# Salida **Proyecto:** Workspace de tools IA para empresas **Modulo:** RAG **Ultima actualizacion:** 2026-04-02 **Ultima modificacion por:** Agente tools IA para potenciar servicios empresariales **Estado:** En definicion --- ## Proposito Definir como sale el conocimiento del sistema RAG hacia los consumidores, especialmente en forma de contexto util para agentes, aplicaciones y soluciones con IA. --- ## Vision general La salida del RAG no se limita a responder preguntas. El sistema debe poder: - recuperar contexto util - ofrecer un mapa inicial de conocimiento - devolver respuesta apoyada en contexto cuando haga falta Esto responde a los dos grandes casos de uso aceptados: - agentes expertos en empresa - agentes expertos en proyecto o desarrollo --- ## Tipos de salida contemplados Se consideran validos estos tipos de salida conceptuales: 1. `retrieve` - devuelve contexto recuperado 2. `answer` - devuelve una respuesta apoyada en contexto 3. `context_plus_summary` - devuelve contexto mas una sintesis util En la practica, `retrieve` es la pieza clave para la v1, porque es la base que permite contextualizar agentes y otras herramientas. --- ## Modo `answer` `answer` se apoya en `retrieve`. Flujo aplicado: 1. recuperar contexto relevante 2. construir un prompt con resumen y citas del contexto recuperado 3. pedir a un modelo de respuesta que conteste usando solo ese contexto 4. devolver la respuesta junto con citas y trazabilidad minima ### Estructura esperada - `mode` - `intent` - `answer` - `summary` - `topics` - `criticalPoints` - `citations` - `scope` ### Por que se diseña asi - mantiene a `retrieve` como nucleo del sistema - evita que la respuesta se desconecte del contexto recuperado - permite que el mismo RAG sirva tanto para cargar contexto como para responder directamente - conserva trazabilidad para revisar de donde sale la respuesta ### Limite importante La calidad de `answer` depende directamente de la calidad de `retrieve`. Si la recuperacion no trae el fragmento concreto adecuado, la respuesta puede quedar demasiado prudente o incompleta aunque el modo `answer` funcione correctamente. En modo `codigo`, `answer` incluye tambien `sectionTitle` y rango de lineas cuando estan disponibles. --- ## Mejora aplicada a `retrieve specific` Para consultas operativas frecuentes, `retrieve specific` ya no se limita a una sola busqueda semantica directa. Se ha mejorado con: - subconsultas internas segun la intencion detectada - reordenacion por alineacion con la pregunta - refuerzo de documentos especialmente relevantes para ciertos casos, como backlog, reglas, historial o indice documental **Objetivo de esta mejora:** - que preguntas practicas como "que tenemos pendiente" o "cuales son las reglas" lleguen antes a los fragmentos verdaderamente utiles - mejorar `answer` sin tener que cambiar su arquitectura Tambien se ha ampliado para consultas tecnicas o conceptuales del modo `codigo`, por ejemplo preguntas sobre funciones, IDs, servicios, endpoints o flujo interno. --- ## Retrieve inicial y retrieve especifico Se adopta esta separacion conceptual: 1. `retrieve` inicial o de arranque - entrega un mapa general del dominio - orienta al agente sobre el panorama del conocimiento disponible - no busca profundizar en exceso 2. `retrieve` especifico - profundiza en un tema, duda o necesidad concreta - recupera contenido mas cercano a la consulta puntual --- ## Estructura acordada para `retrieve` inicial Se adopta esta estructura base para el `retrieve` inicial. ### 1. `mode` Indica el modo de recuperacion aplicado. Valores previstos: - `documental` - `codigo` - `auto` **Por que se incluye:** - permite trazabilidad de como se hizo la recuperacion - ayuda al consumidor a entender el tipo de lectura aplicada ### 2. `intent` Indica la intencion de la recuperacion. Valores previstos: - `bootstrap` - `specific` Para el `retrieve` inicial, el valor esperado es `bootstrap`. **Por que se incluye:** - separa claramente el mapa inicial de una consulta puntual - evita confundir una carga de contexto general con una busqueda de detalle ### 3. `summary` Resumen corto del contexto