Métricas de generación: fidelidad, relevancia y groundedness
Evaluar con un modelo como juez: cómo se monta, cuánto cuesta y en qué falla más de lo que se admite.
Latest
Métricas de recuperación: recall@k, MRR y nDCG
Qué mide cada una, cuál usar según el caso y cómo interpretarlas sin engañarse con un número bonito.
Cómo se mide un RAG: las tres capas de métricas
Recuperación, generación y extremo a extremo. Por qué medir sólo la respuesta final te engaña sistemáticamente.
RAG sin framework: cuándo el código plano gana
El coste oculto de las abstracciones y los casos en que doscientas líneas propias son la mejor decisión técnica.
Orquestadores: LangChain, LangGraph y LlamaIndex
Qué abstrae cada uno, dónde se solapan y cuál encaja con flujos lineales, con grafos o con indexación intensiva.
Comparativa completa de bases de datos vectoriales
Tabla única con los siete motores de la serie: escala, filtrado, híbrido, operativa, licencia y coste.
Chroma, LanceDB y Faiss: prototipar sin infraestructura
Levantar una prueba en una tarde y saber exactamente dónde está la frontera que obliga a migrar.
Pinecone y los gestionados: qué compras cuando pagas
Servicios totalmente gestionados, incluido Atlas Vector Search: ahorro operativo frente a dependencia y factura.
Qdrant, Weaviate y Milvus: código abierto de producción
Arquitectura, modelo de despliegue, filtrado y madurez operativa de los tres motores dedicados más usados.
pgvector a fondo: cuándo PostgreSQL es suficiente
Índices HNSW dentro de Postgres, filtrado combinado con SQL, límites reales de escala y coste operativo.
Elegir base de datos vectorial: escala, filtrado, híbrido y coste
Los cuatro criterios que reducen el catálogo a dos o tres candidatos reales en diez minutos.
Modelos de reranking: Cohere Rerank, BGE-reranker y cross-encoders
Comparativa práctica de precisión, latencia y coste, con el punto en que el reranking deja de compensar.
LLM
El modelo generador: criterios para elegir quién redacta
Fidelidad al contexto, seguimiento de instrucciones, ventana, coste por consulta y los modelos pequeños que bastan.
Embeddings
Embeddings en español: qué funciona de verdad
Modelos multilingües frente a modelos entrenados en inglés, y el problema de los corpus mezclados que casi nadie mide.
Embeddings
Embeddings abiertos comparados: BGE, E5, GTE y Nomic
Autoalojarlos: requisitos de GPU, rendimiento por lote y el punto exacto en que salen más baratos que la API.
Embeddings
Embeddings comerciales comparados: OpenAI, Cohere, Voyage y Jina
Precio por millón de tokens, calidad multilingüe, límites de tasa y qué implica de verdad depender de una API ajena.
Embeddings
Cómo elegir un modelo de embeddings: seis criterios
Dimensionalidad, ventana de contexto, idioma, dominio, coste y portabilidad. Qué mirar en MTEB y qué ignorar.
Agentic RAG
Agentic RAG: del sistema que responde al que decide
Recuperación de varios pasos, elección de herramientas y las condiciones concretas en que un agente se justifica.
GraphRAG
GraphRAG: entidades, relaciones y comunidades
Cuando la respuesta está repartida en veinte documentos. Extracción de grafo, detección de comunidades y coste de indexación.
Técnicas
Corrective RAG y Self-RAG: verificar antes de responder
Bucles de autoevaluación, criterios de descarte y el coste en llamadas al modelo de no fiarse del primer resultado.
Técnicas
HyDE: escribir la respuesta antes de buscarla
Generar un documento hipotético para buscar con él. Dónde brilla, dónde introduce ruido y cuánto cuesta.
Técnicas
Transformación de consultas: reescritura, descomposición y multi-query
Preguntas mal formuladas, preguntas compuestas y preguntas que dependen del turno anterior de la conversación.
Reranking
Reranking con cross-encoders: cuándo compensa el coste
Bi-encoder frente a cross-encoder, tamaño del candidato inicial y el impacto real en latencia y factura.
Técnicas
Búsqueda híbrida: densa, BM25 y fusión recíproca de rangos
Por qué las palabras clave siguen ganando en referencias, códigos y nombres propios, y cómo se combinan los dos rankings.