Capítulo 8. Creación de un sistema completo de búsqueda conversacional y RAG
Este trabajo se ha traducido utilizando IA. Agradecemos tus opiniones y comentarios: translation-feedback@oreilly.com
En nuestra era digital, generamos enormes cantidades de datos conversacionales a través de asistentes de IA, aplicaciones de chat y plataformas colaborativas. Estas conversaciones suelen contener información valiosa, soluciones a problemas, ideas creativas y conocimientos adquiridos que se vuelven cada vez más difíciles de recuperar a medida que aumenta el volumen. ¿Cómo puedes encontrar de manera eficiente esa discusión específica sobre decoradores de Python de hace tres meses, o recordar el consejo de arquitectura que te dieron para tu aplicación web?
En capítulos anteriores, exploramos cómo las bases de datos vectoriales manejan los artículos de investigación estáticos. Sin embargo, nuestras vidas digitales personales son desordenadas y conversacionales. Si usas LLMs como Claude o ChatGPT para trabajar, probablemente tengas miles de mensajes que contienen información «perdida». Este capítulo pasa de la búsqueda de datos públicos a la creación de un «segundo cerebro» para tu propio historial de chat.
Este sistema maneja el conocimiento privado y personal con la comprensión matizada de que las conversaciones tienen características únicas:
- Dependencias contextuales
Los mensajes suelen hacer referencia a intercambios anteriores, usan pronombres o se basan en conceptos anteriores. Una respuesta ...
Become an O’Reilly member and get unlimited access to this title plus top books and audiobooks from O’Reilly and nearly 200 top publishers, thousands of courses curated by job role, 150+ live events each month,
and much more.
Read now
Unlock full access