Ir al contenido principal
Español— Elegir un idioma
Menú

El patrón RAG híbrido con Grok

Lección 13 de 16 Actualizado el 29 de julio de 2026 Desarrollador
En esta página
  1. Combina todas las fuentes de información
  2. Arquitectura del patrón
  3. Aportación de cada fuente
  4. Desarrollo de una solicitud híbrida
  5. Tres situaciones donde el patrón destaca
  6. Puntos clave

Combina todas las fuentes de información

El RAG híbrido (Retrieval-Augmented Generation) es el patrón más avanzado del ecosistema Grok. Su principio es sencillo: deja de decidir por adelantado dónde reside la respuesta. Tus colecciones internas, la búsqueda web, la búsqueda en X y la ejecución de código quedan disponibles en una única solicitud; el modelo decide cuáles utilizar según la pregunta formulada. Ya no construyes ramas condicionales; abres puertas.

4
Fuentes combinables
Automático
Selección de herramientas
Dual
Citas internas + web
Asíncrono
SDK nativo de Python

Arquitectura del patrón

Técnicamente, todo se reduce a la lista tools: declaras varias herramientas sin especificar un orden ni una condición.

response = await client.responses.create(
    model="grok-4.5",
    input="Compara nuestra documentación interna con las mejores prácticas del mercado para la autenticación de API.",
    tools=[
        {
            "type": "collections_search",
            "collection_ids": [collection_id]
        },
        {"type": "web_search"},
        {"type": "x_search"},
        {"type": "code_interpreter"}
    ]
)

Ante esta pregunta, es probable que Grok recupere tu documentación desde la colección, ejecute una búsqueda web sobre las mejores prácticas de autenticación y, a continuación, sintetice ambas fuentes en una respuesta comparativa. Las otras dos herramientas permanecen sin usar: nada en la pregunta requiere opiniones de usuarios de X ni un cálculo en Python. Esta selección es el núcleo del patrón y explica por qué declarar una herramienta adicional no tiene coste mientras no sea relevante.

Aportación de cada fuente

collections_search abre el acceso a tus bases de conocimiento internas: documentación técnica privada, políticas y procedimientos, contratos y documentos legales, base de soporte al cliente. Esta es la única fuente que contiene lo que el modelo no puede saber por sí mismo: la realidad de tu empresa.

web_search cubre el espacio público. Aquí encuentras lo que no controlas y que cambia: normativas y estándares oficiales, documentación técnica de proveedores, noticias, puntos de comparación de mercado. Es el complemento natural de las colecciones, que solo quedan obsoletas cuando tú las actualizas.

x_search consulta X y proporciona acceso a un tipo de material diferente: opiniones y comentarios en tiempo real, tendencias tecnológicas, reacciones a un anuncio reciente, sentimiento general del mercado. Lo activas cuando la pregunta versa sobre lo que piensa la gente, no sobre lo que está escrito.

code_interpreter, por último, ejecuta Python en un entorno aislado (sandbox). Calcula sobre los datos que las otras herramientas acaban de extraer, genera un gráfico, transforma un conjunto de datos o verifica que un fragmento de código funciona. Es la única herramienta que produce información nueva en lugar de recuperarla.

Desarrollo de una solicitud híbrida

Cuando hay varias herramientas disponibles, la ejecución sigue siempre el mismo flujo. Grok comienza analizando la pregunta para determinar qué fuentes le son útiles, consulta las colecciones internas, busca externamente en la web o en X cuando es necesario, sintetiza todo en una respuesta coherente y, finalmente, adjunta sus citas. Estas distinguen las referencias internas, con el prefijo collections://, de las referencias externas en https://; así sabes, al leer la respuesta, qué afirmación procede de tus documentos y cuál viene de otra parte.

Tres situaciones donde el patrón destaca

En inteligencia competitiva, una pregunta como «¿Cómo gestionan nuestros competidores la incorporación de clientes?» moviliza las tres fuentes documentales a la vez: la colección describe tu propio proceso de incorporación, la web aporta artículos y estudios sobre las prácticas del mercado, y X trae comentarios crudos de usuarios que acaban de vivir ese proceso con un competidor.

En cumplimiento normativo, «¿Cumple nuestra política de datos con la última normativa de la UE?» requiere poner dos textos lado a lado: tu política vigente, almacenada en la colección, y el texto regulatorio en vigor, recuperado de la web. Ninguno basta por sí solo, y este es exactamente el caso en el que el enfoque manual se vuelve engorroso.

Por último, en soporte técnico, «¿Cómo resuelvo este error de tiempo de espera en nuestra API?» combina tus guías internas de resolución de problemas con foros, Stack Overflow y la documentación oficial del framework. El agente obtiene en una única respuesta lo que habría buscado en dos pestañas y una wiki.

Puntos clave

  • El patrón RAG híbrido combina colecciones internas, web, X y código en una única solicitud
  • Grok elige automáticamente las herramientas relevantes según la pregunta
  • Las cuatro herramientas son: collections_search, web_search, x_search, code_interpreter
  • Las citas distinguen las fuentes internas (collections://) de las fuentes web (https://)
  • Este patrón es ideal para casos que requieren cruzar fuentes internas y externas