apenas escuro ou apenas claro. Ilustrações coloridas permanecem inalteradas.",[10,134,135],{},[13,136],{"alt":72,"src":137},"https://cdn.linghuxiong.com/resources/obsidian/introduce/theme-adapt.gif",[10,139,140],{},[13,141],{"alt":72,"src":142},"https://cdn.linghuxiong.com/resources/obsidian/introduce/theme-adapt-dark.gif",[61,144,146],{"id":145},"compatível-com-os-links-pdf-integrados-do-obsidian","Compatível com os links PDF integrados do Obsidian",[10,148,149,150,152,153,155,156,158],{},"Trocar de leitor não deve quebrar os links que você já tem. O Foxycape entende ",[99,151,101],{}," e ",[99,154,105],{}," no estilo Obsidian, pode se tornar o visualizador de PDF padrão, reutiliza uma aba aberta quando possível e adiciona ",[99,157,108],{}," para saltos precisos a destaques.",[10,160,161],{},[13,162],{"alt":72,"src":163},"https://cdn.linghuxiong.com/resources/obsidian/introduce/compat-links.gif",[61,165,167],{"id":166},"destaques-e-lista-de-destaques","Destaques e lista de destaques",[10,169,170],{},"Marca-texto, sublinhado ondulado e sublinhado reto com cores personalizadas. Navegue pelos destaques em uma lista — filtre, ordene, salte ou exclua.",[10,172,173],{},[13,174],{"alt":72,"src":175},"https://cdn.linghuxiong.com/resources/obsidian/introduce/annotations.gif",[61,177,179],{"id":178},"cópia-inteligente-remover-quebras-de-linha-suaves","Cópia inteligente — remover quebras de linha suaves",[10,181,182],{},"Linhas de PDF frequentemente inserem quebras rígidas no meio da frase. Selecione o texto e copie como de costume: o Foxycape remove essas quebras suaves para que a colagem leia como prosa contínua, mantendo as quebras reais de parágrafo.",[10,184,185],{},[13,186],{"alt":72,"src":187},"https://cdn.linghuxiong.com/resources/obsidian/introduce/smart-copy.gif",[61,189,191],{"id":190},"navegação-e-busca","Navegação e busca",[10,193,194,195,198],{},"Sumário (TOC), miniaturas de página, seletor de página e busca no documento (",[99,196,197],{},"Mod+F",") com opções de maiúsculas/minúsculas / diacríticos / palavra inteira. A busca usa a camada de texto do PDF (sem OCR).",[10,200,201],{},[13,202],{"alt":72,"src":203},"https://cdn.linghuxiong.com/resources/obsidian/introduce/navigate-search.gif",[61,205,207],{"id":206},"layout-de-leitura","Layout de leitura",[10,209,210],{},"Zoom (automático / largura da página / porcentagens), rolagem vertical ou horizontal, layout de página única / páginas opostas / livro, rotação de página, PDFs protegidos por senha. Funciona em desktop e celular.",[10,212,213],{},[13,214],{"alt":72,"src":215},"https://cdn.linghuxiong.com/resources/obsidian/introduce/layout.gif",[10,217,218],{},[13,219],{"alt":72,"src":220},"https://cdn.linghuxiong.com/resources/obsidian/introduce/layout-1.gif",[61,222,224],{"id":223},"definir-como-leitor-de-pdf-padrão","Definir como leitor de PDF padrão",[10,226,227,228,231],{},"Para a experiência mais fluida — deep links, destaques e páginas adaptadas ao tema — ative ",[117,229,230],{},"Usar como visualizador de PDF padrão"," nas configurações do Foxycape para que o Obsidian abra PDFs com o Foxycape por padrão.",[10,233,234],{},[13,235],{"alt":72,"src":236},"https://cdn.linghuxiong.com/resources/obsidian/introduce/set-default.gif",{"title":72,"searchDepth":238,"depth":238,"links":239},2,[240,241],{"id":29,"depth":238,"text":30},{"id":58,"depth":238,"text":59,"children":242},[243,245,246,247,248,249,250,251,252,253],{"id":63,"depth":244,"text":64},3,{"id":76,"depth":244,"text":77},{"id":88,"depth":244,"text":89},{"id":128,"depth":244,"text":129},{"id":145,"depth":244,"text":146},{"id":166,"depth":244,"text":167},{"id":178,"depth":244,"text":179},{"id":190,"depth":244,"text":191},{"id":206,"depth":244,"text":207},{"id":223,"depth":244,"text":224},null,"2026-08-11","Destaques, citações e deep links que levam você de volta à fonte — o Foxycape PDF mantém leitura e anotações no Obsidian em um único fluxo.",false,"md",{},true,"/pt-br/blog/foxycape-pdf-obsidian",{"title":5,"description":256},"pt-br/blog/foxycape-pdf-obsidian",[265,266,267],"Obsidian","PDF","Foxycape","foxycape-pdf-obsidian","mSh-0pBuBHgo1F1RAht84dBSB0zWI_k_zJYNZqUmTTM",[271,436],{"id":4,"title":5,"body":272,"config":254,"date":255,"description":256,"draft":257,"extension":258,"image":254,"meta":433,"navigation":260,"path":261,"seo":434,"stem":263,"tags":435,"toolbar":254,"translationKey":268,"updated":255,"__hash__":269},{"type":7,"value":273,"toc":418},[274,278,282,284,286,288,300,302,304,306,308,312,314,316,320,322,324,340,344,346,348,352,356,358,366,370,372,374,378,380,382,386,388,392,396,398,400,404,408,410,414],[10,275,276],{},[13,277],{"alt":15,"src":16},[18,279,280],{},[10,281,22],{},[24,283],{},[27,285,30],{"id":29},[10,287,33],{},[35,289,290,292,294,296,298],{},[38,291,40],{},[38,293,43],{},[38,295,46],{},[38,297,49],{},[38,299,52],{},[10,301,55],{},[27,303,59],{"id":58},[61,305,64],{"id":63},[10,307,67],{},[10,309,310],{},[13,311],{"alt":72,"src":73},[61,313,77],{"id":76},[10,315,80],{},[10,317,318],{},[13,319],{"alt":72,"src":85},[61,321,89],{"id":88},[10,323,92],{},[35,325,326,334,336],{},[38,327,97,328,102,330,102,332,109],{},[99,329,101],{},[99,331,105],{},[99,333,108],{},[38,335,112],{},[38,337,115,338,120],{},[117,339,119],{},[10,341,342],{},[13,343],{"alt":72,"src":125},[61,345,129],{"id":128},[