Construye un RAG sobre documentación de producto SaaS
Visión general
De qué trata este proyecto.
Recibes los 400 artículos en Markdown (mezcla ES/EN), 80 preguntas reales de soporte con respuestas-oro y referencia al artículo de origen. Implementa: (1) chunking semántico con overlap, (2) embeddings multilingües (mpnet o E5), (3) retriever híbrido semántico+BM25, (4) generador con prompt que obliga a citar el artículo. Evalúa retrieval (recall@5) y respuesta (faithfulness + answer relevance vía RAGAS). Éxito = recall@5 >= 0,9, faithfulness >= 0,85, demo Streamlit con telemetría de citas y memo de 3 páginas para soporte.
El Briefing
Lo que harás y lo que demostrarás.
Construir un RAG bilingüe sobre 400 artículos con citación obligatoria, recall@5 >= 0,9 y faithfulness >= 0,85.
Earning criteria — what you'll demonstrate
- Aplicar chunking semántico con justificación de tamaño + overlap
- Implementar retrieval híbrido (semántico + BM25)
- Evaluar RAG con métricas de faithfulness y answer relevance
- Diseñar telemetría útil para iteración post-despliegue
Encaje académico
Dónde encaja esto en tus estudios.
Afina las mismas habilidades que tu titulación espera de ti.
Habilidades
Habilidades que demostrarás.
Cada una aparece en tu credencial verificada.
Carreras
Roles para los que esto te prepara.
Títulos reales. Puentes de habilidades reales. Elige el que más se acerque a tu trayectoria.
Trayectorias profesionales que esto construye
Roles canónicosIngeniero/a de IA
Construir un RAG end-to-end con citación, evaluación y telemetría es exactamente la rutina del AI engineer en SaaS — el trabajo más demandado en 2024-25.
Este proyecto afina
- retrieval-augmented-generation
- embedding-retrieval
- python
Ingeniero/a de NLP
Hybrid search, chunking semántico y evaluación con RAGAS son competencias core del NLP engineer en producto B2B.
Este proyecto afina
- hybrid-search
- embedding-retrieval
- evaluation
Ingeniero/a de Prompts
Diseñar el prompt del generador que obliga a citar y evaluar faithfulness es la franja senior del prompt engineering aplicado a RAG.
Este proyecto afina
- retrieval-augmented-generation
- evaluation
- python