<?xml version="1.0" encoding="utf-8" standalone="yes"?>
<rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom">
  <channel>
    <title>Pgvector on Python Brasil — Aprenda Python em Português</title>
    <link>https://python.dev.br/tags/pgvector/</link>
    <description>Recent content in Pgvector on Python Brasil — Aprenda Python em Português</description>
    <generator>Hugo</generator>
    <language>pt-br</language>
    <lastBuildDate>Wed, 20 May 2026 04:14:05 +0000</lastBuildDate>
    <atom:link href="https://python.dev.br/tags/pgvector/index.xml" rel="self" type="application/rss+xml" />
    <item>
      <title>RAG com FastAPI e pgvector em Produção</title>
      <link>https://python.dev.br/blog/rag-fastapi-pgvector-producao/</link>
      <pubDate>Wed, 20 May 2026 00:00:00 +0000</pubDate>
      <guid>https://python.dev.br/blog/rag-fastapi-pgvector-producao/</guid>
      <description>&lt;p&gt;Criar um protótipo de &lt;strong&gt;RAG (Retrieval-Augmented Generation)&lt;/strong&gt; em Python ficou relativamente simples: você converte documentos, gera embeddings, salva vetores em algum lugar e envia os trechos recuperados para um LLM. O problema aparece quando esse protótipo precisa virar uma API usada por outras pessoas. Aí entram autenticação, limites de custo, tempo de resposta, rastreabilidade, atualização dos documentos, filtros por cliente e uma pergunta essencial: como saber se a resposta é confiável o suficiente para aparecer em produção?&lt;/p&gt;</description>
    </item>
  </channel>
</rss>
