Metodologia Orientada a Agentes de Linguagem para Assistência Automotiva: Integrando Engenharia de Prompts em Chatbots Avançados
Retrieval-Augmented Generation, Modelos de Linguagem, Engenharia de Prompts, Self-RAG, Gradiente Descendente, Assistência Automotiva.
A crescente presença de sistemas digitais em veículos tem ampliado o número de funcionalidades disponíveis ao usuário. No entanto, dúvidas recorrentes relacionadas ao uso desses recursos, à interpretação de alertas e à execução de procedimentos operacionais básicos ainda exigem a consulta aos manuais do proprietário para que o manuseio do veículo ocorra de forma adequada. Embora a digitalização desses documentos represente um avanço em relação aos suportes físicos, o acesso às informações continua limitado, sobretudo em situações que exigem respostas rápidas e linguagem acessível. Diante desse contexto, este trabalho propõe uma abordagem orientada a agentes de linguagem, fundamentada na técnica de Retrieval-Augmented Generation (RAG), com o objetivo de facilitar a consulta especializada a conteúdos técnicos de manuais automotivos. A metodologia abrange etapas de segmentação textual, indexação em base vetorial e elaboração de prompts adaptados a Modelos de Linguagem de Grande Escala. A aplicação incide sobre documentos técnicos de duas montadoras, nos quais são avaliadas diferentes variantes da técnica RAG. Os resultados são analisados com base em métricas linguísticas e de similaridade textual, avaliando critérios como clareza das respostas, pertinência dos trechos recuperados e cobertura temática. Deste modo, conclui-se que esse trabalho pode oferecer uma alternativa que contribua para atenuar as dificuldades enfrentadas pelos usuários na interação com os sistemas embarcados dos veículos.