Capítulo 02 / Presentación del contenido
La solución obvia: convertir los libros en vectores
Antes de responder, hay que saber qué texto ha entrado.
Edición definitiva · Página 30 del libro
Esta página presenta el contenido; no reproduce el capítulo completo.
Los libros permanecen fuera del modelo. Extracción, fragmentos, vectores y referencias preparan la documentación que podrá llegar hasta él.
Por qué aparece el problema
Un PDF legible en pantalla puede no tener texto utilizable. Un fragmento puede perder una atribución o mezclar hechos. Ningún embedding repara por sí solo esas pérdidas.
Qué hace el autor
El capítulo explica extracción y saneamiento, chunking, solapamiento y procedencia. Presenta BM25 para buscar por palabras y Qwen3-Embedding-4B para representar significado, con FAISS y comparación vectorial exacta. F0 prepara y congela el instrumento antes de comparar los métodos.
Qué cambia al ponerlo a prueba
Recuperación y generación necesitan exámenes distintos. Encontrar un libro, localizar una página y redactar una respuesta respaldada tampoco son el mismo resultado. Mantener los documentos fuera de los pesos permite conservar un camino de comprobación.