El AI-LAB implementa una arquitectura basada en:
- grounding contextual
- embeddings
- recuperación semántica
- memoria persistente
- RAG interno
Objetivo principal
Section titled “Objetivo principal”Reducir:
- alucinaciones
- respuestas incorrectas
- pérdida de contexto
y mejorar:
- precisión
- coherencia
- trazabilidad
- reasoning contextual
Componentes principales
Section titled “Componentes principales”| Componente | Función | |---|---|---| | Qdrant | Base vectorial | | Embedding model | Generación embeddings | | Router Cognitivo | Orquestación | | Context Manager | Contexto persistente | | Runtime snapshots | Estado operativo | | Docs Astro | Fuente documental | | AnythingLLM | Memoria documental, consumidor oficial de documentación canónica |
Flujo RAG
Section titled “Flujo RAG”graph TD A[Usuario] --> B[Router API] B --> C[Embedding Prompt] C --> D[Qdrant Search] D --> E[Documentos relevantes] E --> F[Augment Prompt] F --> G[LLM] G --> H[Respuesta grounded]