recuperado. **Por que se incluye:** - da una lectura rapida del panorama general - permite al agente orientarse sin tener que leer todos los fragmentos completos de inmediato ### 4. `topics` Lista de temas principales detectados. **Por que se incluye:** - ayuda a que el agente tenga un mapa tematico del dominio - sirve como guia para decidir en que profundizar despues ### 5. `critical_points` Lista de puntos criticos o prioritarios. Estos puntos pueden salir de dos vias: - inferidos por el sistema - marcados explicitamente como criticos en las fuentes o durante la ingesta **Por que se incluye:** - algunos temas deben mantenerse visibles aunque el resumen general sea breve - permite priorizar conocimiento especialmente sensible o importante ### 6. `items` Lista de fragmentos o piezas recuperadas. Cada item debe poder incluir como minimo: - `chunk_id` - `document_id` - `source_id` - `title` - `content` - `score` **Por que se incluye:** - es la parte trazable y reutilizable del contexto - permite que un agente o sistema no dependa solo de una sintesis - mantiene acceso a las piezas concretas del conocimiento recuperado ### 7. `follow_up_refs` Referencias o pistas para profundizar despues. Pueden apuntar a: - temas - documentos - secciones - preguntas sugeridas **Por que se incluye:** - convierte el `retrieve` inicial en una guia de navegacion - facilita pasar de un mapa general a una consulta especifica sin perder el hilo ### 8. `scope` Permite acotar la recuperacion a una fuente, workspace, proyecto o conjunto de tags concreto. Campos previstos: - `sourceId` - `sourceRef` - `tags` **Por que se incluye:** - evita que el bootstrap o la consulta especifica carguen contexto de todo el sistema cuando solo interesa un workspace o proyecto - prepara el RAG para convivir con multiples fuentes sin mezclar panoramas - hace util el retrieve inicial como carga contextual enfocada, no solo global --- ## Que representa realmente este `retrieve` inicial No es una respuesta final. Es un paquete de contexto de arranque pensado para: - dar orientacion general - volver experto al agente en ese dominio durante la sesion de trabajo - servir como base para posteriores consultas especificas Su papel es parecido al de una carga inicial de contexto o mapa operativo del conocimiento. --- ## Estrategia aplicada al `retrieve` inicial El `bootstrap` no debe limitarse a ejecutar una sola busqueda semantica amplia. Se adopta una estrategia de recuperacion orientada a mapa inicial: - lanzar varias subconsultas relacionadas con panorama general, documentacion principal, pendientes y reglas del dominio - fusionar resultados sin duplicar chunks - ordenar los fragmentos priorizando relevancia y utilidad panoramica - sintetizar un resumen final que ayude a orientarse rapido **Por que se decide asi:** - un retrieve inicial necesita mas cobertura que una consulta puntual - una sola consulta suele dejar fuera piezas clave del mapa general - combinar subconsultas mejora la calidad del contexto de arranque sin cambiar el modelo de embeddings ni la base vectorial **Resultado esperado:** - mejor identificacion de documentos base - mejor panorama del workspace o proyecto - referencias mas utiles para profundizar despues --- ## Por que se ha elegido esta estructura - porque el RAG debe servir para mucho mas que preguntas aisladas - porque el usuario quiere que un agente pueda arrancar con una vision rica del tema o proyecto - porque un mapa inicial ayuda a profundizar despues sin saturar contexto desde el principio - porque mezcla panorama, criticidad, trazabilidad y capacidad de profundizacion posterior --- ## Ajustes futuros posibles Aunque esta estructura queda aceptada para la v1, se asume que en la practica podria requerir ajustes. Posibles cambios futuros: - afinar el nivel de detalle de `summary` - separar mejor `topics` y `critical_points` - enriquecer `items` con mas metadatos - hacer que `follow_up_refs` sea mas estructurado - incorporar niveles de confianza o explicacion de relevancia La estructura actual se acepta como una base suficientemente clara para empezar a construir y evaluar.