Descarga un ejemplo completo. Pruébalo en un minuto.
Cada receta baja como proyecto Python completo: el pipeline con sus piezas, datos de ejemplo con modo demo sin claves (python demo.py), la puerta de salida (pytest -q) y su CI. Ábrela después en la cocina para ajustarla a tu caso.
Agéntico con LangGraph (la clásica de los tutoriales)
La que monta todo cristo en internet: PDFs a Markdown, chunking semántico, embeddings OpenAI, Chroma y un agente LangGraph que decide cuándo y cómo recuperar, con rerank y dataset áureo.
Azure AI Search: el producto gestionado
Índice gestionado con vectores (HNSW), dominios y permisos RBAC/ABAC antes de fusionar: la vía cloud cerrada para organizaciones en Microsoft.
Conjunto: nucleus ★ (servicio)
Un solo tenant, servicio completo: nucleus trocea, embebe, guarda, filtra y reordera.
Despacho laboral: convenios, sentencias y vigencia
El caso de la serie: PDFs jurídicos a Markdown, píldoras por frontera, dominios y vigencia como payload, BGE-M3 local y Qdrant. Respuesta con citas y dataset áureo que firma la vara.
Elasticsearch: BM25 + vectores en el mismo índice
El veterano del texto sirve ahora también el canal denso: dense_vector indexado junto al BM25 de serie, sobre un corpus de PDFs. Para quien ya vive en ELK.
Empresarial con seguridad
Con modelo de conocimiento, prefiltro determinista, RBAC, medición de ruido y evaluación.
Haystack: pipelines explícitos
El estilo Haystack 2.x: dos grafos declarados componente a componente (indexación y respuesta), sobre PDFs con OCR. Para quien quiere cada flecha a la vista.
LangChain: el RAG clásico
El pipeline canónico de LangChain con fuentes declaradas y Chroma persistente: scrapes de páginas web, troceo recursivo, OpenAI y la cadena de recuperación con citas.
LlamaIndex en rápido (el conjunto entero)
Una receta de dos piezas: tus documentos y LlamaIndex decidiendo el resto. Ideal para probar valor antes de afinar; el dataset áureo viene de serie.
RAG mínimo (one-shot)
La receta de inicio: solo fases obligatorias, pocas piezas. Ideal para una primera prueba.
Soporte técnico: la web como corpus
Scraping de documentación online, troceo semántico, prefiltro por metadata antes de fusionar y generación con LLM: el RAG de un equipo de soporte que responde con la doc fresca.
Todo local: cero claves, cero facturas
El corpus nunca sale de la máquina: PDFs a Markdown, BGE-M3 en el portátil, Chroma en un fichero y plantilla de citas. La única factura es tu electricidad.
Los datos y las métricas del demo son de demostración: sirven para ver el pipeline vivo de punta a punta. El corpus de verdad es el tuyo — sustituye datos/ y firma tu propio dataset.json.