[{"data":1,"prerenderedAt":29},["ShallowReactive",2],{"article-data-curso-gcp-google-adk-07":3},{"content":4,"date":5,"image":6,"sideArticles":7},"\u003C!DOCTYPE html>\r\n\u003Chtml lang=\"es\">\r\n\r\n\u003Chead>\r\n    \u003Cmeta charset=\"UTF-8\">\r\n    \u003Cmeta name=\"viewport\" content=\"width=device-width, initial-scale=1.0\">\r\n    \u003Cmeta name=\"description\"\r\n        content=\"Laboratorio 7: Aprende los fundamentos de RAG (Retrieval Augmented Generation). Indexa tus documentos privados para que tu agente responda basándose en información exclusiva y verídica.\">\r\n    \u003Cmeta name=\"keywords\"\r\n        content=\"RAG, Retrieval Augmented Generation, ADK, AI Agents, Private Data, Document Indexing, Python, Gemini, Conocimiento Privado\">\r\n    \u003Cmeta name=\"author\" content=\"Eduardo Martínez Agrelo\">\r\n    \u003Ctitle>Introducción a RAG | Curso Agentes IA\u003C/title>\r\n    \u003Cstyle>\r\n        body {\r\n            font-family: sans-serif;\r\n            line-height: 1.6;\r\n        }\r\n\r\n        h1,\r\n        h2,\r\n        h3 {\r\n            color: #333;\r\n        }\r\n\r\n        ul {\r\n            list-style-type: disc;\r\n            margin-left: 20px;\r\n        }\r\n\r\n        code {\r\n            background-color: #f4f4f4;\r\n            padding: 2px 5px;\r\n            border-radius: 3px;\r\n            font-family: monospace;\r\n        }\r\n    \u003C/style>\r\n\u003C/head>\r\n\r\n\u003Cbody>\r\n    \u003Ch1>Introducción a RAG (Conocimiento Privado)\u003C/h1>\r\n\r\n    \u003Cp>\u003Cstrong>Autor:\u003C/strong> \u003Ca href=\"https://www.youtube.com/@EduardoMartinezAgrelo\" target=\"_blank\">Eduardo Martínez\r\n            Agrelo\u003C/a>\u003C/p>\r\n\r\n    \u003Cp>Si el laboratorio anterior nos permitió conectar al agente con datos públicos de internet, este laboratorio nos\r\n        enseña a resolver el reto corporativo por excelencia: ¿cómo hacer que la IA conozca la información privada de mi\r\n        empresa? Implementaremos \u003Cstrong>RAG (Retrieval-Augmented Generation)\u003C/strong>, la arquitectura reina para\r\n        transformar documentos estáticos en una base de conocimientos dinámica y consultable.\u003C/p>\r\n\r\n    \u003Ch2>¿Qué es RAG (Retrieval Augmented Generation)?\u003C/h2>\r\n\r\n    \u003Cp>RAG es un patrón de diseño que combina la capacidad de razonamiento de un modelo de lenguaje con la precisión de\r\n        una fuente de datos externa y privada:\u003C/p>\r\n    \u003Cul>\r\n        \u003Cli>\u003Cstrong>Recuperación (Retrieval):\u003C/strong> El sistema busca en tus archivos la información relevante para la\r\n            pregunta del usuario.\u003C/li>\r\n        \u003Cli>\u003Cstrong>Aumentación (Augmentation):\u003C/strong> Se añade ese contenido extra al prompt original del agente.\r\n        \u003C/li>\r\n        \u003Cli>\u003Cstrong>Generación (Generation):\u003C/strong> El agente responde utilizando exclusivamente esos datos, actuando\r\n            como un experto en tu dominio específico.\u003C/li>\r\n    \u003C/ul>\r\n\r\n    \u003Ch2>Inyección de Contexto y Seguridad\u003C/h2>\r\n\r\n    \u003Cp>En este laboratorio, utilizaremos una técnica de inyección de contexto directa. En lugar de confiar en que el\r\n        modelo \"recuerde\" información, le entregamos físicamente el texto necesario para responder:\u003C/p>\r\n    \u003Cp>\u003Ccode>instructions=\"Responde usando solo este contexto: \" + mi_documento\u003C/code>\u003C/p>\r\n    \u003Cp>Este enfoque garantiza que el agente no utilice su conocimiento general de entrenamiento para especular sobre\r\n        políticas internas, contratos o manuales técnicos, manteniendo la integridad de la información corporativa.