# Base de conhecimento de um agente de IA: como criar uma que o seu agente realmente usa

> Crie uma base de conhecimento de agente de IA que se mantém correta. O que incluir, ficheiros vs. RAG, como corrigir informação desatualizada e contraditória e um teste com 20 perguntas.

Last updated: 2026-09-28T10:00:00

Canonical URL: https://crevio.co/pt/blog/ai-agent-knowledge-base

*Última atualização: setembro de 2026*

**Uma base de conhecimento de um agente de IA raramente falha porque o agente não encontra a sua política de reembolsos. Falha porque encontra duas.** Em 2024, um tribunal canadiano ordenou à Air Canada que indemnizasse um cliente depois de o chatbot do site da companhia aérea descrever um reembolso por luto que a própria página de políticas da empresa excluía. O modelo fez o seu trabalho. O conhecimento em que se baseava era contraditório.

Este guia destina-se a proprietários de empresas que querem que um agente de IA conheça o negócio suficientemente bem para agir com base nesse conhecimento, quer o agente trate das operações da empresa, quer responda aos seus clientes. Explicamos o que deve incluir na base de conhecimento, o que deve deixar de fora, como os agentes a leem e como a testar antes de um cliente o fazer.

- **Uma base de conhecimento de um agente de IA é o registo escrito a partir do qual o agente trabalha**: políticas, informações sobre produtos, perguntas frequentes, procedimentos e aquilo que o agente aprendeu sobre si
- **Organize a informação pela frequência com que muda.** Regras estáveis devem ficar em ficheiros. Tudo o que muda mais do que uma vez por mês (preços, stock, encomendas) deve ser consultado em tempo real, nunca colado num ficheiro
- **A maioria das pequenas empresas não precisa de pesquisa vetorial.** Com menos de cerca de 500 páginas, um agente consegue abrir diretamente os ficheiros certos, o que é mais simples e muito mais fácil de corrigir
- **As contradições causam mais danos do que as lacunas.** Um agente que não encontra uma resposta pode dizê-lo. Um agente que encontra duas escolhe uma
- **Teste com 20 perguntas reais de clientes** numa conversa nova e corrija o ficheiro de origem, nunca a conversa

## O que é uma base de conhecimento de um agente de IA?

Uma base de conhecimento de um agente de IA é o conjunto de conhecimentos escritos sobre a empresa que um agente consulta antes de agir: as suas políticas, informações sobre produtos, respostas a perguntas frequentes, procedimentos passo a passo e factos que foi recolhendo enquanto trabalhava consigo. É o que transforma um modelo de uso geral em algo que conhece *o seu* prazo de reembolso, *o seu* melhor cliente e *a sua* forma de dizer não.

Inclui quatro tipos de conhecimento, que se comportam de formas diferentes:

| Tipo | Exemplo | Como pode correr mal |
|---|---|---|
| **Factos** | "O curso Pro tem 12 módulos e acesso vitalício" | Fica desatualizado quando o produto muda |
| **Regras** | "Reembolsos no prazo de 30 dias após a compra, sem fazer perguntas" | É contradito por uma versão antiga noutro local |
| **Procedimentos** | "Como integramos um novo cliente de coaching" | É demasiado vago para seguir, por isso o agente improvisa |
| **Memória** | "O Axel prefere respostas curtas e detesta pontos de exclamação" | É aprendido num dia mau e nunca é corrigido |

O termo abrange dois tipos de trabalho. Num deles, o agente trabalha *para* si: redige emails, atualiza produtos e cria relatórios, pelo que precisa de saber como a sua empresa funciona. No outro, o agente responde *aos seus clientes* a partir de uma base de conhecimento de suporte. A mesma base de conhecimento pode servir os dois propósitos. O risco é diferente, porque um cliente age com base no que o agente lhe diz. Abordamos a vertente de suporte numa secção própria mais abaixo.

