// Proyecto · RAG · Full-stack · Azure AI
Construí desde cero una plataforma multi-asistente con recuperación aumentada de contexto (RAG) real — aislamiento estructural por asistente, búsqueda híbrida y una regla clara: si no hay datos, el sistema lo dice. Sin alucinaciones. Construida en junio de 2025 como parte de la especialización en AI & Data Engineering en Tajamar (Madrid).
// Números del proyecto
El problema
Mezclan contextos. En plataformas con múltiples asistentes basados en filtros, un asistente puede responder con información que no le corresponde.
Inventan respuestas. Cuando la base de conocimiento no tiene la información, los modelos tienden a completar con datos propios — reales o no.
Rompen el hilo. En conversaciones multi-turno, sin reescritura de consulta, el sistema pierde el contexto de preguntas anteriores y falla en el seguimiento.
No llegan a producción. La mayoría de demos de RAG funcionan en notebooks. Escalarlos a un backend real con tests y frontend consume meses.
PASO 01
Cada asistente tiene su propio índice en Azure AI Search — no filtros compartidos. La contaminación entre bases de conocimiento es imposible por diseño.
PASO 02
En conversaciones multi-turno, el LLM reescribe la pregunta del usuario incorporando el contexto previo antes de lanzar la búsqueda. El sistema siempre entiende qué se pregunta.
PASO 03
Búsqueda por keywords + vectores con Reciprocal Rank Fusion, seguida de un semantic reranker. Los fragmentos más relevantes llegan al modelo, no los más cercanos matemáticamente.
PASO 04
Si el retrieval devuelve vacío, el sistema responde "no lo sé" de forma hardcodeada. Cero alucinaciones, cero respuestas inventadas. Confianza real en producción.
Cada decisión técnica tiene un motivo. Chunking de 800 caracteres con 150 de overlap. SQLite para metadatos de asistentes. FastAPI + React con TypeScript para el frontend.
Tecnologías
Cada área tiene su propio asistente con su propia base de conocimiento. RRHH, legal y producto no se mezclan nunca.
La plataforma es extensible. Se puede conectar cualquier fuente de documentos y desplegar un asistente con respuestas fiables en días.
56 tests unitarios, separación backend/frontend clara y decisiones documentadas. Listo para que un equipo lo tome y escale.
La plataforma fue construida en 7 días. Puedo adaptar una versión para el caso de uso de tu cliente en un tiempo mínimo.
Esto es para ti si...
No es para ti si...
Proyectos relacionados
RAG agéntico sobre cualquier repositorio GitHub con citas inline. 100% routing, 94% fidelidad.
Ver caso completo → TFM · RAG · Azure AIAnálisis de licitaciones públicas: requisitos con cita a página, match score y borrador de memoria técnica.
Ver caso completo →¿Necesitas algo así?
Cuéntame tu caso de uso. Si puedo ayudarte, te digo cómo. Si no encaja, también te lo digo.
Agendar videollamada →// respondo en menos de 24h