{"id":16643,"date":"2024-12-09T15:10:12","date_gmt":"2024-12-09T23:10:12","guid":{"rendered":"https:\/\/www.couchbase.com\/blog\/?p=16643"},"modified":"2025-06-13T16:36:27","modified_gmt":"2025-06-13T23:36:27","slug":"vector-search-chrome-extension-content-quality","status":"publish","type":"post","link":"https:\/\/www.couchbase.com\/blog\/pt\/vector-search-chrome-extension-content-quality\/","title":{"rendered":"Decifrando o c\u00f3digo do controle de qualidade com o Vector Search"},"content":{"rendered":"

H\u00e1 uma boa chance de voc\u00ea encontrar a pesquisa vetorial regularmente, mesmo que n\u00e3o esteja criando aplicativos com ela. A descoberta de recomenda\u00e7\u00f5es de conte\u00fado com base em conte\u00fados anteriores que foram apreciados \u00e9 um caso de uso comum de embeddings vetoriais e que muitos de n\u00f3s utilizamos como consumidores de m\u00eddia. No entanto, talvez voc\u00ea n\u00e3o saiba que a pesquisa vetorial pode fazer muito mais do que nos dizer qual filme novo assistir em um s\u00e1bado \u00e0 noite. Antes de rolar at\u00e9 a se\u00e7\u00e3o de coment\u00e1rios da sua publica\u00e7\u00e3o favorita no blog, descubra como a pesquisa vetorial pode ajud\u00e1-lo a decidir se vale a pena perder seu tempo.<\/span><\/p>\n

Aplica\u00e7\u00f5es cotidianas da pesquisa vetorial<\/h2>\n

Primeiro, vamos nos lembrar do que estamos falando quando nos referimos \u00e0 pesquisa vetorial. Uma incorpora\u00e7\u00e3o de vetor \u00e9 uma lista de n\u00fameros que capturam o significado sem\u00e2ntico e contextual de um determinado conjunto de dados, seja ele texto, v\u00eddeo, imagens ou \u00e1udio. Isso \u00e9 poss\u00edvel usando modelos de incorpora\u00e7\u00e3o que s\u00e3o treinados em linguagem humana e em grandes quantidades de informa\u00e7\u00f5es. Quando falamos de pesquisa vetorial, estamos falando de pesquisar essas incorpora\u00e7\u00f5es vetoriais para chegar a resultados relevantes e outros casos de uso.<\/span><\/p>\n

\u00d3timo, agora que temos um entendimento compartilhado sobre o que estamos discutindo, vamos nos aprofundar no t\u00f3pico em quest\u00e3o, porque os vector embeddings podem fazer muito mais por n\u00f3s do que apenas nos mostrar o pr\u00f3ximo grande programa de culin\u00e1ria que vamos querer assistir.<\/span><\/p>\n

A pesquisa vetorial pode, com grande certeza, nos dar uma ideia da qualidade do conte\u00fado antes mesmo de come\u00e7armos a l\u00ea-lo.<\/span><\/p>\n

Exemplo pr\u00e1tico: an\u00e1lise de coment\u00e1rios em blogs<\/h2>\n

Todos n\u00f3s j\u00e1 passamos por se\u00e7\u00f5es de coment\u00e1rios em artigos que ficaram fora de controle. Os coment\u00e1rios t\u00eam pouco a ver uns com os outros, n\u00e3o est\u00e3o relacionados ao artigo ao qual supostamente est\u00e3o respondendo e est\u00e3o repletos de postagens de spam sobre esquemas de enriquecimento r\u00e1pido ou outros golpes semelhantes. Entretanto, \u00e0s vezes, as se\u00e7\u00f5es de coment\u00e1rios podem ser \u00fateis. Muitas vezes, os coment\u00e1rios podem levar uma conversa al\u00e9m do artigo original, com os leitores acrescentando seus pr\u00f3prios conhecimentos e pontos de vista. Li muitas publica\u00e7\u00f5es de blogs t\u00e9cnicos em que os comentaristas ofereceram solu\u00e7\u00f5es mais atualizadas desde que o artigo original foi publicado e me pouparam um tempo valioso ao pesquisar como corrigir um bug ou trabalhar com uma determinada biblioteca.<\/span><\/p>\n

Como sabemos quando uma se\u00e7\u00e3o de coment\u00e1rios se enquadra na primeira categoria e deve ser evitada, ou quando se enquadra na segunda categoria e devemos verific\u00e1-la?<\/span><\/p>\n

