Retrieval y Conocimiento

RAG es un sistema de recuperación cuya evidencia seleccionada se convierte en input del modelo. Consulta, índice, candidates, reranking, armado de contexto y respuesta son etapas con presupuestos de recall, precisión, costo y latencia distintos.

Modelo mental

Depurá retrieval antes que generación. Si la evidencia necesaria no entra al contexto, el generador no puede recuperarla con prompting.

Hoja de ruta

• Por qué usar RAG
• Chunking
• Embeddings para retrieval
• Búsqueda híbrida
• Reranking
• Evaluar RAG

Conecta con: Datos para IA · Context Engineering · Evaluar Sistemas RAG

Fuentes principales

• Retrieval-Augmented Generation — factorización original retriever-generador.
• Contextual Retrieval — técnica aplicada y mediciones.
• RAGAS — métricas de faithfulness, context precision y recall.
• pgvector — vector search y tuning ANN en PostgreSQL.