Curso
RAG en producción
Haz que un modelo responda sobre tus propios documentos sin que se invente nada: segmentación, embeddings, base de datos vectorial, reordenación y evaluación de las respuestas.
Avanzado 8 lecciones
Las lecciones
- 1 Por qué el RAG Sabrás identificar los problemas que un sistema RAG resuelve de verdad, los que nunca resolverá, y dónde está la causa dominante de sus fallos.
- 2 Dividir los documentos Sabrá elegir una estrategia de división adecuada a sus documentos, gestionar las tablas y el código, y medir el efecto de la división sobre la exhaustividad (recall).
- 3 Embeddings y similitud Sabrá elegir un modelo de embeddings adaptado a su corpus, entender qué mide la similitud del coseno y evitar las trampas del multilingüismo y de los textos muy cortos.
- 4 Base de datos vectorial Sabrá decidir entre pgvector, un índice en memoria y un servicio dedicado, ajustar una indexación aproximada y diseñar metadatos aprovechables para el filtrado.
- 5 Búsqueda híbrida Aprenderá a combinar BM25 y búsqueda vectorial mediante fusión de rangos, a añadir un modelo de reordenación y a medir la ganancia real de cada etapa.
- 6 Construir el prompt Aprenderá a estructurar un prompt RAG que imponga la cita de fuentes, se niegue a responder fuera de contexto y aproveche el orden de los pasajes en la ventana de contexto.
- 7 Evaluar las respuestas Aprenderá a construir un conjunto de preguntas de referencia, a medir por separado la exhaustividad de la recuperación y la calidad de las respuestas, y a detectar las afirmaciones sin respaldo.
- 8 Puesta en producción Sabrás calcular el coste por consulta, usar la caché en los lugares adecuados, reindexar de forma incremental, eliminar un documento correctamente y monitorizar el sistema en explotación.