Skip to content
Leon Achata
Todos los proyectos
RAG

DocuChat

Respuestas fundamentadas en tus documentos, con citas hasta la oración exacta, y un honesto «no está en los documentos» cuando es así.

El problema

Los equipos tienen respuestas enterradas en manuales, políticas e informes largos. La búsqueda por palabras clave no encuentra paráfrasis, y un chatbot simple responde con seguridad aunque los documentos no digan nada.

Cómo funciona

Un parser que entiende la estructura mantiene la página y la sección de cada fragmento. Cada pregunta se reescribe y se expande, y se busca de tres formas (vectores densos, BM25 y SPLADE) fusionadas con Reciprocal Rank Fusion, reordenadas por un cross-encoder y diversificadas con MMR. Un filtro de relevancia decide si responder, reintentar con otra formulación o abstenerse. Claude responde con citas nativas, transmitidas a una interfaz en Next.js que resalta cada fuente.

Pipeline

  1. 01Parseo y chunking
  2. 02Reescritura
  3. 03Recuperación híbrida
  4. 04Rerank + MMR
  5. 05Filtro de relevancia
  6. 06Respuesta citada

Dónde se usa

  • Bases de conocimiento internas: políticas de RR. HH., procedimientos, manuales de producto
  • Equipos legales, de cumplimiento e investigación que deben verificar cada afirmación
  • Agentes de soporte que responden desde la documentación oficial

Puntos clave

  • Recuperación híbrida: densa + BM25 + SPLADE, fusionadas con RRF
  • Reranking con cross-encoder y diversificación MMR
  • Bucle correctivo que se abstiene en lugar de alucinar
  • Citas a nivel de oración con página y sección

Stack

LangGraphClaudepgvectorSPLADECross-encoderNext.js

¿Quieres algo así para tu empresa?

Construyo versiones de producción de estos sistemas sobre tus datos y tu infraestructura.

Servicio relacionado: Asistentes de conocimiento

Contáctame