RAG Systems 1001
← Volver a la página principal de la Academia

Curso gratuito · 12 notebooks prácticos · funciona en cualquier portátil

RAG Systems 1001

Cómo construir sistemas de generación aumentada por recuperación en los que se pueda confiar: encontrar los pasajes correctos, responder solo desde ellos, medir cada respuesta y dejar que un segundo modelo las juzgue para que el sistema mejore sin parar. Once notebooks con resultados reales ya ejecutados que puedes leer aquí o ejecutar tú.

  • 12notebooks
  • ~18 hde estudio
  • 4partes
  • 100%código ejecutable

Medido, no prometido

Cada comparación se ejecuta sobre una batería de preguntas con respuesta conocida: recuperación léxica frente a semántica frente a híbrida, framework frente a framework, respuestas evaluadas con reglas y con un modelo juez. Cuando una técnica no ayuda, el notebook lo dice.

Un sistema que se mejora solo

Un modelo supervisor evalúa cada respuesta (corrección, fidelidad, citas), detecta fallos de recuperación y convierte las correcciones de los usuarios en arreglos de la documentación: el bucle de mejora continua, construido paso a paso.

Honestos con las herramientas

LangChain, LlamaIndex, LangGraph, LiteLLM, Pydantic y Langfuse se muestran donde se ganaron su sitio en proyectos reales. LangSmith, GraphRAG y Neo4j no hicieron falta, y el curso explica por qué.

Temario

Cuatro partes, 12 notebooks. Lee las explicaciones, ejecuta las celdas y prueba los ejercicios al final de cada notebook. Tu progreso se guarda en este navegador.

Parte 1

Fundamentos

Troceado, recuperación léxica y semántica, búsqueda híbrida y respuestas fundamentadas con citas.

Parte 2

Construcción

Frameworks, enrutado de modelos y salida tipada, agentes como grafos de estados y respuestas desde datos.

Parte 3

Calidad

Evaluar bien un sistema RAG y un modelo supervisor que impulsa la mejora continua.

Parte 4

Producción

Observabilidad, producción serverless con poco presupuesto, grafos y un asistente supervisado construido de principio a fin.

Ejecútalo tú

Cada página de lección muestra el notebook con sus resultados guardados, así que todo el curso se puede leer en el navegador. Para experimentar, descarga un notebook o ábrelo en Google Colab desde la página de la lección, o clona el repositorio y ejecútalo todo en local (el notebook 04 explica cada paso):

git clone https://github.com/fborbon/academy.git
cd academy/rag-systems/es
python3 -m venv .venv && source .venv/bin/activate
pip install -r ../requirements.txt --extra-index-url https://download.pytorch.org/whl/cpu
jupyter lab

Qué necesitas

  • Python: soltura con funciones, listas y diccionarios (el módulo Inicial de Python 1001 los cubre).
  • Matemáticas: nivel de secundaria; los notebooks explican vectores, similitud del coseno y métricas de ranking sobre la marcha.
  • Equipo: cualquier portátil de la última década. Todo se ejecuta en una CPU en segundos o minutos. Sin claves de API: donde se usaría un modelo alojado, el notebook ejecuta un sustituto local y marca la llamada real opcional.

Datos y créditos

  • El manual de Harbourview y sus preguntas son ficticios, escritos para este curso.
  • El módulo 11 usa un segundo corpus ficticio, una base de conocimiento de un termostato inteligente (Thermio), también escrita para este curso.
  • El módulo 12 usa nueve discursos del Estado de la Unión (1950 a 2006) del corpus state_union que distribuye NLTK, que reproduce los textos de The American Presidency Project. Son obras del gobierno federal de Estados Unidos, de dominio público.
  • Modelo de embeddings: all-MiniLM-L6-v2 (Apache 2.0), descargado una vez de Hugging Face.