Qué es RAG
RAG (Retrieval-Augmented Generation) le da al modelo, en el momento de responder, los fragmentos relevantes de tus documentos. El modelo "recupera" (retrieval) y luego "genera" (generation) la respuesta apoyado en esos datos.
Por qué importa
- Respuestas basadas en TU información (manuales, políticas, catálogos), no solo en lo que el modelo sabe.
- Sin reentrenar ni pagar fine-tuning.
- Actualizas el conocimiento cambiando los documentos, no el modelo.
Cómo funciona (simple)
- Partes tus documentos en fragmentos.
- Los guardas como vectores en una base.
- Ante una pregunta, buscas los fragmentos más parecidos.
- Se los pasas al modelo junto con la pregunta.
RAG vs fine-tuning
Usa RAG para conocimiento que cambia o es específico (docs de la empresa). Usa fine-tuning para enseñar un estilo o formato constante. Muchas veces RAG es suficiente y más barato.