oriolrius.me Production RAGGuía de referencia
Guía de referencia · AI engineering

Production RAG

De cero a sistemas escalables. Retrieval-augmented generation que sobrevive al contacto con un corpus real, usuarios reales, una factura real y un adversario real — etapa a etapa, con el código y las cifras.

16
partes
379
secciones
331
listados de código
153k
palabras

Léela una vez de principio a fin para construir el modelo mental y después úsala como índice de consulta. Cada parte termina con una checklist que puedes aplicar.

La forma del problema. Un sistema RAG son dos pipelines que se encuentran en un vector store. El pipeline de indexación corre offline — cargar, partir, hacer embedding, almacenar. El pipeline de retrieval corre en cada query — hacer embedding de la pregunta, buscar, ordenar, rellenar un prompt, generar. Casi todos los fallos en producción se remontan a una etapa concreta de uno de esos dos pipelines, así que la guía se organiza igual: construir los pipelines y después hacer que cada etapa sea observable, barata, rápida y segura.

El modelo mental

Dos pipelines que se encuentran en un vector store

Cada parte de la guía se ocupa de una o varias cajas de este mapa. Léelo una vez; después úsalo como índice de todo lo demás.

OBSERVABILITY(traces · metrics · evals · JSON logs) — wraps everything, changes nothingPart 7PHASE A — INDEXoffline · once per document · amortizedPHASE B — QUERYonline · once per request · recurringLoadPart 2SplitPart 3[Contextualize]Part 14EmbedPart 4Store + IndexParts 4, 8, 10GateP12CacheP9 · P11Embed queryP4RetrieveP4 · P6 · P16Fuse / FilterP6Compress / RerankP6Assemble promptP1 · P5 · P9GenerateP5 · P11Validate outputP11Return + citationsP1 · P6Governed by three budgets, always in tension:QUALITY · LATENCY · MONEY
El mapa general: las dos fases del pipeline, las Partes que cubren cada paso y la observabilidad — de la Parte 1.
La guía

Dieciséis partes, cuatro bloques

Léela una vez de principio a fin para construir el modelo mental y después úsala como índice de consulta. Cada parte termina con una checklist que puedes aplicar.

Partes 1–5

Fundamentos

Construir los dos pipelines

Partes 6–9

Calidad y operaciones

Que sea correcto, observable y asequible

Partes 10–13

Llevarlo a producción

Alojarlo, servirlo, defenderlo, probarlo

Partes 14–16

Avanzado y frontera

Cambiar lo que significa el retrieval

Escuchar

Resúmenes en audio

Resúmenes hablados y breves de las partes que más ganan al explicarse en voz alta. Generados con NotebookLM a partir del texto de cada parte.

  1. 01Por qué RAG se rompe en producción y cómo encajan las piezas4:27
  2. 03Chunking: la palanca de calidad más importante4:17
  3. 04Embeddings, vector stores y cómo leer los scores de similitud6:39
  4. 05Tu primer sistema RAG real, y cómo depurarlo cuando miente6:01
  5. 06Calidad del retrieval: búsqueda híbrida, reranking y citas5:03
  6. 07Observabilidad: traces, métricas y evals5:36
  7. 08Escalado: ajuste del índice, HNSW y cuándo hacer sharding4:29
  8. 09El presupuesto de coste y latencia6:48
  9. 11La API de producción: FastAPI y el camino de la request6:10
  10. 12La capa de seguridad: prompt injection y PII5:46
  11. 13Testear la capa de seguridad y la checklist de producción6:26
  12. 14Retrieval avanzado: contexto largo, contextual retrieval y late chunking6:47
  13. 15Agentic RAG: retrieval autocorrectivo con LangGraph5:29
  14. 16La frontera: GraphRAG, multimodal RAG y hacia dónde va todo esto5:22