Corpus
Ciclo de vida del corpus: actualizar, deduplicar y borrar
Reindexación incremental, versiones, contradicciones entre documentos y el derecho al olvido aplicado a un índice vectorial.
Corpus
Metadatos
Metadatos: el ingrediente que más mejora un RAG
Filtrado previo, fechas, secciones y permisos. Por qué un buen esquema de metadatos vale más que cambiar de modelo.
Chunking
Chunking II: semántico, jerárquico y por página
Troceado que respeta la estructura del documento. El patrón padre-hijo y cuándo justifica su complejidad.
Chunking
Chunking I: tamaño fijo, solapamiento y división recursiva
Las dos estrategias de partida, cuándo bastan y cómo elegir tamaño y solapamiento sin ir a ciegas.
Ingesta
La ingesta: de PDF, HTML y bases de datos a texto limpio
Extracción, normalización, tablas, OCR y los formatos que siempre dan guerra. El paso que nadie enseña y todos sufren.