text-embedding-3-small (1.536 dimensões) para vetorizar os valores de colunas habilitadas. As queries são executadas via comparação de similaridade coseno no banco de dados.
Exemplo:
Um usuário pergunta “tem algum tênis para corrida de longa distância?”. A tabela contém uma linha com a descrição “Calçado esportivo de alto desempenho para maratonistas, com amortecimento reforçado”. O agente encontra essa linha via busca semântica mesmo sem nenhuma palavra em comum entre a pergunta e a descrição — porque os embeddings capturam a proximidade de significado entre os dois textos.
Quando Ativar a Busca Semântica
Ative a busca semântica em colunas onde a linguagem natural faz sentido como critério de busca:- Colunas de descrição de produtos, serviços ou eventos
- Colunas de observações, resumos e notas em formato de texto
- Colunas de categorias escritas por extenso (“eletrônicos”, “feminino”, “promoção especial”)
- Colunas de perguntas frequentes onde o usuário pode usar formulações variadas
- Colunas com identificadores únicos (CPF, SKU, código de pedido, ID interno)
- Colunas com valores numéricos armazenados como texto (ex.: “4990” para R$ 49,90)
- Colunas com status codificados onde a correspondência exata é suficiente (ex.: “ativo”, “inativo”, “pendente”)
- Colunas do tipo
NumbereBoolean— a busca semântica não está disponível para esses tipos
Cada inserção ou atualização em uma coluna com busca semântica ativa faz uma chamada à API de embeddings da OpenAI. Para tabelas com alto volume de inserções simultâneas, ative a busca semântica apenas nas colunas onde ela realmente agrega valor ao comportamento do agente.
O tipo da coluna não pode ser alterado após a criação. Se você precisa de busca semântica em uma coluna que foi criada como
Number ou Boolean, será necessário criar uma nova coluna do tipo String e migrar os dados existentes.