\u003C/p>\r\n\r\n    \u003Ch2>Evitando Alucinaciones con \"Closed-Domain\"\u003C/h2>\r\n\r\n    \u003Cp>El poder de RAG reside en su capacidad para admitir ignorancia. Al configurar un agente con conocimiento privado,\r\n        establecemos guardarraíles de seguridad:\u003C/p>\r\n    \u003Cul>\r\n        \u003Cli>\u003Cstrong>Fuentes de Verdad:\u003C/strong> El agente se restringe a responder basándose en el documento\r\n            proporcionado.\u003C/li>\r\n        \u003Cli>\u003Cstrong>Respuesta Negativa Controlada:\u003C/strong> Si la información no existe en el manual, el agente dirá \"No\r\n            tengo esa información\" en lugar de inventar una respuesta plausible pero falsa.\u003C/li>\r\n    \u003C/ul>\r\n\r\n    \u003Ch2>Implementación práctica\u003C/h2>\r\n\r\n    \u003Cp>En este laboratorio, construiremos un \"Asistente de Recursos Humanos\". Crearemos un manual de empleado en formato\r\n        de texto plano con reglas internas específicas de una empresa ficticia. Programaremos la lógica para cargar este\r\n        archivo y pasarlo como contexto al agente. Al interactuar con él, observarás cómo es capaz de citar beneficios\r\n        de empresa o reglas de oficina que no existen en internet, demostrando el potencial de los sistemas RAG para la\r\n        automatización de soporte interno.\u003C/p>\r\n\r\n    \u003Ch2>Conclusión: El activo más valioso es el dato\u003C/h2>\r\n    \u003Cp>Has aprendido que el valor de un agente en producción no solo depende de su modelo, sino de los datos exclusivos\r\n        a los que tiene acceso. Ya dominas el Grounding público y privado. Con estos cimientos, estamos listos para\r\n        entrar al \u003Cstrong>Módulo 4\u003C/strong>, donde aprenderemos a orquestar sistemas multi-agente complejos y\r\n        escalables.\u003C/p>\r\n\u003C/body>\r\n\r\n\u003C/html>","May 12, 2026","https://storage.googleapis.com/mp-blog/images/curso-gcp-google-adk-07.jpg",[8,14,19,24],{"id":9,"title":10,"description":11,"image":12,"date":13},"curso-gcp-apache-spark-01","Spark: Infraestructura como Código con Terraform | Curso Spark, Scala y Terraform","Aprende a desplegar clústeres de Big Data profesionalmente. Domina Terraform para crear infraestructura como código (IaC) en Google Cloud y automatiza tu entorno de Dataproc para Spark.","https://storage.googleapis.com/mp-blog/images/curso-gcp-apache-spark-01.jpg","March 12, 2026",{"id":15,"title":16,"description":17,"image":18,"date":13},"curso-gcp-apache-spark-02","Spark: Ingesta (Raw to Bronze) y Formatos Columnares | Curso Spark, Scala y Terraform","Domina la ingesta de datos con Spark. Aprende a convertir JSONs pesados en formato Parquet, optimiza tu almacenamiento en un 85% y domina los esquemas estrictos con Scala.","https://storage.googleapis.com/mp-blog/images/curso-gcp-apache-spark-02.jpg",{"id":20,"title":21,"description":22,"image":23,"date":13},"curso-gcp-apache-spark-03","Spark: Limpieza y Calidad (Bronze to Silver) | Curso Spark, Scala y Terraform","Domina la limpieza de datos en Spark. Aprende a usar Scala para implementar la capa Silver (Plata) de tu arquitectura Medallón, utilizando Case Classes para mayor seguridad.","https://storage.googleapis.com/mp-blog/images/curso-gcp-apache-spark-03.jpg",{"id":25,"title":26,"description":27,"image":28,"date":13},"curso-gcp-apache-spark-04","Spark: Analítica Avanzada (Silver to Gold) | Curso Spark, Scala y Terraform","Domina el Análisis Avanzado con Spark. Aprende a calcular métricas de negocio con Window Functions y a extraer el Top 3 de canciones por país y día para tu capa Gold.","https://storage.googleapis.com/mp-blog/images/curso-gcp-apache-spark-04.jpg",1778604629805]