Converter a se\u00e7\u00e3o de coment\u00e1rios de uma publica\u00e7\u00e3o de blog em embeddings vetoriais e, em seguida, pontuar a similaridade contextual e sem\u00e2ntica dos coment\u00e1rios entre si pode nos dar muitas informa\u00e7\u00f5es para responder a essa pergunta.\u00a0<\/span><\/p>\n

Mas est\u00e1 se perguntando como voc\u00ea pode tentar fazer isso? Criei uma extens\u00e3o do Chrome s\u00f3 para voc\u00ea! Essa extens\u00e3o lhe dar\u00e1 a oportunidade de experimentar a utilidade da pesquisa vetorial muito al\u00e9m das recomenda\u00e7\u00f5es de conte\u00fado e do controle de qualidade. <\/span><\/p>\n

Embora a extens\u00e3o funcione para coment\u00e1rios em blogs, essa ideia vai al\u00e9m do controle de qualidade de publica\u00e7\u00f5es em blogs. Que tal a detec\u00e7\u00e3o de fraudes? O Revolut, um dos maiores bancos da Europa, est\u00e1 fazendo exatamente isso<\/a> para seus clientes de cart\u00e3o de cr\u00e9dito todos os dias.<\/span><\/p>\n

Criando a extens\u00e3o do Chrome<\/span><\/h2>\n

Quer dar uma olhada? Aqui est\u00e1 um guia passo a passo para executar essa extens\u00e3o do Chrome e ver como a pesquisa de vetores pode determinar a qualidade geral dos coment\u00e1rios de publica\u00e7\u00f5es de blog antes mesmo de voc\u00ea rolar a p\u00e1gina para baixo.<\/span><\/p>\n

Como uma nota de isen\u00e7\u00e3o de responsabilidade, essa extens\u00e3o requer conhecimento t\u00e9cnico para ser usada, pois n\u00e3o foi criada para produ\u00e7\u00e3o em massa. Ou seja, ter alguma familiaridade com o trabalho com o GitHub e a linha de comando ser\u00e1 muito \u00fatil. Voc\u00ea n\u00e3o precisa escrever nenhum c\u00f3digo. Tudo est\u00e1 escrito para voc\u00ea.<\/span><\/p>\n

A extens\u00e3o vem em duas partes: a pr\u00f3pria extens\u00e3o e um servidor da Web de back-end que processa os dados. Voc\u00ea precisa ter o servidor em execu\u00e7\u00e3o para obter resultados, portanto, vamos trabalhar em ambos.<\/span><\/p>\n

Configura\u00e7\u00e3o do servidor backend<\/h3>\n

Navegue at\u00e9 este reposit\u00f3rio do GitHub<\/a><\/span> em seu navegador da Web e clone o reposit\u00f3rio em seu computador. Se voc\u00ea tiver o <\/span>CLI do GitHub<\/span><\/a> voc\u00ea pode executar o seguinte em sua linha de comando:<\/span><\/p>\n

gh repo clone hummusonrails\/comments-spam-analyzer-backend<\/code><\/span>
\n<\/span><\/p>\n

Quando tiver o conte\u00fado, v\u00e1 para o diret\u00f3rio em seu terminal e renomeie o arquivo de vari\u00e1veis de ambiente de amostra de <\/span>.env.sample<\/code><\/span> para <\/span>.env<\/code><\/span>. O arquivo conter\u00e1 suas credenciais confidenciais para o OpenAI e o Couchbase, portanto, certifique-se de n\u00e3o compartilhar esse arquivo em nenhum site p\u00fablico como o GitHub.<\/span><\/p>\n

    \n
  1. \n
      \n
    1. V\u00e1 buscar seu <\/span>Chave da API da OpenAI<\/span><\/a>y do portal do OpenAI e adicione-o ao arquivo de ambiente.\u00a0<\/span><\/li>\n
    2. Criar um <\/span>novo grupo<\/span><\/a> e <\/span>balde<\/span><\/a> no Couchbase Capella, o banco de dados totalmente gerenciado como uma plataforma de servi\u00e7o. O Capella oferece uma op\u00e7\u00e3o de conta gratuita para sempre, que \u00e9 perfeita para usar nessa extens\u00e3o. Adicione os nomes do cluster e do bucket ao seu arquivo de ambiente.<\/span><\/li>\n
    3. Obtenha suas credenciais de conex\u00e3o do Couchbase Capella, caso ainda n\u00e3o as tenha criado, ou <\/span>criar novas credenciais<\/span><\/a> na interface do usu\u00e1rio. Adicione as credenciais de conex\u00e3o ao seu arquivo de ambiente.<\/span><\/li>\n
    4. Obtenha seu <\/span>Cadeia de conex\u00e3o do Couchbase Capella<\/span><\/a>. Adicione a string de conex\u00e3o ao seu arquivo de ambiente.<\/span><\/li>\n<\/ol>\n<\/li>\n<\/ol>\n