10,347,132],{},[10,349,350],{},[13,351],{"alt":72,"src":137},[10,353,354],{},[13,355],{"alt":72,"src":142},[61,357,146],{"id":145},[10,359,149,360,152,362,155,364,158],{},[99,361,101],{},[99,363,105],{},[99,365,108],{},[10,367,368],{},[13,369],{"alt":72,"src":163},[61,371,167],{"id":166},[10,373,170],{},[10,375,376],{},[13,377],{"alt":72,"src":175},[61,379,179],{"id":178},[10,381,182],{},[10,383,384],{},[13,385],{"alt":72,"src":187},[61,387,191],{"id":190},[10,389,194,390,198],{},[99,391,197],{},[10,393,394],{},[13,395],{"alt":72,"src":203},[61,397,207],{"id":206},[10,399,210],{},[10,401,402],{},[13,403],{"alt":72,"src":215},[10,405,406],{},[13,407],{"alt":72,"src":220},[61,409,224],{"id":223},[10,411,227,412,231],{},[117,413,230],{},[10,415,416],{},[13,417],{"alt":72,"src":236},{"title":72,"searchDepth":238,"depth":238,"links":419},[420,421],{"id":29,"depth":238,"text":30},{"id":58,"depth":238,"text":59,"children":422},[423,424,425,426,427,428,429,430,431,432],{"id":63,"depth":244,"text":64},{"id":76,"depth":244,"text":77},{"id":88,"depth":244,"text":89},{"id":128,"depth":244,"text":129},{"id":145,"depth":244,"text":146},{"id":166,"depth":244,"text":167},{"id":178,"depth":244,"text":179},{"id":190,"depth":244,"text":191},{"id":206,"depth":244,"text":207},{"id":223,"depth":244,"text":224},{},{"title":5,"description":256},[265,266,267],{"id":437,"title":438,"body":439,"config":254,"date":1824,"description":1825,"draft":257,"extension":258,"image":254,"meta":1826,"navigation":260,"path":1827,"seo":1828,"stem":1829,"tags":1830,"toolbar":254,"translationKey":1834,"updated":1824,"__hash__":1835},"blog/pt-br/blog/zero-hallucination-qa.md","Como implementei Q&A «zero alucinação» no leitor",{"type":7,"value":440,"toc":1790},[441,447,460,462,466,473,478,482,500,505,516,521,555,558,562,579,586,590,605,610,647,654,658,671,696,701,818,836,842,844,848,855,870,877,897,903,905,909,912,918,920,924,947,956,1016,1019,1030,1039,1046,1048,1052,1059,1065,1072,1076,1083,1091,1098,1102,1112,1155,1166,1172,1174,1178,1193,1201,1207,1210,1245,1255,1263,1269,1276,1280,1288,1294,1305,1307,1311,1317,1321,1328,1332,1355,1362,1364,1368,1374,1432,1438,1440,1444,1451,1469,1473,1493,1503,1505,1509,1520,1523,1546,1557,1563,1565,1569,1584,1595,1597,1601,1622,1633,1635,1639,1658,1664,1666,1670,1758,1765,1776],[10,442,443],{},[13,444],{"alt":445,"src":446},"Capa: Q&A zero alucinação","https://cdn.linghuxiong.com/resources/snapshots/ai-chat-cover.png",[18,448,449],{},[10,450,451,452,455,456,459],{},"Este artigo compartilha a implementação de engenharia de ",[117,453,454],{},"Q&A zero alucinação"," no nosso leitor com IA: as respostas se baseiam estritamente no texto do livro aberto e as afirmações-chave podem ser ",[117,457,458],{},"rastreadas em um clique"," até a passagem exata. Se você está desenvolvendo leitura com IA, Q&A de documentos ou apps no estilo RAG, esperamos que três iterações de lições e a arquitetura final sejam úteis.",[24,461],{},[27,463,465],{"id":464},"i-evolução-em-três-estágios","I. Evolução em três estágios",[10,467,468,469,472],{},"O Q&A zero alucinação não foi projetado de forma perfeita no primeiro dia. Evoluiu sob tensão entre ",[117,470,471],{},"custo, latência e precisão",". Abaixo está uma visão cronológica dos três estágios—contexto útil para entender por que a arquitetura atual tem esta forma.",[474,475],"mermaid",{":config":476,"code":477},"config","flowchart%20LR%0A%20%20%20%20P1%5BEst%C3%A1gio%201%3A%20Texto%20integral%20no%20contexto%5D%20--%3E%20P2%5BEst%C3%A1gio%202%3A%20LLM%20extrai%20frases-chave%5D%0A%20%20%20%20P2%20--%3E%20P3%5BEst%C3%A1gio%203%3A%20%C3%8Dndice%20de%20segmentos%20%2B%20Tool%20retrieval%5D%0A%20%20%20%20P1%20-.-%3E%7CLento%2C%20caro%2C%20impreciso%20em%20livros%20longos%7C%20X1%5BDescontinuado%5D%0A%20%20%20%20P2%20-.-%3E%7CPerde%20detalhe%2C%20ainda%20lento%7C%20X2%5BDescontinuado%5D%0A%20%20%20%20P3%20--%3E%7CAtual%7C%20OK%5BZero%20alucina%C3%A7%C3%A3o%20%2B%20rastre%C3%A1vel%5D",[61,479,481],{"id":480},"estágio-1-inserir-o-livro-inteiro-no-contexto-o-mais-simplese-o-primeiro-a-falhar","Estágio 1: Inserir o livro inteiro no contexto (o mais simples—e o primeiro a falhar)",[10,483,484,487,488,491,492,495,496,499],{},[117,485,486],{},"Abordagem:"," Quando o usuário abre um livro e faz uma pergunta, colocar ",[117,489,490],{},"todo o texto extraído"," no System Prompt ou na mensagem do usuário e deixar o modelo de conversa responder. Se o livro exceder cerca de ",[117,493,494],{},"400 mil caracteres",", aplicar ",[117,497,498],{},"truncamento rígido","—só se mantém o início; os capítulos posteriores ficam invisíveis para o modelo.",[10,501,502],{},[117,503,504],{},"Vantagens:",[35,506,507,510,513],{},[38,508,509],{},"Custo de implementação muito baixo; quase sem pré-processamento;",[38,511,512],{},"Funciona razoavelmente em livros curtos e documentos simples—o modelo realmente «viu o livro inteiro»;",[38,514,515],{},"UX simples: pergunta e resposta, sem estado «aguarde enquanto analisamos».",[10,517,518],{},[117,519,520],{},"Desvantagens (rapidamente inaceitáveis):",[35,522,523,529,535,545],{},[38,524,525,528],{},[117,526,527],{},"Respostas lentas:"," Cada pergunta reenvia um payload enorme; o tempo até o primeiro token e a latência total crescem com o tamanho do livro;",[38,530,531,534],{},[117,532,533],{},"Custo