AI Jason. Reúne exactamente los componentes defendidos por el artículo —traducción de consultas, recuperación híbrida, reranking y un bucle de RAG correctivo— en una única implementación ejecutable. Ofrece un buen modelo mental de la canalización fragmento → reranking → respuesta cuando funciona como debe.
Considera que el framework, el modelo y la configuración específica de Llama3 dependen de la versión. Conserva la forma de la canalización, pero comprueba las API vigentes de los paquetes, los modelos disponibles, la calidad del reranker y los resultados de las evaluaciones antes de copiar la implementación.
Verás cómo encajan la reescritura de consultas, la recuperación híbrida, el reranking y los bucles correctivos en una única canalización RAG.
Conocer el patrón básico de recuperar y después generar, y sentirse cómodo siguiendo una explicación de código.
Última revisión: 18 may 2026
Continúa por el mismo itinerario de aprendizaje con los siguientes vídeos complementarios seleccionados.
16 minutosPodrás explicar en lenguaje sencillo qué cambia con MCP y decidir si la conexión de una herramienta debe emplear MCP o una integración más simple.
66 minutosVerás el flujo completo para crear un pequeño proyecto con Cursor, incluida la instalación, el prompting, la depuración, los fundamentos de Git y los límites de la programación asistida por IA.
14 minutosInstalarás un ejecutor local, descargarás un modelo pequeño y comprenderás la contrapartida entre privacidad y rendimiento antes de utilizarlo para trabajo real.
