Retrieval QA History
Retrieval QA History responde a las preguntas de un usuario 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. Además tiene en cuenta los mensajes anteriores de la conversación, así que entiende preguntas de seguimiento como “¿y en el plan anual?”.
Úsalo para montar un asistente de preguntas y respuestas sobre tus manuales, políticas o catálogos que mantenga el hilo de la conversación.
Cuándo usarlo
- Un asistente de soporte que responde con los manuales de producto y entiende las preguntas que siguen a la primera.
- Un asistente interno que contesta dudas de la plantilla sobre vacaciones, gastos o teletrabajo a partir de las políticas de la empresa.
- Un asistente comercial que responde sobre tarifas y condiciones con la documentación vigente y puede citar de dónde sale cada respuesta.
Configuración
| Campo | Qué hace |
|---|---|
| System Prompt | Las instrucciones para el modelo. Ya trae un texto que le pide responder con la información encontrada, en tres frases como máximo, y decir que no lo sabe si no la encuentra. Adáptalo a tu caso. |
| Input | La pregunta del usuario. Conéctala, por ejemplo, a un Chat Input. |
| Return Source Documents | Añade al final de la respuesta las referencias de los documentos usados. Por defecto: desactivado. |
| Stream | Muestra la respuesta poco a poco a medida que se genera. Solo tiene efecto en el chat. Por defecto: activado. |
| Memory top message | Cuántos mensajes anteriores de la conversación se tienen en cuenta cuando no conectas una memoria externa. Por defecto: 20. |
| 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. |
| External Memory | Opcional. Un componente de memoria que guarda el historial fuera de NappAI, por ejemplo Postgres Chat Memory o Redis Chat Memory. Si no conectas ninguno, se usa el historial que NappAI guarda de las conversaciones del flujo. |
Resultado
- Text: la respuesta para el usuario. Conéctala a un Chat Output para mostrarla en el chat.
- Runnable: el componente listo para que otro lo ejecute, por ejemplo Runnable As Tool para que un agente lo use como herramienta. En ese uso no tiene en cuenta el historial de la conversación.
Ejemplo
Software Abedul quiere un asistente que conteste a sus clientes con la documentación de su programa de facturación:
- 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.
- En System Prompt escribe: “Eres el asistente de soporte de Software Abedul. Responde con la información de los manuales; si no está, ofrece abrir una incidencia.”
- Activa Return Source Documents y conecta Text a un Chat Output.
Si un cliente pregunta “¿cómo emito una factura rectificativa?” y después “¿y si ya la envié?”, el asistente entiende que la segunda pregunta sigue hablando de facturas rectificativas e indica de qué manual saca la respuesta.
Buenas prácticas
- Pide en System Prompt que diga que no lo sabe cuando la información no aparezca en los documentos, para evitar respuestas inventadas.
- Mantén la base de conocimiento al día: el asistente solo sabe lo que contienen tus documentos.