alto de tokens:"," Você paga o input do livro inteiro em cada pergunta;",[38,536,537,540,541,544],{},[117,538,539],{},"Livros longos distorcem muito:"," Após 400 mil caracteres, a segunda metade, apêndices e conclusões podem não existir para o modelo—e a UI muitas vezes ",[117,542,543],{},"não indica claramente"," que houve truncamento;",[38,546,547,550,551,554],{},[117,548,549],{},"Granularidade de recuperação zero:"," O modelo precisa «procurar uma agulha no palheiro» em centenas de milhares de caracteres—fácil perder detalhes e mais fácil produzir ",[117,552,553],{},"resumos plausíveis sem base","—exatamente o que apps de leitura devem evitar.",[10,556,557],{},"O estágio 1 serve para um MVP, não para um produto de qualidade.",[61,559,561],{"id":560},"estágio-2-llm-mais-leve-para-extrair-frases-chave-comprimir-contextomas-demais","Estágio 2: LLM mais leve para extrair frases-chave (comprimir contexto—mas demais)",[10,563,564,566,567,570,571,574,575,578],{},[117,565,486],{}," Antes do Q&A (ou na primeira abertura do livro), usar um ",[117,568,569],{},"modelo mais barato"," sobre o corpo: dividir por capítulo do Spine (ou segmentar o livro), extrair ",[117,572,573],{},"frases-chave",", manter marcas de posição como ",[99,576,577],{},"[fArquivo-início-fim]",", depois concatenar trechos em um contexto mais curto para o Q&A posterior.",[10,580,581,582,585],{},"Pipeline típico: ",[117,583,584],{},"Extract → Cache → Chat",". Extrair uma vez (offline ou sob demanda), guardar um «conjunto de frases-chave», reutilizar em cada pergunta—a mesma ideia de muitos protótipos de Q&A de documentos que comprimem primeiro e depois respondem.",[10,587,588],{},[117,589,504],{},[35,591,592,599,602],{},[38,593,594,595,598],{},"Cada pergunta envia ",[117,596,597],{},"muito menos texto","; o consumo de tokens por requisição cai em relação ao estágio 1;",[38,600,601],{},"O pré-processamento pode ser em cache; sem re-extrair por pergunta no mesmo livro;",[38,603,604],{},"As marcas de posição lançam bases para citações.",[10,606,607],{},[117,608,609],{},"Desvantagens (ainda falha em livros longos):",[35,611,612,618,628,637],{},[38,613,614,617],{},[117,615,616],{},"Perda massiva de detalhe:"," As «frases-chave» são selecionadas pelo modelo; qualificadores, contraexemplos e cadeias argumentativas são frequentemente descartados—as respostas ficam «corretas mas parciais»;",[38,619,620,623,624,627],{},[117,621,622],{},"Contexto ainda grande em livros longos:"," Mesmo bundles de frases-chave em obras grandes são consideráveis—latência e custo são ",[117,625,626],{},"aliviados, não resolvidos",";",[38,629,630,633,634,627],{},[117,631,632],{},"Erro duplo de LLM:"," A extração pode falhar; o Q&A pode interpretar mal trechos—os erros ",[117,635,636],{},"se acumulam",[38,638,639,642,643,646],{},[117,640,641],{},"Contexto estático:"," Quer o usuário pergunte sobre um capítulo ou sobre a estrutura do livro, o modelo sempre recebe o ",[117,644,645],{},"mesmo blob pré-extraído","—sem estreitamento dinâmico pela pergunta.",[10,648,649,650,653],{},"Lição: o problema não é «se comprimimos», mas ",[117,651,652],{},"se a compressão é sob demanda e se podemos voltar ao texto fonte",".",[61,655,657],{"id":656},"estágio-3-índice-de-segmentos-tool-retrieval-sob-demanda-texto-fonte-de-volta-atual","Estágio 3: Índice de segmentos + Tool retrieval sob demanda + texto fonte de volta (atual)",[10,659,660,662,663,670],{},[117,661,486],{}," Inspirado em ",[664,665,669],"a",{"href":666,"rel":667},"https://github.com/VectifyAI/PageIndex",[668],"nofollow","PageIndex",". Em relação ao estágio 2, três mudanças centrais:",[672,673,674,680,690],"ol",{},[38,675,676,679],{},[117,677,678],{},"O pré-processamento produz um índice estruturado"," (resumos no nível do índice + spans exatos de caracteres), não trechos usados diretamente como contexto de Q&A;",[38,681,682,685,686,689],{},[117,683,684],{},"Cada pergunta usa Tool Calling para recuperar sob demanda",", depois ",[117,687,688],{},"puxa texto fonte com marcas de posição"," para responder;",[38,691,692,695],{},[117,693,694],{},"System Prompt + frontend"," impõem formato de citação e suportam saltos com clique e destaque no leitor.",[10,697,698],{},[117,699,700],{},"Comparação dos três estágios:",[702,703,704,723],"table",{},[705,706,707],"thead",{},[708,709,710,714,717,720],"tr",{},[711,712,713],"th",{},"Dimensão",[711,715,716],{},"Estágio 1 (texto integral)",[711,718,719],{},"Estágio 2 (frases-chave)",[711,721,722],{},"Estágio 3 (atual)",[724,725,726,745,759,773,787,804],"tbody",{},[708,727,728,732,735,738],{},[729,730,731],"td",{},"Contexto por pergunta",[729,733,734],{},"Livro inteiro (ou metade frontal truncada)",[729,736,737],{},"Frases-chave pré-extraídas",[729,739,740,741,744],{},"Apenas trechos de ",[117,742,743],{},"texto fonte"," relevantes para a pergunta",[708,746,747,750,753,756],{},[729,748,749],{},"Precisão em livros longos",[729,751,752],{},"Colapsa após ~400k chars",[729,754,755],{},"Depende da extração; perde detalhe",[729,757,758],{},"Recuperação por TOC/span; sem truncamento rígido do livro inteiro",[708,760,761,764,767,770],{},[729,762,763],{},"Velocidade de resposta",[729,765,766],{},"Lenta",[729,768,769],{},"Um pouco melhor; livros longos ainda lentos",[729,771,772],{},"Recuperação + contexto curto—visivelmente