Navegue, Não Recupere: Como É uma Caçada de Verdade
Três movimentos, uma caçada real pelo corpus de uma pequena empresa, e por que o mesmo modelo 12B sai de 0/11 para 11/11 quando caminha por uma floresta em vez de ler uma colagem top-k.
A recuperação top-k entrega ao seu modelo uma pilha de chunks e uma prece. A navegação entrega ao seu agente um mapa, um orçamento e pernas. Aqui está o que "Navegue, não recupere" (Navigate, don't retrieve) significa quando uma pergunta real encontra um corpus real: os três movimentos, uma caçada comentada e os números que nos fizeram apostar no slogan.
Três movimentos, nenhuma mágica
Uma floresta MonkeyLLM é um grafo auto-hospedado de notas pequenas e curadas. Cada nó carrega um passaporte: um título, um resumo limitado a sessenta tokens, tags e aliases. Esse é o rótulo que um agente consegue ler sem pagar para abrir o nó. Sobre essa estrutura, os agentes fazem exatamente três tipos de movimento, expostos como ferramentas tipadas via MCP:
Navegar. O agente entra pela busca, lê os passaportes ao redor, segue um link e abre apenas o que precisa. Ele percorre o grafo do jeito que você percorre uma wiki quando está com pressa: lê o rótulo, decide, clica.
Plantar. Conhecimento novo é registrado como novos nós, com passaporte e links incluídos, para que a floresta cresça em vez de envelhecer.
Feromônio. Caçadas bem-sucedidas depositam rastros e cunham links de atalho. Em bom português: rotas que produziram respostas corretas ficam marcadas, como trilhas de formiga, e a mesma classe de pergunta custa menos saltos na próxima vez.
Cada salto tem orçamento de tokens. O agente nunca recebe mais do que um passaporte, a menos que abra um nó explicitamente, e cada abertura é debitada de um orçamento que o ambiente impõe.
Uma caçada comentada
Pegue um corpus cotidiano plausível: o conhecimento operacional de uma empresa de quarenta pessoas. Runbooks, postmortems, contratos de fornecedores, notas de onboarding, um calendário de compliance. Algumas centenas de nós depois de plantados.
A pergunta: por que os deploys de staging pausam na primeira segunda-feira de cada mês?
O agente busca "pausa deploy staging" e entra pelo nó do Runbook de Deploy de Staging. Seu passaporte diz que ele é dono do cronograma de deploys e aponta para uma Política de Congelamento de Mudanças. O agente abre a política: congelamentos estão amarrados a janelas de auditoria e fechamento, com um link para o Calendário de Compliance. Mais um salto: o calendário diz que a coleta de evidências do SOC 2 roda na primeira segunda-feira de cada mês, e os deploys congelam enquanto ela roda. O agente responde citando os três nós em que pisou.
Custo total: uma dúzia de passaportes lidos por alto, três nós abertos, algumas centenas de tokens cada.
Agora aponte a recuperação top-k clássica para a mesma pergunta. "Staging", "deploy" e "segunda-feira" acendem o runbook e um par de postmortems, enquanto o calendário de compliance quase não compartilha vocabulário com a consulta, então nunca chega à janela de contexto. O fato que conecta tudo vive nos links entre documentos, e links são exatamente o que um repositório plano de chunks joga fora. Destrinchamos esse modo de falha em por que multi-hop quebra o RAG: top-k é um único salto por construção, não importa o tamanho do k.
Os números por trás do slogan
Medimos isso com 11 perguntas estritamente multi-hop, cada uma exigindo pelo menos 3 saltos encadeados. O mesmo modelo local de 12B marca 0/11 como leitor de RAG top-k clássico e 11/11 como navegador de floresta.
O modelo não mudou entre as colunas. O ambiente mudou. Essa é a aposta que o sistema inteiro faz, e o argumento longo está em o Princípio da Floresta.
Honestidade, porque slogans convidam ao ceticismo: 11 perguntas é pouco, e dizemos isso. O corpus, os conjuntos de perguntas e o harness estão commitados, cada tabela é regenerada com um comando, e o relatório mantém um critério em que falhamos bem ao lado dos que passamos.
Comece a caminhar
Tudo acima roda em uma única RTX 3060 com 12 GB; um 12B quantizado cabe inteiro nela, e placas de 8 GB funcionam com quantização mais apertada ou apontando o binding de chat para qualquer endpoint compatível com OpenAI. O engine é Apache-2.0 e uma floresta sobe com quatro comandos: comece pelo quickstart ou pelo passo a passo com Docker.
Dê uma estrela no projeto em https://github.com/JimmyWesley/MonkeyLLM, ou melhor, reproduza você mesmo a tabela de 0/11 a 11/11. Tudo o que você precisa está em https://monkeyllm.com.