      Com seu arquivo de ambiente definido, instale as depend\u00eancias do servidor executando <\/span>npm install<\/span> na linha de comando e, em seguida, inicie o servidor executando <\/span>npm start<\/span>.<\/span><\/p>\n

      Seu servidor de back-end agora est\u00e1 em funcionamento e pronto para come\u00e7ar a processar os dados dos coment\u00e1rios, convertendo-os em incorpora\u00e7\u00f5es de vetores e fornecendo a voc\u00ea uma pontua\u00e7\u00e3o de porcentagem de qualidade.<\/span><\/p>\n

      Instalar e usar a extens\u00e3o do navegador<\/h3>\n

      Por \u00faltimo, mas certamente n\u00e3o menos importante, vamos colocar a extens\u00e3o do navegador em funcionamento.<\/span><\/p>\n

      Como na etapa anterior, primeiro navegue at\u00e9 este reposit\u00f3rio do GitHub<\/a><\/span> e clonar o reposit\u00f3rio. Se voc\u00ea tiver a CLI do GitHub, tamb\u00e9m poder\u00e1 executar o seguinte comando no terminal:<\/span><\/p>\n

      gh repo clone hummusonrails\/comments-spam-analyzer<\/code><\/span><\/p>\n

      No diret\u00f3rio do projeto, instale as depend\u00eancias executando <\/span>npm install<\/span> e depois <\/span>compila\u00e7\u00e3o npm<\/span> para criar a extens\u00e3o. Sua extens\u00e3o agora est\u00e1 pronta para ser adicionada ao navegador da Web.<\/span><\/p>\n

      Dentro do Chrome, navegue at\u00e9 chrome:\/\/extensions<\/code><\/a> e ativar Modo de desenvolvedor<\/em>. Clique no bot\u00e3o Carga n\u00e3o embalada<\/em>\u00a0que ser\u00e1 exibido depois que voc\u00ea ativar o modo de desenvolvedor e selecionar o diret\u00f3rio da extens\u00e3o em seu sistema de arquivos.\u00a0<\/span><\/p>\n

      A extens\u00e3o foi criada para funcionar com qualquer publica\u00e7\u00e3o de blog no popular blog de desenvolvedores, <\/span>https:\/\/dev.to\/<\/span><\/a>. Tudo o que voc\u00ea precisa fazer \u00e9 abrir uma postagem de blog do site e, em seguida, abrir a extens\u00e3o clicando na guia Extens\u00f5es no menu do navegador e escolhendo a op\u00e7\u00e3o Analisador de qualidade de coment\u00e1rios<\/em>\u00a0que voc\u00ea acabou de carregar.<\/span><\/p>\n

      Na primeira vez em que voc\u00ea executar a extens\u00e3o, ela solicitar\u00e1 o URL do seu servidor de back-end. Como voc\u00ea est\u00e1 executando-a localmente, digite <\/span>https:\/\/localhost:3000<\/span><\/a> e pressione Enviar. Em seguida, voc\u00ea pode clicar em Analisar e aguardar alguns segundos para que os resultados sejam processados. Depois de processados, voc\u00ea ver\u00e1 uma pontua\u00e7\u00e3o percentual da qualidade dos coment\u00e1rios nesse post do blog, conforme determinado pela similaridade sem\u00e2ntica e contextual. A ideia \u00e9 que quanto mais os coment\u00e1rios forem contextual e semanticamente semelhantes entre si, mais relevantes ser\u00e3o os coment\u00e1rios para o t\u00f3pico em quest\u00e3o.<\/span><\/p>\n

      Assista ao v\u00eddeo a seguir para v\u00ea-lo em a\u00e7\u00e3o:<\/p>\n

      \n
      \nhttps:\/\/www.couchbase.com\/blog\/wp-content\/uploads\/sites\/1\/2024\/12\/devto_comment_analyzer_720.mp4<\/a><\/video><\/div>\n<\/div>\n

      Aplicativos do mundo real e muito mais<\/h2>\n

      Essa extens\u00e3o do Chrome \u00e9 apenas a ponta do iceberg do que voc\u00ea pode realizar e criar com a pesquisa vetorial! Quer saber mais e se inspirar em como voc\u00ea pode criar casos de uso inovadores com a pesquisa vetorial? D\u00ea uma olhada nestes artigos para ler mais:<\/span><\/p>\n