mais rápido",[708,774,775,778,781,784],{},[729,776,777],{},"Custo de tokens",[729,779,780],{},"Muito alto",[729,782,783],{},"Médio-alto",[729,785,786],{},"Pré-processamento amortizado + pagar sob necessidade",[708,788,789,792,795,798],{},[729,790,791],{},"Rastreabilidade",[729,793,794],{},"Fraca (difícil citar)",[729,796,797],{},"Tags existem mas conteúdo já filtrado",[729,799,800,801],{},"Notas de rodapé mapeiam ",[117,802,803],{},"spans reais de fonte",[708,805,806,809,812,815],{},[729,807,808],{},"Complexidade de engenharia",[729,810,811],{},"Baixa",[729,813,814],{},"Média",[729,816,817],{},"Alta",[10,819,820,823,824,827,828,831,832,835],{},[117,821,822],{},"Por que paramos no estágio 3:"," Para leitura, zero alucinação não é «mostrar ao modelo o máximo de texto possível», mas ",[117,825,826],{},"«antes de responder, obter evidência fonte para a pergunta»",". Os estágios 1–2 lutaram o ",[117,829,830],{},"tamanho do contexto","; o estágio 3 divide o pipeline em ",[117,833,834],{},"índice (pré-processar) → recuperar (Tool) → evidência (fonte) → responder (geração restrita)","—equilibrando precisão, custo e rastreabilidade.",[10,837,838,839,653],{},"A seguir o detalhe do ",[117,840,841],{},"estágio 3",[24,843],{},[27,845,847],{"id":846},"ii-definição-do-problema-em-qa-de-livros-alucinação-dói-mais-que-no-chat-genérico","II. Definição do problema: Em Q&A de livros, alucinação dói mais que no chat genérico",[10,849,850,851,854],{},"Os usuários perdoam erros ocasionais em um chatbot geral. Em ",[117,852,853],{},"Q&A de livros",", o custo é maior:",[35,856,857,864,867],{},[38,858,859,860,863],{},"Perguntam o que ",[117,861,862],{},"este livro"," diz—não o que vive na memória paramétrica do modelo;",[38,865,866],{},"Uma «opinião do livro» plausível pode enganar notas, citações e compartilhamentos;",[38,868,869],{},"Sem fontes, não podem verificar—a confiança é difícil de construir.",[10,871,872,873,876],{},"Assim, «zero alucinação» torna-se três regras ",[117,874,875],{},"executáveis",":",[672,878,879,885,891],{},[38,880,881,884],{},[117,882,883],{},"Perguntas sobre o livro devem consultar o livro primeiro:"," Tudo o que possa ser sobre o livro aberto deve passar por recuperação (Tool) antes da resposta;",[38,886,887,890],{},[117,888,889],{},"Respostas devem ser rastreáveis:"," Afirmações-chave com marcas de posição que a UI possa analisar e saltar;",[38,892,893,896],{},[117,894,895],{},"Dizer quando não encontrar:"," Se o livro não contém, dizer—não disfarçar conhecimento geral como «o que o livro diz».",[10,898,899,900,902],{},"O resto segue o fluxo de dados do ",[117,901,841],{}," e como essas regras se implementam.",[24,904],{},[27,906,908],{"id":907},"iii-arquitetura-pré-processar-tool-retrieval-geração-restrita-citações-clicáveis","III. Arquitetura: Pré-processar → Tool retrieval → Geração restrita → Citações clicáveis",[474,910],{":config":476,"code":911},"flowchart%20TB%0A%20%20%20%20subgraph%20prep%20%5BPr%C3%A9-processamento%20offline%20%2F%20primeira%20vez%5D%0A%20%20%20%20%20%20%20%20A%5BDividir%20livro%20por%20TOC%20ou%20comprimento%5D%20--%3E%20B%5BResumos%20de%20segmentos%20com%20LLM%5D%0A%20%20%20%20%20%20%20%20B%20--%3E%20C%5BPersistir%20cache%20Segment%20localmente%5D%0A%20%20%20%20end%0A%0A%20%20%20%20subgraph%20ask%20%5BPergunta%20do%20usu%C3%A1rio%5D%0A%20%20%20%20%20%20%20%20D%5BInput%20do%20usu%C3%A1rio%5D%20--%3E%20E%7BExiste%20cache%20Segment%3F%7D%0A%20%20%20%20%20%20%20%20E%20--%3E%7CN%C3%A3o%7C%20F%5BExtrair%20texto%20integral%20%2F%20pedir%20pr%C3%A9-processamento%5D%0A%20%20%20%20%20%20%20%20F%20--%3E%20prep%0A%20%20%20%20%20%20%20%20E%20--%3E%7CSim%7C%20G%5BRegistrar%20Tool%20Calling%5D%0A%20%20%20%20end%0A%0A%20%20%20%20subgraph%20retrieve%20%5BRecupera%C3%A7%C3%A3o%20por%20Tool%5D%0A%20%20%20%20%20%20%20%20G%20--%3E%20H%7BTipo%20de%20pergunta%7D%0A%20%20%20%20%20%20%20%20H%20--%3E%7CVis%C3%A3o%20geral%20%2F%20cr%C3%ADtica%7C%20I%5Bget_full_book_segment_summaries%5D%0A%20%20%20%20%20%20%20%20H%20--%3E%7CFatos%20%2F%20pessoas%20%2F%20cap%C3%ADtulo%7C%20J%5Bget_related_segment_summaries%5D%0A%20%20%20%20%20%20%20%20J%20--%3E%20K%5BLLM%20escolhe%20IDs%20de%20segmentos%20do%20cat%C3%A1logo%20de%20resumos%5D%0A%20%20%20%20%20%20%20%20K%20--%3E%20L%5BObter%20fonte%20por%20span%20%2B%20marcas%20de%20posi%C3%A7%C3%A3o%5D%0A%20%20%20%20%20%20%20%20I%20--%3E%20M%5BConcatenar%20todos%20os%20resumos%20de%20segmentos%5D%0A%20%20%20%20end%0A%0A%20%20%20%20subgraph%20answer%20%5BGerar%20e%20exibir%5D%0A%20%20%20%20%20%20%20%20L%20--%3E%20N%5BResultados%20Tool%20de%20volta%20ao%20modelo%5D%0A%20%20%20%20%20%20%20%20M%20--%3E%20N%0A%20%20%20%20%20%20%20%20N%20--%3E%20O%5BRegras%20de%20cita%C3%A7%C3%A3o%20no%20System%20Prompt%5D%0A%20%20%20%20%20%20%20%20O%20--%3E%20P%5BResposta%20em%20streaming%20%2B%20notas%20de%20posi%C3%A7%C3%A3o%5D%0A%20%20%20%20%20%20%20%20P%20--%3E%20Q%5BRenderizar%20notas%20clic%C3%A1veis%5D%0A%20%20%20%20%20%20%20%20Q%20--%3E%20R%5BClique%20%E2%86%92%20pr%C3%A9-visualiza%C3%A7%C3%A3o%20%E2%86%92%20saltar%20e%20destacar%5D%0A%20%20%20%20end",[10,913,914,915],{},"Ideia central: ",[117,916,917],{},"não deixar o modelo «responder de memória»—obrigá-lo a «reunir evidência, responder e marcar fontes».",[24,919],{},[27,921,923],{"id":922},"iv-pré-processamento-transformar-o-livro-inteiro-em-um-índice-de-segmentos-pesquisável","IV. Pré-processamento: