Ir al contenido principal
Español— Elegir un idioma
Menú

Introducción a RAG

Lección 9 de 18 Actualizado el 2 de noviembre de 2026 Desarrollador
En esta página
  1. ¿Qué es RAG?
  2. Arquitectura de RAG
  3. RAG frente al ajuste fino (Fine-Tuning)
  4. La pila tecnológica
  5. ¿Cuándo usar RAG?
  6. Puntos clave

¿Qué es RAG?

RAG (Retrieval-Augmented Generation, o Generación Aumentada por Recuperación) es una arquitectura que combina un sistema de recuperación de información con un modelo de lenguaje de gran tamaño (LLM). En lugar de depender exclusivamente del conocimiento interno del modelo, RAG primero busca información relevante en una base de datos y luego inyecta dicha información en el prompt para generar una respuesta fundamentada en datos reales.

¿Por qué se ha vuelto esencial RAG? Porque los LLM tienen tres limitaciones fundamentales que aparecen simultáneamente cuando alguien formula una pregunta sobre tu empresa. Primero, el conocimiento congelado: un modelo solo sabe lo que aprendió durante su entrenamiento, por lo que desconoce por completo tu actualización de precios del mes pasado. Segundo, las alucinaciones: cuando se le pregunta sobre un procedimiento interno que desconoce, el modelo produce una respuesta plausible pero totalmente errónea con total confianza. Por último, los datos privados están fuera de su alcance por diseño: el modelo no tiene acceso a tus documentos internos y, de todos modos, no querrías que acabaran en un corpus de entrenamiento.

RAG resuelve estos tres problemas añadiendo un paso de recuperación antes de la generación. El modelo deja de ser una memoria que consultar para convertirse en un motor de redacción aplicado a documentos que tú controlas.

Arquitectura de RAG

El flujo de trabajo de RAG se divide en dos fases principales: una fase de indexación realizada previamente, seguida de un ciclo que se ejecuta para cada pregunta. Los cuatro pasos siguientes constituyen la columna vertebral de las próximas lecciones.

1

Indexación (offline)

Divide tus documentos en fragmentos, codifícalos como embeddings y guárdalos en un almacén vectorial. Este paso se realiza una sola vez (o durante las actualizaciones).

2

Recuperación

Codifica la pregunta del usuario como un embedding y busca los fragmentos más similares en el almacén vectorial utilizando la similitud del coseno.

3

Aumentación (prompt enriquecido)

Inyecta los fragmentos recuperados en el prompt del LLM como contexto. Ahora el modelo dispone de información fáctica para responder.

4

Generación

El LLM genera una respuesta basada en el contexto proporcionado. La respuesta es fáctica, referenciada y relevante.

Solo el primer paso requiere un tiempo de cómputo significativo; los tres siguientes se ejecutan en menos de un segundo. Esto es lo que hace viable la arquitectura para un servicio consultado continuamente: codificas tu documentación una sola vez y, a partir de entonces, cada pregunta cuesta únicamente una llamada de embedding y una llamada de generación.

RAG frente al ajuste fino (Fine-Tuning)

RAG y el ajuste fino resuelven problemas similares, pero de formas distintas. La tabla siguiente, escrita aquí como una estructura de Python, enfrenta ambos enfoques en cinco criterios.

# Comparativa: RAG frente a ajuste fino

comparacion = {
    "RAG": {
        "update": "Instantánea (añadir/eliminar documentos)",
        "cost": "Bajo (sin reentrenamiento)",
        "traceability": "Excelente (sabes de dónde proviene la información)",
        "hallucinations": "Reducidas (respuestas fundamentadas en fuentes)",
        "use_cases": "Documentación, preguntas frecuentes, bases de conocimiento",
    },
    "Fine-tuning": {
        "update": "Costosa (requiere reentrenamiento)",
        "cost": "Alto (GPUs, tiempo, datos anotados)",
        "traceability": "Baja (conocimiento integrado en el modelo)",
        "hallucinations": "Posibles (el modelo puede extrapolar)",
        "use_cases": "Estilo de escritura, formato de salida, tareas específicas",
    },
}

La línea “update” suele ser decisiva. Corregir un error en un procedimiento implica, con RAG, sustituir un archivo y recodificar unos pocos fragmentos: cuestión de minutos. Con el ajuste fino, la misma corrección exige reconstruir un conjunto de datos y volver a ejecutar el entrenamiento, sin garantía de que la versión antigua se haya olvidado realmente. En la práctica, RAG suele ser la mejor opción para integrar conocimiento fáctico en evolución, mientras que el ajuste fino es más adecuado para modificar el comportamiento o el estilo del modelo. Ambos no son mutuamente excluyentes: un modelo ajustado fino para responder en el formato esperado por tu negocio puede seguir alimentándose mediante RAG.

La pila tecnológica

Construir un flujo de trabajo de RAG con Mistral requiere solo tres bibliotecas, y la instalación ocupa una línea.

# Dependencias esenciales
# pip install mistralai faiss-cpu numpy

from mistralai.client import Mistral  # LLM + Embeddings
import faiss                    # Almacén vectorial
import numpy as np              # Cálculos vectoriales

El SDK mistralai gestiona por sí solo ambas llamadas al modelo: embeddings con mistral-embed y generación con mistral-large. faiss-cpu, la biblioteca de Meta para la búsqueda vectorial rápida, toma el relevo cuando la comparación exhaustiva resulta demasiado lenta —más allá de unas pocas decenas de miles de vectores—. Por último, numpy se encarga de las operaciones matriciales vectoriales que lo unen todo. En las siguientes lecciones, construirás desde cero cada paso de este flujo, desde la preparación de los datos hasta la generación de la respuesta.

¿Cuándo usar RAG?

RAG es especialmente adecuado cuando dispones de documentos internos —documentación técnica, procedimientos, contratos— que ningún modelo público ha visto jamás. También es la opción correcta cuando la información cambia frecuentemente: precios, disponibilidad, normativas. Un servicio que cite precios obsoletos cuesta más caro que uno que no responda en absoluto.

Otras tres situaciones apuntan naturalmente a RAG. Primero, la necesidad de trazabilidad, cuando debes saber de dónde proviene cada dato: un requisito común en sectores regulados y, en cualquier caso, una condición para la confianza del usuario. Segundo, el objetivo de reducir las alucinaciones, ya que un modelo que dispone del extracto correcto no tiene motivo para inventar. Por último, el presupuesto: cuando careces de recursos o de datos anotados para el ajuste fino, RAG ofrece un camino práctico con solo un puñado de documentos y unas pocas horas de trabajo.

Puntos clave

  • RAG combina la recuperación de información con la generación de LLM
  • La arquitectura se divide en: indexación, recuperación, aumentación y generación
  • RAG es preferible al ajuste fino para conocimiento fáctico en evolución
  • Mistral proporciona ambos bloques esenciales: embeddings y LLM
  • FAISS es la biblioteca de referencia para la búsqueda vectorial