Um assistente de portfólio deve responder sobre projetos, tecnologias e resultados sem inventar experiência. A busca vetorial encontra um parágrafo parecido, mas nem sempre conecta projeto a componentes, função, período e evidência pública. Um grafo pequeno explicita essas relações, desde que cada afirmação continue vinculada à fonte.
Comece com uma ontologia enxuta: Pessoa, Projeto, Tecnologia, Função, Resultado e Fonte. Relações possíveis: DESENVOLVEU, USA, CONTRIBUIU_PARA, DEMONSTRA e DOCUMENTADO_POR. Não transforme toda frase em nó. O grafo útil é a menor estrutura capaz de responder às perguntas que o portfólio realmente recebe.
| Item do grafo | Exemplo | Evidência a preservar |
|---|---|---|
| Entidade | Projeto de telemetria com ESP32 | ID estável, URL canônica e data de verificação |
| Relação | Projeto USA MQTT | Trecho da fonte ou arquivo do repositório que sustenta a aresta |
| Afirmação | Reduziu esforço manual de relatórios | Se foi medido, relatado ou apenas resultado pretendido |
| Tecnologia | FastAPI | Associação comprovada a projeto, não nota inferida de proficiência |
Guarde URI da fonte, versão da extração, horário e estado de revisão. Separe fatos diretamente verificados de candidatos extraídos pelo modelo. Confiança numérica não é prova. Para afirmações subjetivas ou quantitativas, preserve o contexto exato e exija revisão antes da publicação.
Busca vetorial ajuda por similaridade semântica e a encontrar descrições pertinentes. Travessia de grafo atende perguntas relacionais: quais projetos usam determinada tecnologia, que evidências conectam habilidade e resultado ou quais componentes pertencem ao mesmo sistema. Um fluxo híbrido busca texto candidato, percorre poucas arestas tipadas e retorna trechos e caminho da relação.
Grafo não é automaticamente melhor. Para poucas páginas, JSON estruturado ou tabelas relacionais com busca podem ser mais simples. Adote banco de grafos quando perguntas de vários saltos, desambiguação ou atualização de relações justificarem a operação adicional. GraphRAG também pode exigir extração e indexação caras; compare a qualidade com uma abordagem mais simples.
Defina um contrato de resposta: usar apenas evidências recuperadas, citar URLs dos projetos perto das afirmações, distinguir contribuição individual de resultado do time e dizer quando faltam informações no portfólio. Se houver versões conflitantes, prefira a fonte revisada mais recente e exponha o conflito. Não deixe o LLM criar novas relações durante a resposta pública.
Indexe apenas material que pode ser divulgado. Exclua registros confidenciais de clientes, credenciais, contato pessoal e conteúdo privado de repositórios. Trate perguntas como entrada não confiável, autorize acesso antes da recuperação e evite expor metadados internos em prompt ou citação. Ofereça correção e exclusão para fatos desatualizados, inclusive em índices e resumos em cache.
Crie perguntas com fontes esperadas e citações corretas. Meça resolução de entidades, recuperação de evidências, precisão das citações, afirmações sem suporte, qualidade da abstenção e latência. Inclua pedidos adversariais para exagerar autoria ou revelar trabalho privado. Repita a avaliação quando mudar schema, extração ou recuperação.
Relacionado: pipelines RAG, limites da memória de agentes e arquitetura de LLM local.
Um grafo pessoal agrega valor ao conectar afirmações do portfólio a relações explícitas e fontes verificáveis. Comece pequeno, preserve proveniência, combine travessia e texto quando houver benefício e permita que o assistente se abstenha. O objetivo não é soar mais confiante, mas tornar cada resposta mais fácil de verificar.