Transformar o livro inteiro em um índice de segmentos pesquisável",[10,925,926,927,930,931,934,935,938,939,942,943,946],{},"Se cada pergunta ainda usasse contexto de livro integral do ",[117,928,929],{},"estágio 1",", livros longos estouram o orçamento de tokens e a recuperação é grossa demais. Estágio 3: no primeiro chat de IA para um livro, rodar em segundo plano uma ",[117,932,933],{},"tarefa de resumo de segmentos","—dividir por ",[117,936,937],{},"TOC"," ou ",[117,940,941],{},"comprimento de texto"," em ",[99,944,945],{},"Segment","s, resumir cada um, persistir em IndexedDB local.",[10,948,949,950,952,953,876],{},"Cada ",[99,951,945],{}," contém resumo mais ",[117,954,955],{},"posição física no corpo",[702,957,958,968],{},[705,959,960],{},[708,961,962,965],{},[711,963,964],{},"Campo",[711,966,967],{},"Significado",[724,969,970,983,996,1006],{},[708,971,972,980],{},[729,973,974,102,977],{},[99,975,976],{},"startFileIndex",[99,978,979],{},"endFileIndex",[729,981,982],{},"Índice de arquivo Spine (PDF: um arquivo por página)",[708,984,985,993],{},[729,986,987,102,990],{},[99,988,989],{},"startOffset",[99,991,992],{},"endOffset",[729,994,995],{},"Início/fim em caracteres",[708,997,998,1003],{},[729,999,1000],{},[99,1001,1002],{},"sequence",[729,1004,1005],{},"Ordem linear de leitura",[708,1007,1008,1013],{},[729,1009,1010],{},[99,1011,1012],{},"title",[729,1014,1015],{},"Título do TOC",[10,1017,1018],{},"A divisão equilibra precisão e custo: se o corpo de um nó TOC tiver menos de ~20KB, resumir só esse nó; nós irmãos podem fundir-se em lotes (15–20KB) antes de chamadas LLM; blocos longos sem estrutura dividem-se em intervalos de ~30–40 mil caracteres.",[10,1020,1021,1022,1025,1026,1029],{},"O System Prompt de resumo exige ",[117,1023,1024],{},"manter marcas de posição inline"," (",[99,1027,1028],{},"[fNúmero-Número-Número]",") para o texto fonte obtido por Tool alinhar com offsets do Spine. Restrição central:",[1031,1032,1037],"pre",{"className":1033,"code":1035,"language":1036,"meta":72},[1034],"language-text","Se o conteúdo do resumo se relacionar com uma passagem, manter a marca de posição no final [fNúmero-Número-Número] (ex. [f1-90-109]).\nAs marcas são atômicas—não alterar, fundir ou omitir qualquer caractere ou dígito.\n","text",[99,1038,1035],{"__ignoreMap":72},[10,1040,1041,1042,1045],{},"Após o pré-processamento, o Q&A depende de um ",[117,1043,1044],{},"índice estruturado de segmentos",", não do contexto do livro inteiro—pré-requisito de engenharia para zero alucinação em livros longos.",[24,1047],{},[27,1049,1051],{"id":1050},"v-sistema-de-marcas-de-posição-codificar-onde-no-texto","V. Sistema de marcas de posição: Codificar «onde» no texto",[10,1053,1054,1055,1058],{},"Zero alucinação exige conteúdo da fonte ",[117,1056,1057],{},"e"," proveniência analisável por máquina e saltável na UI. Usamos marcas inline:",[1031,1060,1063],{"className":1061,"code":1062,"language":1036},[1034],"[f{fileIndex}-{startChar}-{endChar}]\n",[99,1064,1062],{"__ignoreMap":72},[10,1066,1067,1068,1071],{},"Exemplo: ",[99,1069,1070],{},"[f5-123-165]"," = arquivo Spine 5 (base 0), caracteres 123–165.",[61,1073,1075],{"id":1074},"_51-como-as-marcas-entram-no-corpo-do-texto","5.1 Como as marcas entram no corpo do texto",[10,1077,1078,1079,1082],{},"A camada de extração acrescenta ",[99,1080,1081],{},"[f{fileIndex}-{start}-{end}]"," no fim dos segmentos:",[1031,1084,1089],{"className":1085,"code":1087,"language":1088,"meta":72},[1086],"language-typescript","const position = `[f${fileIndex}-${absOffset}-${absOffset + segment.length}]`;\nfileLines.push(segment.text.trim() + position);\n","typescript",[99,1090,1087],{"__ignoreMap":72},[10,1092,1093,1094,1097],{},"Quer resumos de pré-processamento quer trechos de Tool, as posições alinham com ",[117,1095,1096],{},"offsets de caracteres do Spine","—não números de página estimados pelo modelo.",[61,1099,1101],{"id":1100},"_52-restrições-na-saída-do-modelo","5.2 Restrições na saída do modelo",[10,1103,1104,1105,1111],{},"O System Prompt inclui ",[117,1106,1107],{},[1108,1109,1110],"span",{},"Position Citation Rules","—cinco pontos centrais:",[672,1113,1114,1124,1134,1140,1149],{},[38,1115,1116,1119,1120,1123],{},[117,1117,1118],{},"Formato padrão:"," Deve usar ",[99,1121,1122],{},"[f_fileIndex-startChar-endChar]","; as três partes numéricas são obrigatórias;",[38,1125,1126,1129,1130,1133],{},[117,1127,1128],{},"Copiar só das fontes atuais:"," Notas de rodapé ",[117,1131,1132],{},"verbatim"," das mensagens system/user ou retornos Tool deste turno;",[38,1135,1136,1139],{},[117,1137,1138],{},"Sem fabricação:"," Não calcular, editar ou inventar posições;",[38,1141,1142,1145,1146,627],{},[117,1143,1144],{},"Preferir omissão:"," Se não houver marca válida no contexto, responder normalmente—",[117,1147,1148],{},"não emitir marcas de posição",[38,1150,1151,1154],{},[117,1152,1153],{},"Inline com afirmações:"," Marcas seguem a frase relevante; sem listas de citações no final.",[10,1156,1157,1158,1161,1162,1165],{},"A UI também filtra marcas inválidas ",[117,1159,1160],{},"de duas partes"," ocasionais (ex. ",[99,1163,1164],{},"[f1-293]",") antes de renderizar.",[10,1167,1168],{},[13,1169],{"alt":1170,"src":1171},"Popup de rastreio de