Structure the tech specs directory (#836)

Tech spec some subdirectories for different languages

docs/tech-specs/pt/architecture-principles.pt.md

@@ -0,0 +1,113 @@
+---
+layout: default
+title: "Arquitetura de Grafos de Conhecimento: Fundamentos"
+parent: "Portuguese (Beta)"
+---
+
+# Arquitetura de Grafos de Conhecimento: Fundamentos
+
+> **Beta Translation:** This document was translated via Machine Learning and as such may not be 100% accurate. All non-English languages are currently classified as Beta.
+
+## Fundamento 1: Modelo de Grafo Sujeito-Predicado-Objeto (SPO)
+**Decisão**: Adotar SPO/RDF como o modelo central de representação de conhecimento
+
+**Justificativa**:
+- Fornece máxima flexibilidade e interoperabilidade com tecnologias de grafos existentes
+- Permite a tradução perfeita para outras linguagens de consulta de grafos (por exemplo, SPO → Cypher, mas não o contrário)
+- Cria uma base que "desbloqueia muitas" capacidades subsequentes
+- Suporta relacionamentos de nó para nó (SPO) e relacionamentos de nó para literal (RDF)
+
+**Implementação**:
+- Estrutura de dados principal: `node → edge → {node | literal}`
+- Manter a compatibilidade com os padrões RDF, ao mesmo tempo em que suporta operações SPO estendidas
+
+## Fundamento 2: Integração Nativa de Grafos de Conhecimento com LLMs
+**Decisão**: Otimizar a estrutura e as operações do grafo de conhecimento para a interação com LLMs
+
+**Justificativa**:
+- O caso de uso primário envolve LLMs interagindo com grafos de conhecimento
+- As escolhas da tecnologia de grafos devem priorizar a compatibilidade com LLMs em vez de outras considerações
+- Permite fluxos de trabalho de processamento de linguagem natural que aproveitam o conhecimento estruturado
+
+**Implementação**:
+- Projetar esquemas de grafo que os LLMs possam entender e usar efetivamente
+- Otimizar para padrões comuns de interação com LLMs
+
+## Fundamento 3: Navegação de Grafos Baseada em Incorporações
+**Decisão**: Implementar um mapeamento direto de consultas de linguagem natural para nós de grafos por meio de incorporações
+
+**Justificativa**:
+- Permite o caminho mais simples possível de uma consulta de PNL para a navegação no grafo
+- Evita etapas complexas de geração de consultas intermediárias
+- Fornece capacidades de pesquisa semântica eficientes dentro da estrutura do grafo
+
+**Implementação**:
+- `NLP Query → Graph Embeddings → Graph Nodes`
+- Manter representações de incorporação para todas as entidades do grafo
+- Suporte para correspondência de similaridade semântica direta para a resolução de consultas
+
+## Fundamento 4: Resolução Distribuída de Entidades com Identificadores Determinísticos
+**Decisão**: Suportar a extração de conhecimento paralela com identificação determinística de entidades (regra dos 80%)
+
+**Justificativa**:
+- **Ideal**: A extração em um único processo com visibilidade completa do estado permite a resolução perfeita de entidades
+- **Realidade**: Os requisitos de escalabilidade exigem capacidades de processamento paralelo
+- **Compromisso**: Projetar para identificação determinística de entidades em processos distribuídos
+
+**Implementação**:
+- Desenvolver mecanismos para gerar identificadores consistentes e exclusivos em diferentes extratores de conhecimento
+- A mesma entidade mencionada em processos diferentes deve resolver para o mesmo identificador
+- Reconhecer que ~20% dos casos extremos podem exigir modelos de processamento alternativos
+- Projetar mecanismos de fallback para cenários complexos de resolução de entidades
+
+## Fundamento 5: Arquitetura Orientada a Eventos com Publicação-Subscrição
+**Decisão**: Implementar um sistema de mensagens pub-sub para a coordenação do sistema
+
+**Justificativa**:
+- Permite o acoplamento frouxo entre os componentes de extração, armazenamento e consulta de conhecimento
+- Suporta atualizações e notificações em tempo real em todo o sistema
+- Facilita fluxos de trabalho de processamento distribuídos e escaláveis
+
+**Implementação**:
+- Coordenação orientada a mensagens entre os componentes do sistema
+- Streams de eventos para atualizações de conhecimento, conclusão da extração e resultados de consultas
+
+## Fundamento 6: Comunicação de Agentes Reentrantes
+**Decisão**: Suportar operações pub-sub reentrantes para o processamento baseado em agentes
+
+**Justificativa**:
+- Permite fluxos de trabalho sofisticados de agentes, nos quais os agentes podem acionar e responder uns aos outros
+- Suporta pipelines complexos de processamento de conhecimento de várias etapas
+- Permite padrões de processamento recursivos e iterativos
+
+**Implementação**:
+- O sistema pub-sub deve lidar com chamadas reentrantes com segurança
+- Mecanismos de coordenação de agentes que evitam loops infinitos
+- Suporte para orquestração de fluxos de trabalho de agentes
+
+## Fundamento 7: Integração com Armazenamento de Dados Colunares
+**Decisão**: Garantir a compatibilidade das consultas com sistemas de armazenamento colunar.
+
+**Justificativa**:
+- Permite consultas analíticas eficientes em grandes conjuntos de dados de conhecimento.
+- Suporta casos de uso de inteligência de negócios e relatórios.
+- Integra a representação de conhecimento baseada em grafos com fluxos de trabalho analíticos tradicionais.
+
+**Implementação**:
+- Camada de tradução de consultas: Consultas de grafos → Consultas colunares.
+- Estratégia de armazenamento híbrida que suporta tanto operações de grafos quanto cargas de trabalho analíticas.
+- Manter o desempenho das consultas em ambos os paradigmas.
+
+---
+
+## Resumo dos Princípios da Arquitetura
+
+1. **Flexibilidade em Primeiro Lugar**: O modelo SPO/RDF fornece a máxima adaptabilidade.
+2. **Otimização para LLM**: Todas as decisões de design consideram os requisitos de interação com LLM.
+3. **Eficiência Semântica**: Mapeamento direto de embeddings para nós para desempenho ideal da consulta.
+4. **Escalabilidade Pragmática**: Equilibrar a precisão perfeita com o processamento distribuído prático.
+5. **Coordenação Orientada a Eventos**: Pub-sub permite o acoplamento fraco e a escalabilidade.
+6. **Compatível com Agentes**: Suporta fluxos de trabalho complexos de processamento multi-agentes.
+7. **Compatibilidade Analítica**: Integra os paradigmas de grafos e colunares para consultas abrangentes.
+
+Essas bases estabelecem uma arquitetura de grafo de conhecimento que equilibra a rigidez teórica com os requisitos práticos de escalabilidade, otimizada para a integração com LLM e o processamento distribuído.