Un asistente para documentos complejos

Utilice un corpus para comparar estrategias RAG. Un cambio de plantilla necesita una justificación mesurada.

Estos pasos se refieren a las características identificadas en el código de la aplicación. Este material no ha sido validado en una instancia en vivo; consulta la documentación y las opciones de tu versión.

Cómo funciona, paso a paso

La búsqueda y el ranking son etapas diferentes

La recuperación selecciona candidatos y los ordena por clasificación. top_k es el número de resultados solicitados; aumentarlo puede traer evidencia pero también ruido. Un reclasificador examina la consulta y los candidatos más de cerca. No puede recuperar un pasaje que falta en la lista inicial. BM25 busca coincidencias léxicas y ayuda con códigos exactos; La búsqueda de vectores busca similitudes semánticas. RRF combina posiciones en listas clasificadas en lugar de sumar puntuaciones con unidades incompatibles. Las etapas adicionales deben justificar su calidad, latencia y costo mediante pruebas.

Relaciones explícitas con procedencia

Un gráfico contiene entidades y relaciones, como Producto → usos → Pieza. La extracción de LLM puede confundir nombres o inventar relaciones; conservar el documento que sustenta cada hecho. El recorrido acotado busca conexiones entre múltiples saltos. Local Graph RAG combina datos de Neo4j con pasajes vectoriales. No es automáticamente la canalización de Microsoft GraphRAG con informes y detección de la comunidad. Las preguntas de dependencia pueden beneficiarse de un gráfico; Las preguntas frecuentes simples pueden resultar más económicas con la recuperación de vectores.

Defina el éxito antes de optimizar

Preparar solicitudes representativas y respuestas o propiedades esperadas. Incluya casos comunes, ambigüedad, datos faltantes y errores de herramientas. Para RAG, mida la recuperación de evidencia por separado de la corrección de las respuestas. Recall@k mide la proporción de evidencia relevante encontrada en los primeros k resultados; precision@k mide la proporción de resultados devueltos que son relevantes. Para los agentes, también realice un seguimiento de las acciones, los permisos y las detenciones. Un LLM como juez puede acelerar la evaluación, pero necesita una calibración con respecto a los humanos. No cambie el indicador, el modelo y el índice simultáneamente si desea comprender qué mejoró los resultados.

El esquema explicativo

Siga las flechas sólidas para el flujo principal. Las flechas azules discontinuas proporcionan datos o contexto; Las flechas discontinuas de color rosa muestran comentarios o resultados devueltos. Colores y formas distinguen modelos, tiendas, decisiones y resultados. Compare la misma pregunta utilizando configuraciones multimodales, gráficas e híbridas independientes. Sus respuestas se evalúan por separado, no se fusionan en una nueva plantilla. En pantallas pequeñas, desplázate horizontalmente para seguir todo el esquema.

Un ejemplo completo

Las preguntas incluyen códigos exactos, sinónimos, relaciones entre partes y fuentes faltantes. Prueba Naive, Rerank, Graph, Hybrid y Router; agregue Multimodal solo con ingesta de visión verificada.

Datos ficticios del ejercicio.

Fuente	Información a utilizar
Catalogar	LX-240 usa la parte P-12; P-12 utiliza el adaptador A-7.
Devoluciones	Solicitudes dentro de los 14 días siguientes a su recepción; Producto sin usar en embalaje original.
Entrega	Se estima entre 2 y 3 días hábiles después del envío, no garantizado.

Preguntas iniciales: "¿Qué adaptador utiliza el LX-240?", "¿Puedo devolver un producto usado?" y “¿Cuánto tiempo tarda la entrega?”. Agregue casos ambiguos y sin respuesta. Mantenga la misma fuente en cada comparación.

Pruébalo tú mismo

1. Realice pruebas idénticas en todas las variantes e inspeccione cada resultado diferente.
2. Registre la entrada, la fuente y el resultado esperado antes de ejecutar el experimento. Utilice únicamente los datos ficticios del ejemplo.
3. Siga las etapas del diagrama. En cada paso registre qué información se recibe y se produce; No confunda el resultado intermedio con el resultado final.
4. Repita después de eliminar la información necesaria o hacer que la entrada sea ambigua. Compruebe si el sistema aclara, detiene o inventa una respuesta.
5. Comparar con la solución explicada. Conserve la configuración, fecha, resultado y una explicación de las diferencias. Cambie una cosa y vuelva a probar.

Una solución explicada

La tabla registra las pruebas recuperadas, la corrección, el tiempo, el consumo y la ruta del enrutador, incluido el directo. Un ejercicio exitoso le permite mostrar la conexión entre los aportes, las etapas y el resultado. Cuando falta información, una respuesta cautelosa es más útil que detalles inventados. Compare más que estilo: compruebe también las condiciones, las fuentes y las operaciones.

Cuándo resulta útil y cuáles son sus límites

Diferentes fuentes o preguntas invalidan la comparación. Elija este enfoque cuando mejore una necesidad medida. Mantenga una línea de base simple y compare los resultados utilizando insumos idénticos. Un ejemplo exitoso no establece confiabilidad en todas las situaciones.

Comprueba lo que has aprendido

¿Puede un reclasificador corregir un documento no indexado?

No. El pasaje primero debe existir en el índice y en la lista de candidatos.

¿Una ventaja extraída por IA prueba que la relación es verdadera?

No. Consulta su fuente y las identidades de las entidades.

¿Qué resultado debería producir este ejercicio?

La tabla registra las pruebas recuperadas, la corrección, el tiempo, el consumo y la ruta del enrutador, incluido el directo.

Términos que conviene recordar

• Reclasificar: Una reordenación más cuidadosa de los candidatos ya recuperados.
• Brincar: Cruzar una relación en un gráfico.
• Regresión / Regresión: Un cambio que rompe un caso previamente correcto.

Fuentes y su próximo paso

• Lewis et al. — Generación aumentada de recuperación
• Microsoft GraphRAG — descripción general de consultas
• LangGraph — Flujos de trabajo y agentes

Para preparar: R04 — Reclasificar RAG: mejores pruebas primero · R05 — RAG multimodal: los documentos también contienen imágenes · R06 — Graficar RAG y gráficas de conocimiento · R07 — RAG híbrido: significado y palabras exactas · R08 — Router RAG y elección de su estrategia de recuperación · E02 — Evaluación de RAG etapa por etapa