RAG (generación aumentada por recuperación)
RAG significa que el modelo busca documentos en el momento de la respuesta en lugar de depender solo de lo que memorizó durante el entrenamiento.
Sin recuperación, el modelo es un archivo bien hablado con una fecha de corte. Con RAG, busca en un índice —la web, un almacén vectorial, tu Notion— y luego escribe con esos pasajes en el contexto.
Perplexity prioriza RAG. ChatGPT Search usa RAG cuando la navegación está activada. Google AI Overviews mezcla la recuperación con el índice de búsqueda que ya conoces. GEO es principalmente una lucha por estar en ese conjunto recuperado.
La calidad de los fragmentos (chunks) importa. Si tu página es un bloque único de marketing, el recuperador extraerá un trozo inútil. Si cada sección es independiente, obtendrás citas a nivel de pasaje.
El RAG de Reddit es simplemente RAG sobre hilos. El fragmento podría ser un comentario, no una página. Por eso una anécdota con 40 votos puede superar a tu white paper.
Ejemplos
- Un bot de soporte que responde desde tus documentos es RAG. Si ignora los documentos e inventa una política de reembolsos, la recuperación falló o nunca se configuró.
- ChatGPT cita un artículo de blog de 2024 para una pregunta de precios de 2026 porque la búsqueda en vivo no capturó tu actualización de /pricing. Es RAG desactualizado, no que “el algoritmo te odie”.
Términos relacionados
Combinación de recuperación por palabras clave (BM25) y por vectores. Muchos stacks de RAG hacen esto. Tanto tus sustantivos como tu significado cuentan.
Encontrar vecinos más cercanos en el espacio de incrustaciones. Núcleo de RAG. Las páginas borrosas se agrupan juntas y pierden.
La fecha posterior a la cual los pesos del modelo no incluyen la web. Cualquier cosa más nueva necesita navegación o RAG.
El despliegue de consultas ocurre cuando una pregunta del usuario se convierte en muchas búsquedas internas. Podrías ser citado por una subconsulta que nunca habías apuntado.
Vectores que representan el significado. Impulsan la búsqueda semántica y RAG. Tu página se convierte en un punto en el espacio.
FAQ
¿Es RAG lo mismo que el fine-tuning? +
No. El fine-tuning cambia los pesos. RAG deja el modelo intacto y mete evidencia en el prompt. La mayor parte de la búsqueda con IA que sientes como usuario es RAG más memoria.
¿Cómo optimizo para RAG? +
Encabezados claros, fragmentos factuales, datos únicos, HTML rastreable. Luego gana posiciones en los índices que esos sistemas buscan —incluido Reddit.
Síguelo en Reddex
Hilos de Reddit y respuestas de IA sobre tu marca en un solo lugar. Empieza con un análisis gratis.
Empezar