CertifyDeck¿Qué es RAG (generación aumentada por recuperación)?
Patrón en el que el modelo responde a partir de fragmentos recuperados de tus datos, en lugar de solo con lo que aprendió al entrenarse.
Qué es
RAG combina dos pasos: recuperar, a partir de la consulta del usuario, los fragmentos más relevantes de un índice (búsqueda vectorial, por palabras clave o híbrida, normalmente en Azure AI Search) y generar la respuesta pasándole al modelo esos fragmentos como contexto, con instrucciones para que responda solo con ellos y cite la fuente. Antes hay que ingerir los documentos: extraer el texto, trocearlo (chunking), calcular embeddings e indexarlos.
Cómo aparece en el examen
En el examen se pide diseñar el patrón y elegir sus piezas: índice híbrido con clasificación semántica para mejorar la relevancia, tamaño y solapamiento de los fragmentos, filtros de seguridad para que cada usuario recupere solo lo que puede ver, y evaluación de la respuesta con métricas de fundamentación (groundedness) y relevancia. En Copilot Studio el patrón está integrado como conocimiento del agente; en AI-103 se construye con el SDK y Azure AI Search.
Lo que más se falla
Lo que más se falla: RAG no elimina las alucinaciones, las reduce si el prompt obliga a responder con el contexto y admitir que no sabe; el ajuste fino (fine-tuning) no es la forma de dar al modelo datos actualizados, RAG sí; y sin filtros de seguridad en el índice, la búsqueda devuelve fragmentos a los que el usuario no debería tener acceso.
En qué certificaciones aparece
Términos relacionados
Practica el concepto con preguntas de examen
Cada pregunta de CertifyDeck explica por qué la respuesta correcta lo es y por qué las demás no. Empieza gratis, sin registro.
Ver simulador de AI-103 →