citação","https://cdn.linghuxiong.com/resources/snapshots/ai-chat.png",[24,1173],{},[27,1175,1177],{"id":1176},"vi-tool-calling-recuperar-primeiro-responder-depois","VI. Tool Calling: Recuperar primeiro, responder depois",[10,1179,1180,1181,1184,1185,1188,1189,1192],{},"Quando o chat está ligado a um livro (",[99,1182,1183],{},"resourceId"," presente, ",[99,1186,1187],{},"chatType === 'chat'","), registramos duas Tools com executors antes de cada geração—ciclo ",[117,1190,1191],{},"function calling"," compatível com OpenAI.",[61,1194,1196,1197,1200],{"id":1195},"_61-get_related_segment_summaries-busca-segmentada-direcionada","6.1 ",[99,1198,1199],{},"get_related_segment_summaries"," — Busca segmentada direcionada",[10,1202,1203,1204,653],{},"Para: conceitos, personagens, enredo, detalhes de capítulo—",[117,1205,1206],{},"intenção clara de recuperação",[10,1208,1209],{},"Fluxo:",[672,1211,1212,1219,1225,1228,1238],{},[38,1213,1214,1215,1218],{},"O modelo reescreve a formulação do usuário em ",[117,1216,1217],{},"termos prováveis no livro"," («Optimize Search Queries» no System Prompt);",[38,1220,1221,1222,627],{},"Chamar Tool com ",[99,1223,1224],{},"question",[38,1226,1227],{},"Agrupar todos os resumos de segmentos por orçamento de tokens (~30k tokens por lote, máx. 5 lotes);",[38,1229,1230,1231,1234,1235,627],{},"Cada lote: requisição LLM separada escolhe IDs de segmentos relevantes (máx. 5) de ",[99,1232,1233],{},"{ id, title, summary }",", JSON como ",[99,1236,1237],{},"{\"Thinking\":\"...\",\"answer\":[\"1\",\"3\"]}",[38,1239,1240,1241,1244],{},"Para segmentos selecionados, puxar ",[117,1242,1243],{},"texto fonte com marcas"," do Spine—não resumos—como resultado Tool.",[10,1246,1247,1250,1251,1254],{},[117,1248,1249],{},"Design-chave: Tool devolve fonte, não resumos."," O modelo responde a partir de parágrafos reais com ",[99,1252,1253],{},"[f…]"," inline, evitando deriva «resumo → re-resumo».",[61,1256,1258,1259,1262],{"id":1257},"_62-get_full_book_segment_summaries-visão-geral-do-livro","6.2 ",[99,1260,1261],{},"get_full_book_segment_summaries"," — Visão geral do livro",[10,1264,1265,1266,653],{},"Para: «resumir o livro», «avaliar este livro», «estrutura/temas globais»—",[117,1267,1268],{},"visão global",[10,1270,1271,1272,1275],{},"Concatenar todos os campos ",[99,1273,1274],{},"summary"," dos segmentos por ordem de leitura—evitar perder capítulos-chave só com relevância por bloco.",[61,1277,1279],{"id":1278},"_63-system-prompt-livro-primeiro-tools-primeiro","6.3 System Prompt: Livro primeiro, tools primeiro",[10,1281,1282,1283,876],{},"Com livro ligado, aplica-se ",[117,1284,1285],{},[1108,1286,1287],{},"Core Principles for Reading Assistant",[1031,1289,1292],{"className":1290,"code":1291,"language":1036},[1034],"1. Book First, Tool First\n   - Qualquer pergunta possivelmente sobre o livro deve chamar tools primeiro;\n   - Respostas devem basear-se sobretudo na recuperação—nunca inventar «conteúdo do livro» sem recuperação.\n\n2. General Knowledge as Fallback Only\n   - Só para: conversa casual / usuário pede explicitamente ignorar o livro / tools sem resultado;\n   - Se o livro não tem, dizer «não mencionado neste livro» antes de conhecimento geral.\n\n3. Direct Style\n   - Ir ao assunto—evitar «com base nos materiais fornecidos…» e frases vazias semelhantes.\n",[99,1293,1291],{"__ignoreMap":72},[10,1295,1296,1297,1300,1301,1304],{},"A geração roda o ciclo de tools: ",[99,1298,1299],{},"tool_calls"," → executar → acrescentar ",[99,1302,1303],{},"role: tool"," → continuar até texto final. Com tools ativas, o canal thinking desliga-se para evitar conflitos de protocolo.",[24,1306],{},[27,1308,1310],{"id":1309},"vii-rastreabilidade-no-frontend-da-nota-de-rodapé-ao-destaque","VII. Rastreabilidade no frontend: Da nota de rodapé ao destaque",[10,1312,1313,1314,1316],{},"A saída ",[99,1315,1070],{}," do modelo não se mostra em bruto; a camada de render transforma em citações clicáveis.",[61,1318,1320],{"id":1319},"_71-renderização-de-notas","7.1 Renderização de notas",[10,1322,1323,1324,1327],{},"Normalizar marcas para links Markdown como ",[99,1325,1326],{},"[1]([f5-123-165])",", renderizar como notas numeradas; deduplicar a mesma posição para evitar sobrecarga na UI.",[61,1329,1331],{"id":1330},"_72-interação-por-clique","7.2 Interação por clique",[672,1333,1334,1343,1349],{},[38,1335,1336,1339,1340,1342],{},[117,1337,1338],{},"Primeiro clique:"," Analisar ",[99,1341,1253],{}," → fileIndex + offsets → extrair texto do Spine → pré-visualização (título TOC opcional);",[38,1344,1345,1348],{},[117,1346,1347],{},"Mesma nota de novo:"," Fechar pré-visualização;",[38,1350,1351,1354],{},[117,1352,1353],{},"Confirmar salto:"," Abrir vista de leitura, destacar intervalo de caracteres.",[10,1356,1357,1358,1361],{},"Da marca copiada do modelo ao texto visível pelo usuário, a cadeia ",[117,1359,1360],{},"nunca passa por outra chamada LLM","—determinística e reproduzível.",[24,1363],{},[27,1365,1367],{"id":1366},"viii-casos-limite-e-degradação-honesta","VIII. Casos limite e degradação honesta",[10,1369,1370,1371,876],{},"Zero alucinação ≠ «sempre há resposta»—significa ",[117,1372,1373],{},"sem evidência, sem fabricação",[702,1375,1376,1386],{},[705,1377,1378],{},[708,1379,1380,1383],{},[711,1381,1382],{},"Cenário",[711,1384,1385],{},"Comportamento",[724,1387,1388,1396,1408,1416,1424],{},[708,1389,1390,1393],{},[729,1391,1392],{},"Resumos