## O que incluir na base de conhecimento do seu agente de IA

Comece pelo que já explica repetidamente. Para a maioria das pequenas empresas, trata-se de uma lista curta:

1. **Um parágrafo sobre a empresa.** O que vende, quem compra e o que não vende
2. **Políticas para os clientes.** Reembolsos, cancelamentos, expedição ou entrega, privacidade e horário de suporte, com a redação atual
3. **Informações sobre os produtos.** O que inclui cada produto, a quem se destina e a quem *não* se destina
4. **Perguntas frequentes nas palavras dos seus clientes.** Copie perguntas reais da sua caixa de entrada, não a linguagem da sua página de vendas
5. **Voz e tom.** Três respostas de que gostou são mais úteis do que um parágrafo de adjetivos
6. **Regras de encaminhamento.** O que o agente deve encaminhar para si: ameaças legais, reembolsos acima de determinado valor e tudo o que seja de natureza médica ou financeira
7. **Procedimentos que repete.** Integrar um cliente, lançar um produto e responder a uma contestação de pagamento

A decisão mais difícil é determinar onde deve ficar cada elemento. Organize-os pela frequência com que mudam, não por tema:

![Diagrama que mostra três camadas de conhecimento empresarial para um agente de IA: instruções permanentes lidas em cada tarefa, ficheiros de referência abertos quando necessário e ligações a dados em tempo real consultadas no momento](https://crevio.co/vite/assets/where-business-knowledge-belongs-i0z68ico.svg)

### O que deixar de fora

- **Tudo o que muda mais do que uma vez por mês.** Preços, códigos de desconto, stock, reservas e estado das encomendas devem ficar no sistema que os gere. O agente deve consultá-los através de uma integração. Um preço escrito num documento é uma resposta errada à espera de acontecer
- **Palavras-passe e chaves de API.** Os ficheiros de conhecimento podem ser lidos, citados e copiados para rascunhos. As credenciais devem ficar num sistema próprio de gestão de segredos
- **Versões antigas.** Elimine a política de reembolsos de 2024. Mantê-la "para referência" na mesma pasta é a forma de começar o problema da Air Canada
- **Texto de marketing exagerado.** Se a sua página de vendas diz "suporte ilimitado", o agente prometerá suporte ilimitado. Não consegue distinguir entusiasmo de política

## Como os agentes leem uma base de conhecimento: ficheiros, pesquisa ou RAG

Há três formas de um agente aceder ao seu conhecimento, e a escolha certa depende sobretudo da dimensão.

| Abordagem | Como funciona | Ideal para | Principal desvantagem |
|---|---|---|---|
| **Carregar tudo** | Toda a base de conhecimento é incluída em cada pedido | Algumas páginas de instruções essenciais | Custo e perda de qualidade à medida que o prompt cresce |
| **Ficheiros e pesquisa** | Um índice curto é sempre carregado; o agente pesquisa e abre ficheiros conforme necessário | A maioria das pequenas empresas | O agente tem de escolher o ficheiro certo |
| **Pesquisa vetorial (RAG)** | Os documentos são divididos em segmentos; os segmentos mais semelhantes são obtidos para cada pergunta | Milhares de páginas, grandes bibliotecas de suporte | Os segmentos perdem contexto e é difícil diagnosticar o que não foi encontrado |

Para uma pequena empresa, os números favorecem a opção mais simples. No seu artigo sobre recuperação de informação, a [Anthropic explica](https://www.anthropic.com/engineering/contextual-retrieval) que, se uma base de conhecimento tiver menos de 200 000 tokens, "cerca de 500 páginas de material", pode fornecer o conteúdo completo ao modelo "sem precisar de RAG ou de métodos semelhantes". As políticas, informações sobre produtos e perguntas frequentes da maioria das pequenas empresas cabem em algumas dezenas de páginas.

Isso não significa que deva incluir tudo em todos os pedidos. A investigação da [Chroma sobre a degradação do contexto](https://www.trychroma.com/research/context-rot) testou 18 dos principais modelos e concluiu que "o desempenho do modelo degrada consistentemente à medida que aumenta o comprimento da entrada", mesmo em tarefas simples. Assim, para uma pequena empresa, o ponto de equilíbrio prático são os ficheiros e a pesquisa: um índice curto que o agente vê sempre e ficheiros temáticos que abre quando a tarefa o exige.

