---
title: "Nem tudo é RAG: por que grep venceu embeddings no meu auditor de código Progress"
author: moreira
published: 2026-07-21T01:32:31.556Z
url: https://especificos.vercel.app/u/moreira/nem-tudo-e-rag-por-que-grep-venceu-embeddings-no-meu-auditor-de-codigo-progress
---
> **TL;DR** — Se o seu dado tem *gancho* (nome de rotina, tabela, ID), busca léxica ganha de banco vetorial em custo **e** eficácia. Eu medi. No mundo Datasul/Progress, isso é quase sempre verdade.
"RAG = embeddings + banco vetorial." Você já leu isso mil vezes. Eu também — e cheguei a construir assim. Depois medi, e o resultado me fez arrancar a camada vetorial fora.
## 🎯 O problema
Auditar bases legadas em Progress 4GL/ABL contra um checklist de dezenas de verificações, comparando o código do cliente com um acervo de **~94 mil fontes-padrão** do ecossistema (EMS2, Foundation, EMS5).
A pergunta óbvia: *"vou indexar tudo com embeddings e fazer busca semântica, certo?"*
Errado — pelo menos pro meu caso.
## 💸 RAG vetorial cobra um pedágio contínuo
Busca por embeddings só compensa quando você precisa de **similaridade semântica**: achar algo por *significado difuso*, sem um gancho literal pra chegar nele.
O custo, porém, não é só o embedding inicial:
- 💸 Banco vetorial pra manter no ar (Postgres + pgvector)
- 💸 Pipeline de embedding rodando
- 💸 Decisões de chunking (tamanho? overlap? por função?)
- 💸 Re-indexação a cada mudança — **o índice envelhece a cada commit**
Cada item desses é manutenção eterna. Custo de indexação do `grep`: **zero**.
## 🪝 Código tem gancho — e isso muda tudo
| Meu alvo de busca | Exemplo | Tipo |
| --- | --- | --- |
| Nomes de rotina / programas | `CD0101`, `bo/boad098.p` | Léxico |
| Padrões de sintaxe | `EXCLUSIVE-LOCK`, `FOR EACH` | Léxico |
| Módulo, tabelas, dependências | quem chama quem | Estruturado |
| Acervo | finito e conhecido | Delimitado |
Quando o dado tem gancho **léxico ou estruturado**, a similaridade vetorial não adiciona *recall* — só adiciona *custo*. Um `grep` bem direcionado chega no trecho certo com precisão determinística, por uma fração do preço.
Rodei o A/B em projetos reais: um com RAG vetorial em Postgres, outro sem. O sem-RAG (grep + índice de metadados) saiu **mais eficaz e mais barato**.
## 🧭 A pergunta que decide
> 💡 **Eu tenho um gancho léxico/estruturado pra chegar no dado — ou só consigo descrevê-lo por significado?**
>
> **Tem gancho** → busca léxica (`grep`, índice de metadados). É o caso de código.
> **Só significado difuso** → aí sim, RAG vetorial paga o próprio custo.
O fluxo de decisão completo:
```mermaid
graph TD
A[Preciso recuperar
dados pro meu LLM] --> B{Tem gancho lexico
ou estruturado?}
B -- "Sim: codigo, IDs,
tabelas, metadado" --> C[grep / indice
de metadados]
B -- "Nao: significado
difuso" --> D[RAG vetorial
embeddings]
C --> E{Recall caiu em
criterios conceituais?}
E -- Nao --> F[Pronto:
simples e barato]
E -- Sim --> G[Hibrido: embedding so no
subconjunto que o
lexico nao cobre]
```
## 📚 Por que isso é maior que uma escolha técnica
Michael Albada (*Building Applications with AI Agents*) coloca RAG num degrau *abaixo* de agente numa escada de decisão — RAG "faz aparecer informação", não decide nem age. No meu sistema, o `grep` é uma **ferramenta dentro** do agente, não o sistema inteiro.
E Chip Huyen (*AI Engineering*) dá o princípio que sustenta tudo:
> A solução mais simples que atinge a qualidade-alvo **é** a solução certa — não uma versão inferior.
RAG casado com o problema errado é pagar por capacidade que você não usa.
## ⚠️ O ponto cego honesto do grep
> ⚠️ Busca léxica acha *onde a string aparece* — não *onde o conceito acontece sem a string*. Pra critérios conceituais ("trata erro adequadamente" sem palavra óbvia), o recall cai.
A saída é híbrida: léxico como camada primária, embeddings reservados **só pro subconjunto onde o léxico falha** — nunca as 94 mil fontes inteiras.
## 🏁 O que fica
Antes de subir um banco vetorial, faça a pergunta do gancho. No mundo Progress/Datasul — onde tudo tem nome, código e estrutura — você provavelmente vai economizar bastante indo de `grep`.
---
*E você — já mediu se o seu RAG vetorial está pagando o próprio custo, ou montou porque "todo mundo usa"? Conta aí nos comentários.*
---
Publicado por @moreira em Específicos — https://especificos.vercel.app/u/moreira/nem-tudo-e-rag-por-que-grep-venceu-embeddings-no-meu-auditor-de-codigo-progress