Ir al contenido principal
Español— Elegir un idioma
Menú

Optimiza la relevancia de tus búsquedas

Lección 12 de 16 Actualizado el 29 de julio de 2026 Desarrollador
En esta página
  1. La calidad de los resultados depende de ti
  2. Prepara los documentos para el fragmentado
  3. Escribe mejores consultas
  4. Aprovecha los metadatos y la organización
  5. Mide antes de desplegar
  6. Puntos clave

La calidad de los resultados depende de ti

El motor de búsqueda de xAI es potente, pero solo funciona con el material que le proporcionas. Una colección mal preparada genera resultados mediocres incluso con el mejor modelo, lo que lleva a los equipos a concluir erróneamente que «RAG no funciona». Tú controlas tres palancas: la estructura del documento, la formulación de la consulta y la organización de la colección. Esta lección las examina en ese orden y, a continuación, ofrece un método para medir tu progreso.

Prepara los documentos para el fragmentado

El motor se basa en la estructura del documento para dividir el contenido en fragmentos: los títulos, subtítulos y párrafos sirven como marcadores. Un encabezado como «Política de reembolsos para compras en línea» otorga al fragmento una identidad clara y lo hace localizable; «Sección 3.2.1» no aporta ninguna señal útil para el fragmentado ni para la coincidencia semántica. Cambiar el nombre de los encabezados en un manual interno antes de la indexación suele ser la optimización con mayor retorno de la inversión de todo el proyecto.

El tamaño del documento es el siguiente factor importante. Un PDF de 500 páginas produce cientos de fragmentos que compiten entre sí: cuanto mayor y más variado sea el corpus interno de un documento, mayor será el riesgo de que un extracto irrelevante obtenga una puntuación alta. Divide estos monolitos en secciones temáticas, apuntando a documentos de veinte a cincuenta páginas dedicados a un único tema, en lugar de un documento compendio que lo abarque todo.

Luego está la cuestión del contexto. Cada fragmento se lee de forma aislada, arrancado de lo que le precede, lo que condena las referencias anafóricas. Una frase como «como se mencionó anteriormente, este plazo también se aplica a los pedidos al por mayor» se vuelve inutilizable una vez fragmentada: ni el plazo ni su sujeto aparecen en el fragmento. Escribe «el periodo de desistimiento de catorce días también se aplica a los pedidos al por mayor» y el fragmento se sostendrá por sí solo.

Escribe mejores consultas

La precisión de la consulta pesa tanto como la calidad del corpus. Una búsqueda de «seguridad» devuelve docenas de extractos dispares, desde contraseñas hasta el control de acceso físico; «configuración del cortafuegos para conexiones entrantes en el puerto 443» apunta inmediatamente a los dos o tres pasajes útiles. Cuando tus documentos utilizan vocabulario técnico establecido, reutilízalo: incluso en modo híbrido, que mezcla la coincidencia exacta y la comprensión semántica, el término literal sigue siendo una señal fuerte.

Prefiere preguntas completas en lugar de paquetes de palabras clave. «Tiempo de espera de conexión API» deja que el motor adivine tu intención, mientras que «¿Cómo configuro el tiempo de espera de conexión API?» proporciona una estructura gramatical con la que coincidir frente a las frases indexadas. La ganancia es particularmente clara en modo semántico, que fue diseñado para el lenguaje natural.

Aprovecha los metadatos y la organización

Si declaraste metadatos con inject_into_chunk, estos se incorporan al texto indexado y se convierten en puntos de anclaje. Un campo department inyectado en cada fragmento significa que la consulta «procedimiento de validación en el equipo de marketing» hace surgir espontáneamente documentos del departamento de marketing, sin necesidad de establecer ningún filtro explícito.

La organización temática de la colección produce el mismo efecto a mayor escala. En lugar de una única colección que lo contenga todo, separa col_docs_techniques para documentación técnica, col_procedures_internes para procesos y col_support_client para preguntas frecuentes y guías de usuario. Un asistente de cara al cliente consulta entonces solo la tercera: menos documentos que buscar significa resultados más precisos y un coste menor, ya que no se realizan llamadas a colecciones inútiles. El modo de búsqueda completa esta configuración: keyword para código o referencias exactas, semantic para una pregunta conceptual, hybrid en caso de duda y por defecto.

Mide antes de desplegar

Nada de esto importa sin evaluación. Antes de pasar a producción, construye un conjunto de pruebas: formula de diez a veinte preguntas que representen casos reales, aquellas que tus usuarios hacen realmente, no las que tú imaginas. Ejecútalas, juzga la relevancia de los resultados devueltos y anota las consultas que vuelven con extractos inadecuados. Estas te indican qué corregir: mejora la estructura del documento relevante, añade metadatos o reformula la propia consulta.

Las puntuaciones sirven como tu termómetro durante este bucle. Cada resultado lleva un valor entre 0 y 1; si tus consultas típicas se estancan consistentemente por debajo de 0,5, no busques el problema en el modelo. O bien tus documentos están mal estructurados, tus preguntas siguen siendo demasiado vagas o, lo más frecuente y lo que se diagnostica peor, tu corpus simplemente no contiene nada sobre el tema solicitado. Volver a ejecutar este mismo conjunto de preguntas después de cada modificación te indica, con cifras, si estás progresando.

Puntos clave

  • La calidad de los resultados depende de la estructura del documento, la precisión de la consulta y la organización de la colección
  • Los títulos explícitos y tamaños de documento razonables mejoran el fragmentado
  • Las preguntas completas en lenguaje natural ofrecen mejores resultados que las palabras clave aisladas
  • Los metadatos de inject_into_chunk enriquecen los fragmentos y mejoran la relevancia
  • Prueba tus colecciones con consultas típicas antes del despliegue en producción