A pesquisa vetorial tem o seu lugar. Com milhares de artigos de ajuda, a complexidade compensa. É também aí que as bases de conhecimento se tornam difíceis de compreender. Nos próprios testes da Anthropic, uma configuração de recuperação padrão deixou a passagem certa fora dos 20 principais resultados em 5,7% dos casos, e foram necessárias várias técnicas adicionais para reduzir esse valor para 1,9%. Com ficheiros, quando o agente se engana, consegue ver que ficheiro abriu e corrigi-lo.

## Como estruturar uma base de conhecimento de um agente de IA para que o agente a use

Uma base de conhecimento pode estar tecnicamente completa e, ainda assim, ser ignorada. Estes hábitos fazem a diferença:

- **Mantenha um índice.** Uma linha por ficheiro: uma ligação e uma indicação que diga quando o abrir, como "Política de reembolsos: prazo de 30 dias, exceções para bundles". O agente lê primeiro o índice. Um ficheiro que não seja mencionado no índice é, na prática, invisível
- **Um tema por ficheiro e cada facto num só lugar.** Se o prazo de reembolso aparecer em três ficheiros, acabará por ter três versões diferentes
- **Escreva regras com números.** "Reembolsos no prazo de 30 dias após a compra" é melhor do que "cerca de um mês". "Encaminhar reembolsos superiores a 200 €" é melhor do que "encaminhar reembolsos elevados"
- **Inclua o motivo e a exceção.** "Não há reembolsos de sessões de coaching já realizadas, porque o tempo já foi despendido. Exceção: se fomos nós a cancelar." Os agentes lidam muito melhor com exceções quando conhecem o motivo da regra
- **Diga o que fazer quando a informação não estiver abrangida.** "Se a resposta não estiver aqui, diga que vai confirmar e sinalize-me o caso." Sem esta indicação, o agente preenche a lacuna com algo plausível
- **Mostre, não descreva.** Duas respostas reais de que gostou ensinam melhor o tom do que "amigável, mas profissional"
- **Indique a data de tudo o que seja temporal.** "Em vigor a partir de 1 de setembro de 2026" permite-lhe, a si e ao agente, identificar o que está desatualizado

Os procedimentos repetíveis merecem o seu próprio formato. Abordámos esse tema em [como escrever skills para agentes de IA](/pt/blog/ai-agent-skills): uma skill contém *como* executar uma tarefa, enquanto a base de conhecimento contém *o que é verdade*.

## Informação desatualizada e contradições: como as bases de conhecimento falham

As lacunas são a falha para a qual todos se preparam. Também são as menos perigosas, porque um agente sem resposta pode dizer que não sabe.

**As contradições são piores.** Nos testes da Chroma, "até uma única distração reduz o desempenho". Uma distração é um texto que parece relevante, mas não responde à pergunta. Numa empresa, as piores distrações também dão uma resposta diferente: a página de preços antiga, as perguntas frequentes do ano passado ou o comentário casual "podemos abrir uma exceção" numa nota de há seis meses. O agente não sabe qual delas pretendia. Escolhe uma.

O caso da Air Canada mostra o custo. O chatbot disse a um cliente enlutado que podia pedir uma tarifa por luto depois da viagem; a política real da companhia aérea não o permitia. O tribunal considerou a companhia responsável pelo que o chatbot disse e ordenou-lhe que pagasse a diferença da tarifa. A [American Bar Association classificou o caso](https://www.americanbar.org/groups/business_law/resources/business-law-today/2024-february/bc-tribunal-confirms-companies-remain-liable-information-provided-ai-chatbot/) como um lembrete de que as empresas continuam responsáveis pelas suas ferramentas de IA.

**A desatualização é a versão lenta do mesmo problema.** Um documento escrito em março está correto em março. Em setembro, tornou-se discretamente numa de duas respostas: a antiga, no ficheiro, e a nova, na sua cabeça.

