RAG: Haz que tu IA sepa de tu mundo
Dar contexto propio a un LLM para que responda sobre tus documentos con trazabilidad. Embeddings, chunking con sentido, vector stores, pipeline de retrieval, citas navegables, generación con contexto limitado y evaluación del retrieval y las respuestas. El patrón que separa una respuesta inventada de una respuesta verificable.
15 lecciones en 3 semanas para extender una API de IA con recuperación: documentos, embeddings, pgvector, citas, evaluación y cierre reproducible.
- Duración
- 3 semanas
- Formato
- 3 semanas · 15 lecciones · proyecto final integrado
- Prerrequisitos
- Ninguno. Literalmente cero.
- Stack
- Next.js · OpenAI Embeddings · Supabase/Postgres · pgvector
Proyecto final
Chatbot que responde preguntas sobre documentos propios
Skills
- Embeddings
- Chunking
- Vector search
- Retrieval chain
- Output evaluation
Este bloque es abierto y gratuito. Sigue las lecciones en orden y cierra con el proyecto final. (15/15)
Currículum
Tres semanas, 15 lecciones y un proyecto final integrado. Síguelas en orden: base, criterio, experimento real.
- Semana 01Inmersión
Del contrato de API a recuperación
Conservar el contrato de la API Assist y crear el pipeline de documentos y embeddings.
- 0001Inicia tu RAG localCrear una app Next.js que recibe una pregunta sobre documentos propios.
- 0002Prepara documentos con trazabilidadNormalizar documentos sin perder su origen.
- 0003Crea embeddingsConvertir texto en vectores mediante una API de embeddings.
- 0004Divide en chunks con sentidoDividir documentos preservando contexto y metadata.
- 0005Indexa en tu vector storePersistir chunks y embeddings en una base vectorial.
- Semana 02Profundización
Respuestas con evidencia
Recuperar contexto, generar respuestas con citas y evaluar cuándo el sistema debe rechazar una pregunta.
- 0006Busca por similitudRecuperar los chunks más cercanos a una pregunta.
- 0007Construye el pipeline de retrievalConectar pregunta, embedding y búsqueda en una función de servidor.
- 0008Haz citas navegablesEntregar respuestas con evidencia verificable.
- 0009Genera con contexto limitadoPedir una respuesta basada solo en chunks recuperados.
- 0010Crea tu set de evaluaciónDefinir preguntas y respuestas esperadas para evaluar un RAG.
- Semana 03Construcción
Cerrar el RAG y hacerlo reproducible
Medir calidad, documentar los límites del corpus y dejar un proyecto que otra persona pueda ejecutar y evaluar.
- 0011Evalúa el retrievalMedir si la evidencia esperada llega a los primeros resultados.
- 0012Evalúa las respuestasRevisar fidelidad, utilidad y citas de respuestas generadas.
- 0013Especifica tu app de documentosDiseñar una app RAG de documentos propios con límites claros.
- 0014Construye y despliega tu RAGCompletar una app RAG con ingestión, búsqueda, respuesta y evaluación.
- 0015Presenta y prepara el productoDemostrar un RAG con evidencia y preparar decisiones para un producto de IA.
Recursos
Referencias curadas detrás de cada lección. Autoridad primero.