Retrieval QA
Retrieval QA responde a una pregunta con la información de tu base de conocimiento: busca los fragmentos de tus documentos relacionados con la pregunta y pide a un modelo de IA que conteste a partir de ellos. Puede añadir al final de la respuesta las referencias de los documentos usados.
Úsalo para montar un sistema de preguntas y respuestas sobre tus manuales, políticas o catálogos.
Cuándo usarlo
- Responder dudas de clientes con la información de los manuales de producto.
- Contestar preguntas de la plantilla sobre las políticas internas de la empresa.
- Consultar contratos o fichas técnicas y saber de qué documento sale cada respuesta.
Configuración
| Campo | Qué hace |
|---|---|
| Input (obligatorio) | La pregunta. Puedes escribirla o conectarla, por ejemplo, a un Chat Input. |
| Return Source Documents | Añade al final de la respuesta las referencias de los documentos usados. Por defecto: desactivado. |
| Conexión | Qué conectar |
|---|---|
| Model (obligatorio) | Un componente de modelo de IA, por ejemplo OpenAI. |
| Retriever (obligatorio) | La base de conocimiento en la que se busca: la salida Retriever de un componente como Chroma DB o PGVector. |
| Memory | Opcional. La salida Memory de Chat Memory, para guardar las preguntas y respuestas en el historial de la conversación. |
Opciones avanzadas
| Campo | Qué hace |
|---|---|
| Chain Type | Cómo se entregan al modelo los fragmentos encontrados. Por defecto: Stuff. |
Opciones de Chain Type:
- Stuff: todos los fragmentos se envían juntos en una sola consulta. Es la opción más rápida y la adecuada en la mayoría de los casos.
- Map Reduce: el modelo lee cada fragmento por separado y después combina lo que ha sacado de todos en una respuesta.
- Refine: el modelo responde con el primer fragmento y va mejorando la respuesta con cada uno de los siguientes.
- Map Rerank: el modelo responde con cada fragmento por separado, puntúa cada respuesta y se queda con la mejor.
Las opciones distintas de Stuff consultan al modelo varias veces, así que tardan más.
Resultado
- Text: la respuesta, con las referencias al final si activaste Return Source Documents. Conéctala a un Chat Output para mostrarla en el chat.
- Runnable: el componente listo para que otro lo ejecute. Conéctalo a Runnable As Tool para que un agente lo use como herramienta.
Ejemplo
Clima Ribera quiere que sus técnicos consulten los manuales de los equipos de aire acondicionado desde el chat:
- Carga los manuales en una base de conocimiento, por ejemplo Chroma DB, y conecta su salida Retriever a Retriever.
- Conecta un Chat Input a Input y un modelo a Model.
- Activa Return Source Documents y conecta Text a un Chat Output.
Si un técnico pregunta “¿qué significa el código de error E4?”, recibe la explicación sacada de los manuales y la referencia del documento del que sale.
Buenas prácticas
- Mantén la base de conocimiento al día: las respuestas solo pueden basarse en lo que contienen tus documentos.
- Si quieres dar instrucciones al modelo o que entienda preguntas de seguimiento, usa Retrieval QA History.