Três regras evitam a maioria destes problemas:

1. **Altere um facto no local onde está indicado.** Não adicione um novo ficheiro que contradiga o antigo. Edite ou elimine o original
2. **A versão mais recente prevalece, de forma explícita.** Se duas fontes puderem divergir, diga ao agente qual é a fonte oficial
3. **Um responsável por ficheiro.** Alguém tem de reparar quando a política de reembolsos muda. Numa empresa unipessoal, essa pessoa é você, por isso mantenha a lista curta

## Como manter a sua base de conhecimento atualizada

É na manutenção que as bases de conhecimento costumam degradar-se. A solução é associar as atualizações a acontecimentos que já acompanha, e não a um lembrete no calendário que irá adiar.

| Quando isto acontece | Atualize isto |
|---|---|
| Altera um preço ou lança um produto | O ficheiro de informações sobre produtos (e nada mais, se os preços forem consultados em tempo real) |
| Altera uma política | Esse ficheiro de política e, depois, elimine qualquer cópia antiga |
| Corrige o agente duas vezes sobre o mesmo assunto | Adicione ou corrija o ficheiro que deveria abranger o tema |
| Um cliente faz uma pergunta nova três vezes | Adicione-a às perguntas frequentes, usando as palavras do cliente |
| Contrata alguém ou altera a distribuição de responsabilidades | As regras de encaminhamento |

Uma vez por mês, dedique 15 minutos a pedir ao agente que resuma aquilo que acredita sobre os seus reembolsos, produtos e clientes. As crenças erradas vêm rapidamente ao de cima quando as lê numa lista.

Se o seu agente mantiver a própria memória, trate o que guarda como as notas de uma nova contratação: úteis, geralmente corretas e que vale a pena rever. Uma memória que se escreve sozinha continua a precisar de um leitor.

## Como testar a base de conhecimento do seu agente de IA

Testar é o passo que quase todos ignoram e demora menos de uma hora.

![Ciclo de quatro passos para testar uma base de conhecimento de um agente de IA: recolher 20 perguntas reais, colocá-las numa conversa nova, avaliar cada resposta e corrigir o ficheiro de origem em vez da resposta](https://crevio.co/vite/assets/knowledge-base-test-loop-nlvijmc1.svg)

1. **Recolha 20 perguntas reais** da sua caixa de entrada, mensagens diretas e chamadas de vendas. Inclua três perguntas a que o agente deve recusar-se a responder ou que deve encaminhar, como um pedido de reembolso muito fora da política
2. **Faça cada pergunta numa conversa nova.** A conversa anterior pode fornecer pistas. Pergunte ao agente de onde veio a resposta
3. **Avalie cada resposta**: certa, errada, inventada ou "não sei". Considere "não sei" uma resposta aprovada quando a base de conhecimento não abranger realmente a pergunta
4. **Corrija a origem, não a resposta.** Corrigir o agente na conversa resolve uma única conversa. Corrigir o ficheiro resolve todas as conversas seguintes

Depois, faça duas verificações específicas. **Teste de contradição:** altere uma política e faça uma pergunta sobre ela. Se o agente citar a versão antiga, existe uma cópia escondida algures. **Teste de lacuna:** faça uma pergunta que sabe não estar abrangida. A resposta certa é um "Vou ter de confirmar" claro, não um palpite confiante.

Guarde as 20 perguntas. Volte a executá-las depois de cada alteração significativa. É o mais próximo que uma pequena empresa tem de um teste de regressão.

## Bases de conhecimento de IA para agentes de suporte ao cliente

Grande parte do que se escreve sobre bases de conhecimento de IA diz respeito ao suporte: um agente de IA que responde aos clientes a partir do centro de ajuda. Os princípios acima aplicam-se, mas os riscos são maiores.

A economia é o motivo pelo qual as empresas experimentam esta solução. Os [dados de referência da Gartner](https://www.gartner.com/en/documents/5164231) apontam para um custo mediano de 1,84 $ por contacto de self-service, contra 13,50 $ por contacto assistido. Esta poupança só existe se as respostas estiverem corretas, porque os clientes agem com base nelas sem as confirmar.

