RAG Engine em Rust

A maioria das demos de RAG para no busca vetorial pura. Este projeto vai além: um pipeline de recuperação híbrida em dois estágios onde a busca semântica por cosseno no pgvector reduz o conjunto de candidatos, depois um re-ranking por palavras-chave pontua dentro desse conjunto e combina os dois sinais. O resultado lida com consultas de termos exatos que enganam a busca vetorial pura, sem sacrificar o recall em consultas parafraseadas. Tudo em Rust — não por ser na moda, mas porque a arquitetura exige: um modelo de atores Actix por sessão WebSocket, um pipeline Ollama com concorrência limitada e uma integração com pgvector que precisa de async sem overhead. O lado de ingestão busca artigos de uma API REST no estilo HelpScout, converte HTML em Markdown limpo usando html2md e regras customizadas de scraper, armazena artigos canônicos no PostgreSQL via Diesel ORM, e depois distribui para dois pipelines paralelos: um microsserviço Python (Flask + all-MiniLM-L6-v2) gera os embeddings armazenados no pgvector, enquanto um pipeline Ollama com concorrência limitada gera palavras-chave e resumos por artigo. O pipeline de metadados usa um Semaphore do Tokio e buffer_unordered para limitar as chamadas simultâneas ao LLM local, com rastreamento estruturado de sucesso/parcial/falha e persistência dos IDs com falha para reprocessamento. O chat em streaming funciona através de um modelo de atores Actix. Cada conexão WebSocket gera um ator ChatSession; um ator central ChatServer roteia mensagens e gerencia o estado da sessão. A API de streaming do Ollama é consumida token por token e encaminhada em tempo real pela conexão — o cliente vê as palavras aparecerem conforme são geradas, ancoradas em artigos recuperados pelo pipeline híbrido. Um balanceador de carga Ollama round-robin com thread pool do Rayon está incluído no código para distribuição de inferência em múltiplas instâncias — presente e funcional, aguardando hardware. Este é um serviço exclusivamente de backend — o scaffold de frontend incompleto foi removido intencionalmente. O valor está na infraestrutura: um pipeline RAG em Rust de nível produção com recuperação híbrida real, chat em streaming e design centrado em inferência local. Build limpo, zero avisos do clippy, 19 testes, CI configurado. Código público no GitHub sob bredmond1019.