Creación de una base de conocimiento propia

Base de conocimiento personal

Organización de la documentación

Contexto

Debido a mi trabajo de divulgador tecnológico y formador para PYMES, me encuentro en un momento en el que tengo mucha documentación en mi ordenador que utilizo para la generación de contenidos para mis cursos. También tengo recopilados links a sitios que complementan o amplían esta documentación.

A la hora de manejar toda esta información resulta un poco tedioso, ya que tengo que revisar documento por documento y sacar notas para desarrollar los contenidos.

Además, quiero aprovechar esta documentación y estos enlaces a sitios con autoridad para la generación de posts para mi blog y/o para LinkedIn.

Sé que hay sistemas como los RAG (Retrieval-Augmented Generation) que me ayudarían a tener esta información disponible siempre, y supongo que hay otros.

La idea

La idea es crear un segundo cerebro con toda esta documentación para agilizar de forma notable la creación de contenido. Un sistema RAG sería, de hecho, el concepto central detrás de lo que necesito.

Actualmente considero tres alternativas:

• La Vía Visual y Automatizada (Low-Code) 💡
• El Taller del Artesano (Control Total con Scripts) ⚙️
• La Solución Integrada “Todo en Uno” (Software Especializado) 🚀

💡 La Vía Visual y Automatizada (Low-Code)

Esta opción se basa en conectar servicios existentes a través de una plataforma de automatización visual como n8n o Zapier.

¿Cómo funcionaría el flujo?

1. Entrada de Datos: Carpeta en la nube (Drive, Dropbox). Cada documento nuevo activa el flujo. Enlaces se gestionan con una hoja de Google Sheets.
2. Procesamiento Automático:
   • Se detecta el nuevo archivo o URL.
   • Se extrae el texto (documento o web).
   • Se envía a un servicio de IA para generar vectores y se almacena en una base de datos vectorial (Pinecone, Supabase).
3. Consulta:
   • Aplicación o interfaz de chat que usa esta base de conocimiento para responder mediante un modelo como GPT-4.

Ventajas:

• Rápida implementación.
• Poco o ningún código.
• Interfaces visuales.

Desventajas:

• Costes asociados (suscripciones, uso de API).
• Menor control técnico.

⚙️ El Taller del Artesano (Control Total con Scripts)

La opción para quienes desean máximo control, privacidad, y coste reducido a largo plazo.

¿Cómo funcionaría?

1. Entrada: Carpeta local. Script manual o programado. Enlaces en archivo .txt.
2. Procesamiento:
   • Script en Python extrae contenido.
   • Convierte a vectores con embeddings locales.
   • Guarda en base de datos vectorial local (ChromaDB, FAISS).
3. Consulta:
   • Desde terminal o aplicación web.
   • Todo se procesa localmente con LLM (como Ollama) si se desea.

Ventajas:

• Control total.
• Datos privados.
• Coste mínimo tras la configuración.

Desventajas:

• Requiere conocimientos técnicos.
• Mayor tiempo de puesta en marcha.

🚀 La Solución Integrada “Todo en Uno” (SaaS)

Se trata de usar plataformas ya preparadas como PersonalAI, Notion AI u otras emergentes.

¿Cómo funciona?

1. Entrada: Arrastrar documentos o añadir URLs en una interfaz.
2. Procesamiento: Totalmente opaco. Ellos se encargan del proceso.
3. Consulta: Aplicación de chat lista para usar con funciones extras como referencias, colecciones, etc.

Ventajas:

• Simplicidad máxima.
• Interfaz cuidada.
• Nada que configurar.

Desventajas:

• Poca flexibilidad.
• Datos en servidores de terceros.
• Suscripción mensual/anual.

Conclusión

Crear una base de conocimiento propia permite transformar información dispersa en un sistema útil y consultable de forma inteligente. El método elegido dependerá del nivel técnico, la sensibilidad de los datos, y la preferencia por velocidad o control.

¿Y tú? ¿Cuál elegirías?