RAG (indexar)

RAG (indexar) es la mitad “escritura” del RAG: toma texto, lo parte en fragmentos (chunks), calcula sus embeddings y los guarda en la base vectorial bajo un namespace. Después, RAG (recuperar) busca sobre ese contenido.

Es un nodo de flujo (no se conecta al agente). Lo usás en un workflow de ingesta que corrés una vez, o cada vez que cambian tus documentos.

Configuración

Campo	Tipo	Requerido	Descripción
namespace	text	Sí	Espacio de nombres donde guardar.
provider	select	Sí	Proveedor de embeddings.
model	text	Sí	Modelo de embeddings (el mismo que usarás al recuperar).
credentials_id	credentials	Sí	Credencial del proveedor.
chunk_size	number	No	Tamaño de cada fragmento en caracteres. Default 1000.
overlap	number	No	Solapamiento entre fragmentos. Default 150.

Entrada: data.text (un texto) o data.documents (un array [{ text, id, metadata }]). Salida: data.indexed (cuántos fragmentos se guardaron) y data.namespace.

Ejemplo — Indexar un manual

1. Start → (un nodo que traiga el texto: leer un archivo, una tabla, un HTTP…) → RAG (indexar) → End.
2. RAG (indexar):
   • namespace: manual-producto
   • provider: openai, model: text-embedding-3-small
   • credentials_id: tu credencial
   • chunk_size: 1000, overlap: 150
3. Ejecutá el workflow una vez. Confirmá que la salida traiga indexed > 0.

A partir de ahí, un agente con RAG (recuperar) apuntando al mismo namespace y mismo model puede responder sobre ese manual.

Precaución

El model de embeddings de la indexación tiene que ser idéntico al de la recuperación. Si indexás con text-embedding-3-small y recuperás con otro, los vectores no son comparables y la búsqueda falla.

Fragmentos más específicos

Si las respuestas mezclan temas, bajá chunk_size (fragmentos más chicos y precisos) y/o subí el top_k al recuperar.

Ver también

• RAG (recuperar) · AI Agent (orquestador)
• Ejemplos y recetas · Problemas frecuentes