O que muda num agente voltado para o cliente:

- **Escreva para a pergunta, não para a página do produto.** Os clientes perguntam "posso ser reembolsado se ainda não tiver começado o curso?", não "política de reembolsos"
- **As regras de encaminhamento tornam-se o ficheiro mais importante.** Decida antecipadamente o que o agente nunca deve prometer: reembolsos fora da política, datas de entrega e aconselhamento jurídico ou médico
- **Leia semanalmente as conversas não resolvidas.** Cada pergunta a que o agente não conseguiu responder corresponde a um ficheiro em falta
- **Crie rascunhos antes do envio enquanto ganha confiança.** Em tudo o que envolva dinheiro, peça ao agente para criar um rascunho e a uma pessoa para o aprovar. Explicámos que ações merecem esse controlo em [agentes de IA com supervisão humana](/pt/blog/human-in-the-loop-ai-agents)

Se recebe um grande volume de perguntas de clientes, ferramentas de suporte dedicadas, como o [Fin da Intercom](https://fin.ai/) e a [Zendesk](https://www.zendesk.com/), foram criadas precisamente para este trabalho, com sincronização com o centro de ajuda e relatórios de resolução.

## Como o agente da Crevio armazena o conhecimento da empresa

A [Crevio](https://crevio.co/) é uma [ferramenta de criação de empresas com IA](/pt/blog/ai-business-builder): descreve o que quer vender e o agente cria a loja, processa pagamentos, escreve o marketing e continua a trabalhar consigo na empresa. Tudo o que explicámos acima influenciou a forma como esse agente guarda o que sabe sobre a sua empresa.

![Página inicial da Crevio: IA que cria a sua loja, processa os seus pagamentos, escreve o seu marketing e aumenta as suas vendas](https://crevio.co/vite/assets/crevio-homepage-k3m1mvi1.png)

Eis como funciona atualmente:

- **A memória consiste em ficheiros simples, com dois níveis de acesso.** A memória da empresa (como a empresa funciona) é partilhada com toda a equipa. A memória pessoal (as suas preferências) permanece privada. Cada uma tem um índice curto incluído em todas as conversas, limitado a 6 000 caracteres para a empresa e 2 000 para as notas pessoais. Os ficheiros temáticos só são abertos quando uma tarefa precisa deles
- **Guarda informação quando deve.** O agente guarda uma memória quando lhe pede para se lembrar de algo, quando o corrige ou quando indica um facto permanente, como uma política, um número ou uma regra. Não guarda palavras-passe nem copia informações que a Crevio já regista
- **Os dados em tempo real permanecem em tempo real.** Os produtos, as encomendas, os clientes e o site são consultados diretamente, não memorizados, para que uma alteração de preço nunca deixe uma cópia desatualizada
- **Organiza-se sozinho.** Periodicamente, no máximo uma vez por dia, um processo de limpeza junta memórias duplicadas, resolve contradições a favor do facto mais recente e remove o que está desatualizado. Primeiro, cria uma cópia do estado atual
- **Sem pesquisa vetorial.** O agente pesquisa os ficheiros no próprio computador e as conversas anteriores em texto simples e, depois, lê o que encontra. Pode anexar ficheiros a uma conversa para lhe fornecer documentos com que trabalhar

Também pode moldar diretamente o conhecimento. Cada bot que cria tem um campo Persona, que é adicionado às instruções e é o local certo para definir o tom e as regras permanentes:

![Definições de bot da Crevio com os campos Name, Handle, Role e Persona, que é adicionado às instruções do bot](https://crevio.co/vite/assets/crevio-bot-persona-field-d2jyuuyk.png)

Os procedimentos ficam nas skills, que pode instalar, carregar ou deixar o agente criar com base na experiência. E, se o agente tiver aprendido algo errado, as Definições → Avançadas incluem uma opção de reposição:

![Definição AI Workspace Knowledge da Crevio com um botão Reset AI knowledge que elimina as notas acumuladas sem afetar a loja](https://crevio.co/vite/assets/crevio-reset-ai-knowledge-nkms8zwb.png)

As ressalvas importantes: ainda não existe uma página própria para consultar e editar a memória, pelo que terá de a rever perguntando ao agente, numa conversa, o que sabe. A reposição elimina tudo. Além disso, a Crevio não é um bot de suporte voltado para o cliente; o agente trabalha para si, não num widget de ajuda no seu site. A Crevio tem um plano gratuito com 20 créditos de IA por mês, por isso pode indicar-lhe hoje a sua política de reembolsos e verificar na próxima semana se ainda a conhece.

