Benchmarking para RAG e agentes melhores: tunagem de Vector Search com o MLflow

A tunagem de Vector Search para RAG e agentes de IA exige isolar um parâmetro de configuração por vez em relação a um conjunto de avaliação fixo, em vez de depender de configurações padrão. O uso da avaliação de retrievers do MLflow para acompanhar métricas como precision@k e nDCG@k permite que as equipes meçam e comparem sistematicamente o impacto de modelos de embedding, tamanhos de chunk e rerankers lado a lado.