Especialista em Rag para Otimização de Busca Híbrida em Corpus Jurídico

Estamos buscando um especialista em RAG (Retrieval Augmented Generation) para otimizar um módulo de nosso SaaS de licitações públicas em produção. Este módulo responde a perguntas de servidores municipais com base em um corpus jurídico composto por leis, decretos e jurisprudência de tribunais de contas. O sistema atual já está em funcionamento e possui métricas de desempenho, mas buscamos aprimoramentos significativos.

Requisito inegociável: A solução não pode alucinar. Citações de artigos inventadas ou parafraseadas de outras fontes e apresentadas como texto de lei são falhas críticas, pois as respostas geradas são utilizadas em decisões administrativas por servidores públicos.

Contexto atual:
- Aproximadamente 2.400 unidades normativas indexadas, com citação canônica e URL oficial.
- Utilização de PostgreSQL com pgvector para embeddings de 1536 dimensões.
- Implementação de busca híbrida (ramo exato por endereço + léxico tsvector pt + vetorial), com resultados fundidos por rrf (reciprocal rank fusion).
- Avaliação interna com 35 perguntas, gabarito e script Python para medir recall e citação indevida.
- Linha de base atual: 80% de recall geral, ~93% nos temas em escopo.

Problemas a serem resolvidos:
- Diluição: Incisos curtos são vetorizados junto com o caput e se perdem na busca.
- Recuperação parcial: Quando a resposta esperada é uma lista de incisos de um artigo, o modelo recupera apenas alguns (ex: 3 de 13) e completa o restante de forma inadequada.
- Falta de verificação determinística da citação contra os trechos recuperados.
- Perguntas fora de escopo ainda recuperam material forte, levando a respostas irrelevantes ou incorretas.

O projeto será dividido em duas etapas:
1. Diagnóstico pago: Incluirá a apresentação de evidências dos problemas identificados e um plano de ação priorizado.
2. Implementação: Execução do plano de melhorias.

Objetivo de aceite: Atingir recall igual ou superior a 95% nos temas em escopo, medido pelo nosso script de avaliação, com zero citações não ancoradas e sem regressão de desempenho.

Requisitos técnicos:
- Experiência comprovada com RAG em ambientes de produção (solicitaremos números de antes/depois de projetos anteriores).
- Proficiência em PostgreSQL e pgvector.
- Experiência com busca full-text em português.
- Conhecimento avançado em Python.
- Habilidade em métricas de recuperação e reranking.

Diferencial:
- Experiência com corpus jurídico pt-br.

Ambiente de trabalho: Será fornecido um ambiente de homologação, sem credenciais de produção. Será necessário assinar um NDA (Non-Disclosure Agreement).

Na proposta, solicitamos que o freelancer responda às seguintes perguntas:
1. Como resolver um inciso curto cujo vetor é dominado pelo caput? Apresente duas abordagens e qual delas tentaria primeiro.
2. Como garantir que nenhuma citação seja gerada sem estar presente nos trechos recuperados?
3. Descreva um projeto de RAG em produção que você tenha implementado: domínio, o que o sistema resolvia, o que quebrava antes da sua intervenção e os números de desempenho antes e depois.