## O que ninguém lhe diz

**Escrever expõe as suas próprias contradições.** O primeiro rascunho de uma política de reembolsos para um agente costuma revelar que tem tratado os reembolsos de três formas diferentes. Isso é um problema da empresa que o agente veio expor, não um problema de IA.

**Os agentes seguem as regras escritas de forma mais literal do que os funcionários.** Uma pessoa lê "não há reembolsos depois de 30 dias" e ainda assim abre uma exceção para um cliente cujo cartão foi debitado duas vezes. Um agente precisa que a exceção esteja escrita.

**Eliminar é a alteração com mais valor.** Depois do primeiro mês, a maioria das melhorias numa base de conhecimento consiste em remover: as perguntas frequentes antigas, a política duplicada e a nota que já não é verdadeira. Menos texto sem contradições é melhor do que mais texto com algumas contradições.

**A base de conhecimento é o que distingue um agente de um assistente.** Uma correção que continua válida um mês depois, após a realização de outras tarefas, é o teste que usámos em [funcionário de IA vs agente de IA](/pt/blog/ai-employee-vs-ai-agent). Sem conhecimento duradouro, cada sessão começa do zero.

## Perguntas frequentes sobre bases de conhecimento de agentes de IA

### O que é uma base de conhecimento de um agente de IA?

Uma base de conhecimento de um agente de IA é o conhecimento escrito sobre a empresa que um agente consulta antes de agir: políticas, informações sobre produtos, perguntas frequentes, procedimentos e preferências memorizadas. Permite que um modelo de IA de uso geral responda e aja como a sua empresa agiria, em vez de adivinhar com base no conhecimento geral.

### Preciso de RAG ou de uma base de dados vetorial para o meu agente de IA?

Provavelmente não, se tiver uma pequena empresa. A Anthropic sugere que o conhecimento com menos de cerca de 500 páginas pode ser fornecido diretamente a um modelo. Um índice curto, acompanhado por ficheiros temáticos que o agente abre quando necessário, é mais simples, barato e fácil de corrigir. O RAG faz sentido quando existem milhares de documentos.

### Qual é a diferença entre a memória de um agente e uma base de conhecimento?

Uma base de conhecimento é aquilo que escreve deliberadamente: políticas, informações sobre produtos e procedimentos. A memória é aquilo que o agente aprende enquanto trabalha consigo, como preferências e correções. Ambos exigem os mesmos cuidados: cada facto num só lugar e versões antigas eliminadas.

### Com que frequência devo atualizar a base de conhecimento do meu agente de IA?

Atualize-a quando algo mudar, não segundo um calendário: um preço novo, uma política alterada ou uma correção que tenha feito duas vezes. Acrescente uma revisão mensal de 15 minutos, durante a qual pede ao agente que resuma o que acredita sobre os seus produtos e políticas.

## Em resumo

Uma base de conhecimento de um agente de IA só é tão boa quanto o seu ficheiro menos correto. Mantenha-a pequena, coloque cada facto num só lugar, deixe que os sistemas em tempo real respondam a perguntas em tempo real e teste-a com as perguntas que os seus clientes realmente fazem. O agente seguirá aquilo que escreveu, por isso certifique-se de que continua a ser verdade.

## Artigos relacionados

- [Skills de agentes de IA: o que são e como escrever uma que funciona](/pt/blog/ai-agent-skills)
- [Agentes de IA com supervisão humana: o que aprovar e o que deixar executar](/pt/blog/human-in-the-loop-ai-agents)
- [Funcionário de IA vs agente de IA: a diferença que realmente importa](/pt/blog/ai-employee-vs-ai-agent)
- [Agentes de IA para pequenas empresas: que tarefas delegar primeiro](/pt/blog/ai-agents-for-small-business)