# Agentic Search

Source: https://docs.mira.day/pt/docs/agent-sourcing/agentic-search

> Descreva a pessoa que você procura em linguagem natural. O Mira pesquisa em múltiplas fontes de dados, avança passo a passo e retorna candidatos com o motivo pelo qual cada um se encaixa.



O Agentic Search é a forma como o Mira encontra pessoas. Você não precisa escrever strings booleanas nem equilibrar palavras-chave — **descreva quem você está procurando em linguagem natural, e o Mira trabalha como um recrutador experiente: pesquisa em múltiplas fontes de dados, segue as pistas passo a passo e explica por que cada candidato se encaixa.**

***

O que ele resolve [#o-que-ele-resolve]

A busca tradicional de candidatos tem duas limitações internas:

* **Uma única base de dados.** As pessoas certas estão espalhadas por redes profissionais, comunidades de código, plataformas de pesquisa e sites de empresas — uma única base de dados inevitavelmente deixa algumas de lado.
* **Uma única passagem.** Uma correspondência por palavras-chave tende a retornar pessoas com currículos bem apresentados, não necessariamente as que são um bom encaixe real.

O Agentic Search é diferente em ambos os aspectos: ele coleta de **múltiplas fontes de dados** e avança em **múltiplas etapas** — decidindo onde buscar a seguir com base no que a etapa anterior revelou — até encontrar as pessoas certas, incluindo candidatos passivos que não estão procurando ativamente.

Como funciona [#como-funciona]

1. **Você descreve a necessidade** — em linguagem do dia a dia: o cargo, os requisitos indispensáveis e os desejáveis.
2. **O Mira pesquisa** — em múltiplas fontes de dados, seguindo pistas (empresas, stacks tecnológicas, projetos, trabalho público) e fazendo verificações cruzadas.
3. **Você recebe resultados explicáveis** — uma lista de candidatos em que cada pessoa vem acompanhada de *por que se encaixa*.
4. **Você refina** — se a direção não estiver certa, basta dizer ou adicionar uma restrição, e o Mira se ajusta.

Funcionalidades principais [#funcionalidades-principais]

* **Cobertura multi-fonte** — pesquisa em múltiplas fontes profissionais de talentos e na web aberta ao mesmo tempo, para maior abrangência.
* **Aprofundamento em múltiplas etapas** — não é uma correspondência única; ele segue pistas e faz verificações cruzadas, alcançando candidatos passivos.
* **Matching explicável** — cada candidato carrega um motivo, tornando os resultados analisáveis e confiáveis. Isso é viabilizado pelo [MRE](./understanding-ai-matching).
* **Contato sob demanda** — quando as pessoas certas forem encontradas, revele o e-mail ou telefone conforme necessário (cada revelação usa créditos).

Descreva bem a vaga [#descreva-bem-a-vaga]

O Agent entende linguagem natural — mas mais contexto oferece mais elementos para o raciocínio. Um prompt fraco e um forte retornam Shortlists muito diferentes:

| Fraco                        | Forte                                                                                                                    | Por que importa                                                      |
| ---------------------------- | ------------------------------------------------------------------------------------------------------------------------ | -------------------------------------------------------------------- |
| "Encontre um desenvolvedor"  | "Engenheiro backend sênior, 5+ anos de Python, construiu microsserviços em escala, preferencialmente de fintech"         | Mais contexto = mais sinais para o matching                          |
| "Pessoa de marketing em NYC" | "Gerente de marketing B2B SaaS em NYC, já conduziu lançamentos de produto, confortável com campanhas orientadas a dados" | Critérios implícitos ativam o matching baseado em raciocínio         |
| "Precisamos de alguém bom"   | "Alguém que levou um produto do 0 ao 1, idealmente em uma startup Series A–B"                                            | O Mira lê "0 ao 1" como experiência de construção em estágio inicial |

Você também pode usar critérios implícitos — o tipo que você diria a um recrutador em voz alta ("ágil", "consegue trabalhar de forma independente", "montou uma equipe do zero"). O Mira raciocina sobre o que eles significam em vez de correspondê-los como palavras-chave.

Início rápido [#início-rápido]

1. **Descreva a pessoa em linguagem natural**, cobrindo o máximo possível:
   * Cargo / nível
   * Requisitos indispensáveis (os não negociáveis)
   * Itens desejáveis
   * Restrições como localização, setor ou tipo de empresa
2. **Aguarde enquanto o Mira pesquisa** — ele mostra as etapas à medida que avança.
3. **Revise a lista e o motivo de encaixe de cada candidato**; revele as informações de contato conforme necessário.
4. **Não ficou bem?** Faça um acompanhamento ou ajuste os critérios, e deixe-o continuar refinando.

<Callout>
  **Exemplo de prompt:** "Encontre 3 engenheiros backend sênior que construíram controle de risco em tempo real em empresas de fintech, idealmente com Go e Kafka, baseados em Xangai."
</Callout>

O Mira pesquisa em fontes em busca de pessoas que se encaixam, aprofunda-se em seus projetos e histórico para fazer verificações cruzadas, e retorna uma Shortlist com o motivo de encaixe de cada um — então você pode dizer "encontre mais alguns com experiência em gestão de equipes" para afinar ainda mais.

Dicas para melhores resultados [#dicas-para-melhores-resultados]

* **Separe os indispensáveis dos desejáveis.** Diga ao Mira o que é obrigatório versus o que é um bônus — o matching fica mais preciso.
* **Forneça contexto.** "Esta é uma startup em estágio inicial que precisa de alguém que consiga trabalhar de forma independente" ajuda na avaliação de encaixe.
* **Use acompanhamentos.** Quando a direção não estiver certa, adicione ou corrija uma restrição em vez de começar do zero.
* **Deixe vagas complexas rodarem como equipe.** Para cargos multifuncionais ou com muitas restrições, entregue para um [Agent Team](./agent-teams) trabalhar em paralelo.
* **Salve suas jogadas recorrentes.** Transforme um fluxo de busca que você repete em uma [Skill](./skills) para que a equipe possa reutilizá-lo.

Por dentro do processo [#por-dentro-do-processo]

Alguns elementos viabilizam o Agentic Search, explicados de forma simples:

* **Cobertura multi-fonte + fusão por classificação recíproca (RRF).** O Mira consulta várias fontes de dados ao mesmo tempo, depois mescla, remove duplicatas e reclassifica os resultados (fusão por classificação recíproca) para que o viés de nenhuma fonte única domine.
* **Ciclo de raciocínio iterativo.** Em vez de uma única consulta, ele raciocina → pesquisa → lê os resultados → raciocina novamente, escolhendo cada próxima etapa a partir do que acabou de encontrar.
* **Pipeline em camadas.** Descoberta, enriquecimento de contato e enriquecimento de perfil funcionam como camadas separadas, aprofundando-se apenas conforme necessário.
* **Matching explicável.** O [MRE](./understanding-ai-matching) avalia cada candidato em relação aos seus requisitos e redige o motivo que você vê.

> Em termos acadêmicos, combinar muitas fontes heterogêneas e resolver passo a passo entre domínios é **recuperação multi-fonte** combinada com **raciocínio multi-hop**.

Relacionados [#relacionados]

* [Revisar sua Shortlist](./review-your-shortlist) — leia e exporte os candidatos que você recebeu.
* [Matching de candidatos com IA](./understanding-ai-matching) — como o MRE avalia a adequação.
* [Agent Teams](./agent-teams) — coloque vários agentes especializados em uma busca complexa.

Quer experimentar o Mira? [Entre na lista de espera](https://www.mira.day/join-waitlist) para acesso antecipado.