Clicked Gallery

¿Qué es la generación aumentada por recuperación (RAG)?

Subrayado en un documento técnico real. Explicado por Clicked.

Usado en una frase

Instead of fine-tuning the base LLM, we implemented a RAG pipeline to pull direct facts from internal company files.

El lector subrayó una palabra en la documentación. Clicked hizo que el término técnico «RAG pipeline» fuera fácil de entender:

Explicado en tres niveles

●○○

Overview

▾

RAG es una forma de hacer que un modelo de IA responda a partir de documentos concretos. En lugar de apoyarse solo en lo que aprendió durante el entrenamiento, el sistema recupera primero los archivos relevantes y se los entrega al modelo como contexto para su respuesta.

●●○

Detail

▾

El proceso tiene dos etapas. Recuperación: la pregunta se usa para buscar en un repositorio de documentos — archivos de la empresa, manuales, una base de conocimiento — y se extraen los pasajes más relevantes. Generación: esos pasajes se insertan en el prompt del modelo, y este responde usándolos. El atractivo frente al ajuste fino es que los datos de entrenamiento están congelados y son genéricos, mientras que RAG añade conocimiento fresco o privado sin reentrenar, y puedes ver qué pasajes alimentaron la respuesta. El límite duro: la calidad de la respuesta está topada por la calidad de la búsqueda, así que si el paso de recuperación saca los pasajes equivocados, el modelo resume con total seguridad lo equivocado.

●●●

Analogy

▾

Dos maneras de montar un servicio de atención sobre el manual de políticas de tu empresa. Opción uno: formar a un empleado durante meses hasta que el manual viva en su cabeza, lo cual funciona hasta que el manual cambia. Opción dos: contratar a alguien que lee rápido, que mantiene el manual sobre la mesa y va a la página correcta en cada pregunta.

Las explicaciones de IA pueden contener errores · No es asesoramiento profesional

Los mismos datos, otro rollo — Modo jerga 😎

●○○

Overview

▾

RAG es darle a la IA una chuleta en vez de hacerle memorizar la biblioteca entera. Llega la pregunta, el sistema agarra los documentos correctos, los desliza sobre la mesa, y el modelo responde con ellos. Cambiar los documentos lleva segundos, y no se reentrena nada. 😎

●●○

Detail

▾

Jugada en dos pasos: buscar primero, responder después. Por qué lo hace todo el mundo: reentrenar un modelo con los archivos de tu empresa es caro y se queda obsoleto para el viernes, mientras que cambiar documentos en una carpeta es gratis. Extra: puedes comprobar los recibos, porque la respuesta salió de pasajes que puedes leer. La pega que nadie pone en la diapositiva: si la búsqueda agarra las páginas equivocadas, el modelo no se confunde — explica con total seguridad las páginas equivocadas. La recuperación es todo el juego. 😎

●●●

Analogy

▾

Es el recién contratado que suena como un veterano de diez años, porque le pasaste los documentos internos por debajo de la mesa antes de la reunión. Quítale los documentos y no sabe nada de tu empresa. Dale los documentos equivocados y presentará esos con total seguridad.

Las explicaciones de IA pueden contener errores · No es asesoramiento profesional

Definición formal — El mismo término, explicado de la forma habitual

La generación aumentada por recuperación es una arquitectura en la que la entrada de un modelo de lenguaje se amplía con documentos recuperados de un corpus externo en el momento de la inferencia, típicamente mediante búsqueda por similitud vectorial sobre un índice. Al condicionar la generación al contexto recuperado en lugar de solo al conocimiento paramétrico, los sistemas RAG permiten la adaptación a dominios sin reentrenar el modelo, facilitan la atribución de fuentes y mitigan — sin eliminar — las alucinaciones; el rendimiento global queda acotado por la precisión y cobertura de la recuperación.

¿Quieres que Clicked te explique términos como «RAG» directamente en tu navegador, incluso en PDFs?

Añadir a Chrome — Gratis

50 Explicaciones gratis · Sin tarjeta de crédito

Más de la galería

¿Qué son los vector embeddings?

Significado convertido en coordenadas — cómo las máquinas encuentran lo parecido sin coincidir palabras.

¿Qué significa una API idempotente?

Por qué diez clics te cobran una vez — la propiedad que hace seguros los reintentos.

Cómo leer de verdad un artículo científico

Ojea con método, rompe el muro de jerga y conserva lo aprendido — una sesión, bien hecha.

¿Qué son las «sinergias»?

Dos empresas fusionadas ganando más juntas que por separado — la promesa, la matemática y la versión de la tienda de donuts.

¿Qué es la deuda técnica?

Atajos y sistemas envejecidos que facturan al futuro — principal, interés y pago.

¿Qué es una prueba de conocimiento cero (ZKP)?

Demuestra que algo es cierto sin revelar por qué — la criptografía de la verificación privada.