de segmentos ainda não prontos",[729,1394,1395],{},"Extrair texto integral e resumir primeiro",[708,1397,1398,1401],{},[729,1399,1400],{},"Tool não encontra nada",[729,1402,1403,1404,1407],{},"Devolver ",[99,1405,1406],{},"(No relevant segment excerpts found…)","; o modelo deve dizer que não está no livro",[708,1409,1410,1413],{},[729,1411,1412],{},"Marcas inválidas de duas partes do modelo",[729,1414,1415],{},"Frontend filtra; sem notas quebradas",[708,1417,1418,1421],{},[729,1419,1420],{},"Conversa casual",[729,1422,1423],{},"System Prompt permite conhecimento geral fora do livro",[708,1425,1426,1429],{},[729,1427,1428],{},"Exportar conversa",[729,1430,1431],{},"Notas podem virar deep links do leitor para compartilhar/arquivar",[10,1433,1434],{},[13,1435],{"alt":1436,"src":1437},"Exportação de conversa","https://cdn.linghuxiong.com/resources/snapshots/ai-chat-export.png",[24,1439],{},[27,1441,1443],{"id":1442},"ix-compromisso-de-design-por-que-não-vector-rag","IX. Compromisso de design: Por que não «vector RAG»?",[10,1445,1446,1447,1450],{},"Colegas em Q&A de documentos perguntam com frequência: se fazem retrieval-augmented generation, por que não ",[117,1448,1449],{},"Embedding + vector DB Top-K","?",[10,1452,1453,1456,1457,1460,1461,1464,1465,1468],{},[117,1454,1455],{},"Estamos fazendo RAG","—recuperar antes de gerar. A diferença: «RAG» na comunidade implica muitas vezes ",[117,1458,1459],{},"similaridade vetorial","; nosso estágio 3 é ",[117,1462,1463],{},"índice de segmentos + Tool com pull de fonte sob demanda","—",[117,1466,1467],{},"sem camada vetorial por design",". Seguem razões arquiteturais, sem negar o valor do vector RAG.",[61,1470,1472],{"id":1471},"escopo-não-sem-recuperação-mas-sem-recuperação-vetorial","Escopo: não «sem recuperação», mas «sem recuperação vetorial»",[35,1474,1475,1484],{},[38,1476,1477,1480,1481,627],{},[117,1478,1479],{},"RAG amplo:"," recuperar → gerar → ",[117,1482,1483],{},"fazemos isso",[38,1485,1486,1489,1490,653],{},[117,1487,1488],{},"Vector RAG:"," recall via similaridade de embedding → ",[117,1491,1492],{},"não nesta versão",[10,1494,1495,1496,1499,1500,1502],{},"O pré-processamento constrói um ",[117,1497,1498],{},"índice de resumos de segmentos","; o modelo escolhe segmentos via Tools e obtém ",[117,1501,743],{},". A recuperação existe sem modelo de embedding separado nem manutenção de índice vetorial.",[24,1504],{},[61,1506,1508],{"id":1507},"razão-1-providers-llm-personalizadosmanter-a-superfície-de-integração-pequena","Razão 1: Providers LLM personalizados—manter a superfície de integração pequena",[10,1510,1511,1512,1515,1516,1519],{},"Os usuários podem usar ",[117,1513,1514],{},"suas API keys",", URLs base personalizadas ou ",[117,1517,1518],{},"Ollama local","—o modelo de chat é escolha deles; custo e caminho de dados sob controle.",[10,1521,1522],{},"O vector RAG típico alarga a integração:",[35,1524,1525,1536,1539],{},[38,1526,1527,1528,1531,1532,1535],{},"Além do ",[117,1529,1530],{},"modelo de chat",", costuma precisar de ",[117,1533,1534],{},"modelo de embedding"," (outro nome, às vezes outro endpoint);",[38,1537,1538],{},"Ollama local precisa de modelo de embedding à parte e compatibilidade de dimensão/API;",[38,1540,1541,1542,1545],{},"Mais modos de falha: chat OK mas ",[117,1543,1544],{},"recuperação vazia","—embedding, índice ou dimensão inconsistentes; mais difícil depurar que um provider de ponta a ponta.",[10,1547,1548,1549,1552,1553,1556],{},"Aqui, ",[117,1550,1551],{},"seleção de segmentos e resposta compartilham a mesma configuração de provider","—sem «chat em A, índice em B». Para apps com ",[117,1554,1555],{},"LLM plugável",", isso muitas vezes supera alguns pontos de recall.",[10,1558,1559],{},[13,1560],{"alt":1561,"src":1562},"Providers de IA personalizados","https://cdn.linghuxiong.com/resources/snapshots/ai-customize-providers.png",[24,1564],{},[61,1566,1568],{"id":1567},"razão-2-embeddings-ligam-se-ao-índicetrocar-de-provider-é-caro","Razão 2: Embeddings ligam-se ao índice—trocar de provider é caro",[10,1570,1571,1572,1575,1576,1579,1580,1583],{},"Em vector RAG, ",[117,1573,1574],{},"vetores não são formato intermediário universal","—são coordenadas sob um modelo de embedding. Índice com A, consulta com B: similaridade normalmente ",[117,1577,1578],{},"incomparável","—muitas vezes ",[117,1581,1582],{},"re-embedding completo",", e dimensões (768 / 1024 / 1536 …) fixam o schema de armazenamento.",[10,1585,1586,1587,1590,1591,1594],{},"O estágio 3 persiste ",[117,1588,1589],{},"resumos estruturados + spans de caracteres",", não vetores; trocar modelo de chat ",[117,1592,1593],{},"não reconstrói o índice","; a cadeia de evidência (posições fonte) se mantém—alinhado com «experimentar LLMs diferentes a qualquer momento».",[24,1596],{},[61,1598,1600],{"id":1599},"razão-3-roteamento-estruturado-costuma-bastar-para-documentos-longos-com-toc","Razão 3: Roteamento estruturado costuma bastar para documentos longos com TOC",[10,1602,1603,1604,1607,1608,1611,1612,1615,1616,1621],{},"E-books e PDF têm normalmente ",[117,1605,1606],{},"estrutura de capítulos","; o pré-processamento produz ",[117,1609,1610],{},"títulos + resumos de segmentos",". Para «o que diz o capítulo