Cómo crear un RAG automático con PDFs y páginas web sin entrenar una IA

Publicado el 2026-11-16 por ArduBot

Arquitectura para subir PDFs y URLs, extraer texto, indexarlo y consultar una base de conocimiento mediante API con citas y actualización.

¿Tienes decenas de manuales, fichas técnicas o páginas que cambian cada semana? El problema no es conseguir un modelo de lenguaje: es convertir esos archivos en información recuperable y mantenerla actualizada. Un RAG automático resuelve esa parte sin tener que reentrenar una IA por cada documento nuevo.

Qué significa automático en un sistema RAG

RAG (Retrieval-Augmented Generation) recupera fragmentos relacionados con una pregunta y los entrega como contexto al modelo. “Automático” debería significar que al agregar, modificar o borrar una fuente, el sistema vuelve a procesar lo necesario y deja el índice coherente. No significa que cualquier PDF produzca respuestas correctas por arte de magia.

Imagina una empresa con políticas de devoluciones en un PDF, instrucciones en su web y una tabla de compatibilidades. Un cliente pregunta: “¿Puedo devolver este producto abierto?”. El asistente necesita encontrar la regla actual, reconocer excepciones y citar su origen. Si no hay una regla aplicable, debe indicarlo.

Flujo mínimo: de un documento a una respuesta

1. Carga y validación: recibir el archivo o la URL, comprobar tipo, tamaño, autorización y origen. 2. Extracción: obtener texto de HTML o PDF. Un documento escaneado puede requerir OCR; tablas y columnas necesitan tratamiento especial. 3. Fragmentación: dividir por títulos y significado, conservando documento, página, versión y fecha. Cortar cada 500 caracteres sin contexto puede separar una excepción de su regla. 4. Indexación: generar embeddings para búsqueda semántica; considerar también búsqueda literal para códigos, nombres y referencias exactas. 5. Consulta: filtrar por empresa y permisos antes de buscar, recuperar fragmentos y devolver evidencias ordenadas. 6. Respuesta opcional: pasar esas evidencias al modelo, solicitar citas y permitir “no tengo información suficiente”.

El índice y el modelo de respuestas son servicios distintos. Una API de recuperación puede entregar los fragmentos relevantes sin redactar una respuesta: así cada cliente decide si usará su propio LLM.

Un contrato API razonable

Una interfaz conceptual de consulta podría recibir:

{
  "knowledge_base_id": "manuales-soporte",
  "query": "¿Cuál es el plazo para devolver un producto abierto?",
  "top_k": 5,
  "filters": {"language": "es"}
}
Y devolver matches con texto, puntuación, nombre de fuente, URL o página y fecha de revisión. El ejemplo no representa un endpoint existente de ArduMaker: ilustra cómo diseñar un servicio que otras aplicaciones puedan consumir.

El identificador de empresa no debería ser un campo libre que el usuario cambie para ver información ajena: debe derivarse de la credencial autenticada. Además, una puntuación alta de similitud no garantiza que el texto contenga la respuesta.

Qué suele romper el primer prototipo

- Una URL requiere iniciar sesión y el crawler captura una pantalla vacía. - Dos versiones del manual siguen activas y producen respuestas contradictorias. - Un PDF con tablas mezcla filas durante la extracción. - El sistema indexa un documento eliminado, aunque ya no sea visible en el panel. - El modelo redacta una respuesta segura sin fragmentos que la sostengan.

La corrección no consiste siempre en subir el valor de top_k: a veces hay que mejorar el parser, añadir metadatos, detectar duplicados o permitir que el sistema se abstenga.

Cómo validar el resultado antes de ofrecerlo

Prepara 30 preguntas reales, 10 preguntas sin respuesta disponible y 10 con referencias exactas. Para cada una registra si se recuperó la fuente correcta, si la cita corresponde y si la respuesta inventó condiciones. Mide también tiempo de indexación, latencia de consulta y costo por documento.

Oportunidad para ArduMaker: estamos evaluando incorporar un nodo de RAG automático que permita cargar fuentes y consultar resultados por API. Esta es una propuesta en estudio, no una función anunciada como disponible. Si te serviría, indica cuántos documentos tienes, cómo se actualizan y qué aplicación consumiría la API al visitar ArduMaker.

Para profundizar: Introducción a RAG en Microsoft · RAG básico en ArduMaker.

  • RAG
  • RAG automático
  • PDF
  • API
  • base de conocimiento

Seguir leyendo

Todos los artículos · Planes de VPS