RAG

Por qué es importante RAG

Si pides a un modelo que escriba sin contexto, obtendrás un artículo genérico. Con RAG, el modelo consulta primero lo que los medios de referencia ya han publicado sobre el tema y construye el plan y el texto a partir de esos fragmentos.

Esto tiene dos efectos. Primero, el contenido se apoya en hechos en lugar de inventarlos. Segundo, se acerca al estilo de las fuentes que la IA ya cita con frecuencia, lo que aumenta las posibilidades de que también cite tu publicación.

Cómo se alimenta RAG

Un proceso automático de cuatro pasos:

1. Recopilación de enlaces. La plataforma recopila todos los enlaces que los servicios de IA incluyen en las respuestas a tus consultas. Se ejecuta a diario.
2. Obtención de contenido. El sistema extrae el texto de la página de cada enlace. Solo el cuerpo principal del artículo, sin imágenes ni anuncios.
3. Fragmentación. Los textos largos se dividen en fragmentos breves con sentido propio. Así, el modelo puede citar un punto concreto en lugar de una página entera.
4. Búsqueda por consulta. Cuando abres una tarjeta, aparecen los fragmentos que mejor encajan con su tema. Se muestran en la pestaña RAG.

Qué ves en una tarjeta

La pestaña RAG muestra una lista de fragmentos: su texto, el dominio de origen, el título de la página y un enlace al original.

Estos fragmentos se utilizan en Briefing para generar el plan y en Contenido para generar el texto. Si la selección no es relevante, puedes sustituir algunos manualmente y volver a generar el contenido.