RAG (Retrieval-Augmented Generation)
Técnica que conecta un LLM con una base de conocimiento propia para que responda con datos verificados, no con alucinaciones.
Definición completa
RAG (Retrieval-Augmented Generation) es una arquitectura que combina un modelo de lenguaje con una base de conocimiento externa. Cuando el agente recibe una pregunta, primero busca información relevante en la base (retrieval), luego se la entrega al LLM como contexto para que genere la respuesta. Resultado: respuestas fundamentadas en documentación real, con citas, sin invenciones.
Contexto
Sin RAG, un agente depende solo del conocimiento con el que fue entrenado — que puede ser antiguo, genérico o incompleto para tu negocio. Con RAG, el agente conoce tu realidad actualizada.
Cómo lo aplicamos
Implementamos RAG en agentes Avanzados ($4,997+). Usamos Supabase pgvector o bases vectoriales dedicadas según el caso. Documentación del cliente indexada y actualizable vía workflow n8n.