Chunking e embeddings no n8n: onde a maioria dos erros mora

Limite de contexto. Um manual inteiro não cabe na chamada ao modelo.

Precisão. Mesmo que coubesse, entregar duzentas páginas para responder uma pergunta piora o resultado. O modelo se perde em material irrelevante.

O objetivo do chunking é que cada pedaço seja autossuficiente: contenha uma ideia completa, compreensível sozinha.

2. Pedaços pequenos demais

O erro oposto e mais comum. Cortar em pedaços muito curtos separa a informação do seu contexto.

Exemplo concreto: o documento diz "A garantia é de 12 meses." e o parágrafo anterior dizia "Para produtos da linha profissional". Se o corte separou os dois, o trecho recuperado afirma que a garantia é de 12 meses — sem dizer para quê. O agente responde com confiança e erra.

3. Cortar no meio de uma ideia

Divisão por número fixo de caracteres corta onde calhar: no meio de uma frase, entre a pergunta e a resposta de um FAQ, entre o título e o conteúdo da seção.

Este é o erro mais caro porque não dá sintoma claro. O sistema funciona, recupera trechos, responde. Só que as respostas estão sutilmente erradas — e ninguém percebe até um cliente reclamar de algo que o robô prometeu.

Isso vale especialmente para FAQ, que é o formato ideal para base de conhecimento: cada pergunta com sua resposta forma um pedaço perfeitamente autossuficiente.

Use sobreposição

Sobreposição significa repetir um trecho do final de um pedaço no começo do seguinte. Parece desperdício e resolve o problema de corte no meio de uma ideia: se a informação estava na fronteira, ela aparece nos dois pedaços.

Uma sobreposição pequena, na faixa de 10% a 20% do tamanho do pedaço, costuma equilibrar bem.

Adicione contexto a cada pedaço

Truque que melhora muito e quase ninguém usa: incluir no começo de cada pedaço uma linha identificando de onde ele veio.

Em vez de o pedaço começar direto no texto, ele começa com algo como "Manual do Produto X — Seção Garantia". Assim o trecho recuperado carrega seu próprio contexto, e o modelo sabe do que está falando mesmo que o corte tenha sido imperfeito.

Um PDF digitalizado vira texto embaralhado. Uma apresentação de slides vira frases soltas sem contexto. Uma tabela vira sequência de números sem cabeçalho.

Nesses casos, nenhum ajuste de divisão salva. O caminho é converter o material para um formato limpo antes — e frequentemente reescrever o conteúdo como perguntas e respostas rende mais que qualquer parâmetro.

Se você tem um material desorganizado e pouco tempo, o melhor investimento é transformá-lo num FAQ. Vinte perguntas bem respondidas funcionam melhor que duzentas páginas mal divididas — e são muito mais fáceis de manter atualizadas.

• Dá para entender do que se trata?

• Tem alguma pergunta que ele responde por completo?

• Falta algum contexto que estava em outro lugar?

Se você não entende o pedaço isolado, o modelo também não vai entender.

Corte em fronteiras naturais, use sobreposição, adicione a origem no começo de cada pedaço. E antes de ajustar parâmetros, arrume o documento — é onde está o ganho maior.