¿Qué es el RAG?
¿Qué es?
Un pipeline RAG (generación aumentada por recuperación) permite a un modelo responder a partir de tus documentos: se dividen en fragmentos y se convierten en embeddings; luego, para cada pregunta, se recuperan los extractos útiles y se pasan al modelo.
Cuándo usarlo
- Hacer que un asistente responda a partir de documentación interna o de un catálogo de productos.
- Reducir las alucinaciones haciendo que el modelo cite sus fuentes.
Campos de la página
| Fuentes | Documentos usados y cómo se actualizan. |
|---|---|
| Fragmentación | Tamaño de fragmento y solapamiento. |
| Embeddings y base vectorial | El modelo de embeddings y dónde se guardan los vectores. |
| Recuperación | Número de extractos que se conservan y reranking opcional. |
| Plantilla de prompt | El texto enviado al modelo, con {{context}} y {{question}}. |
Cómo usarlo
Pestaña “Usar”: descarga la config JSON; el ejemplo en Python describe cada paso.