Vídeos complementarios

Fragmentación, reranking y búsqueda híbrida — vídeos complementarios

Este artículo deja atrás la versión de RAG que consiste en «meter los documentos en una base de datos vectorial» y se centra en los tres controles que realmente mejoran la calidad: fragmentación, reranking y búsqueda híbrida. Los vídeos muestran cómo se ajusta cada uno. La elección principal profundiza con paciencia en lo que hace realmente el fragmentador; la implementación de RAG agéntico combina los tres controles en una única canalización ejecutable.

Selección principal

1:08:59
Los 5 niveles de fragmentación de texto para la recuperación

Greg Kamradt

El artículo dedica bastante espacio a la fragmentación; esta es la explicación más extensa y paciente de lo que hace realmente cada estrategia, desde la fragmentación recursiva por caracteres hasta la basada en la estructura del documento, la semántica y la agéntica. Combínala con la herramienta gratuita ChunkViz de Greg para desarrollar intuición antes de empezar a ajustar parámetros.

Qué aprenderás: Desarrollarás intuición sobre las decisiones de fragmentación antes de ajustar un sistema de recuperación real.

Qué ver o saber antes: Conocimiento básico de embeddings y por qué la calidad de recuperación depende de cómo se dividen los documentos.

Nota de AI Expert: Las bibliotecas y demostraciones concretas pueden quedar obsoletas, pero las contrapartidas de la fragmentación se mantienen. Utilízalo para adquirir vocabulario de diagnóstico y después prueba los tamaños de los fragmentos y los fragmentadores con tus propios documentos y consultas.

Abrir página del vídeo

También merece la pena

24:01
«Quiero que Llama3 rinda 10x con mi conocimiento privado»: RAG agéntico local con llama3

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.

Qué aprenderás: Verás cómo encajan la reescritura de consultas, la recuperación híbrida, el reranking y los bucles correctivos en una única canalización RAG.

Qué ver o saber antes: Conocer el patrón básico de recuperar y después generar, y sentirse cómodo siguiendo una explicación de código.

Nota de AI Expert: 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.

Abrir página del vídeo