X» ou «como o livro define Y», escolher segmentos no catálogo e ",[117,1613,1614],{},"puxar fonte"," funciona bem na prática; a Tool devolve ",[117,1617,1618,1619],{},"fonte com ",[99,1620,1253],{},", zero alucinação ancora-se em spans de caracteres.",[10,1623,1624,1625,1628,1629,1632],{},"Vetores ajudam em semântica difusa, multilíngue, desajuste literal em passagens longas; para leitores com ",[117,1626,1627],{},"TOC + pré-processamento + rastreabilidade forte",", investir em ",[117,1630,1631],{},"Tool + devolução de fonte + regras de citação"," costuma ter melhor ROI.",[24,1634],{},[61,1636,1638],{"id":1637},"futuro-recall-híbrido-não-reescrita","Futuro: Recall híbrido, não reescrita",[10,1640,1641,1642,1645,1646,1649,1650,1653,1654,1657],{},"Podemos acrescentar ",[117,1643,1644],{},"recall grosso vetorial"," (embedding só para Top-N capítulos candidatos), terminando sempre em ",[117,1647,1648],{},"escolher segmento → fonte → rastreio clicável","—regras zero alucinação inalteradas. Se adicionado: embedding ",[117,1651,1652],{},"opcional",", avisos explícitos de ",[117,1655,1656],{},"re-indexar"," ao mudar modelos—evitar recuperação errada silenciosa.",[10,1659,1660,1661],{},"Até lá: ",[117,1662,1663],{},"qualquer API de chat compatível com OpenAI funciona; trocar modelo de chat não reconstrói o índice local.",[24,1665],{},[27,1667,1669],{"id":1668},"x-resumo","X. Resumo",[702,1671,1672,1685],{},[705,1673,1674],{},[708,1675,1676,1679,1682],{},[711,1677,1678],{},"Etapa",[711,1680,1681],{},"Método",[711,1683,1684],{},"Papel",[724,1686,1687,1698,1711,1725,1736,1747],{},[708,1688,1689,1692,1695],{},[729,1690,1691],{},"Pré-processar",[729,1693,1694],{},"Dividir por TOC/comprimento + cache de resumos",[729,1696,1697],{},"Livros longos pesquisáveis e localizáveis",[708,1699,1700,1703,1708],{},[729,1701,1702],{},"Marcas de posição",[729,1704,1705,1707],{},[99,1706,577],{}," na fonte",[729,1709,1710],{},"Proveniência analisável",[708,1712,1713,1716,1722],{},[729,1714,1715],{},"Tool retrieval",[729,1717,1718,1719],{},"Segmentos por pergunta / resumos do livro, devolver ",[117,1720,1721],{},"fonte",[729,1723,1724],{},"Forçar evidência antes de responder",[708,1726,1727,1730,1733],{},[729,1728,1729],{},"System Prompt",[729,1731,1732],{},"Livro primeiro, sem marcas falsas, dizer quando falta",[729,1734,1735],{},"Restringir geração",[708,1737,1738,1741,1744],{},[729,1739,1740],{},"Frontend",[729,1742,1743],{},"Nota → pré-visualização → saltar e destacar",[729,1745,1746],{},"Usuário verifica evidência",[708,1748,1749,1752,1755],{},[729,1750,1751],{},"Sem recuperação vetorial",[729,1753,1754],{},"Provider único; trocar modelo de chat sem re-indexar",[729,1756,1757],{},"Menor custo de integração e migração",[10,1759,1760,1761,1764],{},"«Zero alucinação» não significa que o modelo nunca erra—significa ",[117,1762,1763],{},"engenharia que prende a saída a uma cadeia de evidência",": sem recuperação → não fingir conteúdo do livro; com recuperação → dar posições fonte verificáveis.",[10,1766,1767,1768,1771,1772,1775],{},"Se você desenvolve leitura com IA ou Q&A de documentos, esperamos que o caminho ",[117,1769,1770],{},"texto integral → frases-chave → Tool-first sob demanda",", mais ",[117,1773,1774],{},"marcas inline + devolução de fonte",", seja uma implementação de referência útil.",[18,1777,1778],{},[10,1779,1780,1781,1785,1786,653],{},"Estas são lições do desenvolvimento do leitor com IA ",[664,1782,267],{"href":1783,"rel":1784},"https://reader.linghuxiong.com",[668],"—apenas para referência. Experimente o leitor na ",[664,1787,1789],{"href":1788},"/pt-br#download","página de download",{"title":72,"searchDepth":238,"depth":238,"links":1791},[1792,1797,1798,1799,1800,1804,1811,1815,1816,1823],{"id":464,"depth":238,"text":465,"children":1793},[1794,1795,1796],{"id":480,"depth":244,"text":481},{"id":560,"depth":244,"text":561},{"id":656,"depth":244,"text":657},{"id":846,"depth":238,"text":847},{"id":907,"depth":238,"text":908},{"id":922,"depth":238,"text":923},{"id":1050,"depth":238,"text":1051,"children":1801},[1802,1803],{"id":1074,"depth":244,"text":1075},{"id":1100,"depth":244,"text":1101},{"id":1176,"depth":238,"text":1177,"children":1805},[1806,1808,1810],{"id":1195,"depth":244,"text":1807},"6.1 get_related_segment_summaries — Busca segmentada direcionada",{"id":1257,"depth":244,"text":1809},"6.2 get_full_book_segment_summaries — Visão geral do livro",{"id":1278,"depth":244,"text":1279},{"id":1309,"depth":238,"text":1310,"children":1812},[1813,1814],{"id":1319,"depth":244,"text":1320},{"id":1330,"depth":244,"text":1331},{"id":1366,"depth":238,"text":1367},{"id":1442,"depth":238,"text":1443,"children":1817},[1818,1819,1820,1821,1822],{"id":1471,"depth":244,"text":1472},{"id":1507,"depth":244,"text":1508},{"id":1567,"depth":244,"text":1568},{"id":1599,"depth":244,"text":1600},{"id":1637,"depth":244,"text":1638},{"id":1668,"depth":238,"text":1669},"2026-06-03","Notas de engenharia sobre Q&A zero alucinação em um leitor com IA—respostas baseadas no livro aberto, com citações em um clique até o trecho exato.",{},"/pt-br/blog/zero-hallucination-qa",{"title":438,"description":1825},"pt-br/blog/zero-hallucination-qa",[1831,1832,1833],"leitor","AI","engenharia","zero-hallucination-qa","HqreQtoYQB04cgdCfwJ13S_juhaEOfZ9iMbDiXlsWDU",1786513822178]