Retrieval-Augmented Generation de principio a fin: chunking, indexado, recuperación y generación con fuentes.
RAG no es un pipeline sino dos, a ritmos distintos: indexación una vez por documento, consulta una vez por pregunta. Qué decisiones quedan congeladas al indexar, cuáles se cambian en caliente, y cuándo no montar RAG en absoluto.
El chunk es la unidad mínima de lo que el sistema puede encontrar, así que fija el techo de calidad del retrieval antes de que intervenga ningún modelo. Los dos extremos y cómo se diagnostican distinto, para qué existe el overlap y qué cuesta, y por qué el corte bueno suele estar ya escrito en el documento.
Los cuatro pasos entre el fichero y el vector —extraer, limpiar, trocear y etiquetar— y lo que cada uno pierde. Qué se complica en cada formato, por qué el ruido compite por aparecer en los resultados, y por qué la metadata es lo que hace citable y auditable el sistema.
Las estrategias de retrieval son tres familias que actúan en tres momentos: transformar la pregunta, cambiar cómo se mide la cercanía, y reordenar lo recuperado. Cuáles se combinan y cuáles son alternativas, una tabla de síntoma a estrategia, y qué cuesta cada una por consulta.
Precisión y recall son dos fallos distintos con dos síntomas distintos, no dos notas del mismo examen. Los cuatro cuadrantes y por qué el peligroso es el que produce respuestas verdaderas pero incompletas, qué pregunta responde cada métrica, y por qué no hay medición sin ground truth anotado a mano.
Sin ejercicios con este filtro.