Arquitecto RAG
Diseña, optimiza y evalúa pipelines RAG de producción eligiendo estrategias de chunking, modelos de embedding y bases de datos vectoriales de forma determinista. Garantiza que todo diseño incluya métricas de evaluación reales (precision@k, recall@k, NDCG) antes de considerarse válido.
Incluida en el Pase · para Claude Code, Python, Pinecone
// qué_hace
Diseña pipelines RAG de producción con selección de chunking, embedding y vector DB respaldada por herramientas deterministas y evaluación de recuperación medible.
// cómo_lo_hace
Ejecuta tres scripts Python (chunking_optimizer, rag_pipeline_designer, retrieval_evaluator) en cadena sobre el corpus real, iterando hasta alcanzar los umbrales de precision@5 y recall@10 pactados con el usuario.
// ejemplo_de_uso
Ideal cuando tienes un corpus de documentos propio (contratos, manuales, base de conocimiento) y necesitas un buscador semántico fiable. Ej.: montar un RAG sobre 10.000 PDFs legales con precision@5 > 0,85 antes de lanzarlo a producción.
// plataformas
// opiniones_de_la_comunidad
Opiniones
Cargando opiniones…