Saltar al contenido

Hablar por WhatsApp PanelEntrar al panel

Fragmentación (chunking)

Proceso de dividir documentos largos en fragmentos más pequeños antes de convertirlos en embeddings. Una buena estrategia de chunking es clave para que un sistema RAG recupere contexto preciso.

Proceso de dividir documentos largos en fragmentos más pequeños antes de convertirlos en embeddings. Una buena estrategia de chunking es clave para que un sistema RAG recupere contexto preciso.

Actualizado: 3 de junio de 2026.

Un manual de 200 páginas no cabe entero en un prompt ni se recupera con precisión como un solo bloque. El chunking lo parte en trozos manejables —por párrafos, secciones o ventanas solapadas— para indexarlos por separado.

El equilibrio

Fragmentos grandes: más contexto, pero recuperación menos precisa.
Fragmentos pequeños: más precisión, pero riesgo de perder contexto.

Buenas prácticas

Solapar fragmentos, respetar límites semánticos (títulos, párrafos) y guardar metadatos ayuda a que la búsqueda semántica devuelva lo relevante.

Términos relacionados

RAG (generación aumentada por recuperación)RAG es una arquitectura de inteligencia artificial que recupera información relevante desde documentos, bases de datos u otras fuentes externas y la añade al contexto de un modelo de lenguaje antes de generar una respuesta. Permite trabajar con conocimiento privado o reciente sin reentrenar los pesos del modelo.Incrustación vectorial (embedding)Una incrustación vectorial o embedding es una representación numérica de un texto, imagen, audio u otro dato que conserva relaciones de significado. Un modelo convierte cada elemento en un vector; los vectores semánticamente parecidos quedan próximos en el espacio matemático. Esa propiedad permite buscar por significado, recomendar contenido, agrupar ejemplos y recuperar contexto para sistemas RAG sin depender solo de palabras exactas.Base de datos vectorial: qué es y cómo funcionaUna base de datos vectorial es un sistema que almacena embeddings junto con identificadores y metadatos, construye un índice para buscar vecinos cercanos y devuelve elementos semánticamente similares a un vector de consulta. Puede ser un producto especializado o una capacidad añadida a un buscador o base tradicional; guardar vectores no basta sin estrategia de recuperación, filtros y evaluación.Búsqueda semánticaForma de búsqueda que encuentra resultados por significado y no por coincidencia exacta de palabras. Usa embeddings para entender la intención, de modo que 'darme de baja' y 'cancelar suscripción' devuelven lo mismo.Ventana de contextoLa ventana de contexto es la cantidad máxima de tokens (texto, código, imágenes o audio convertidos a unidades) que un modelo de lenguaje puede procesar a la vez, sumando la entrada del usuario y la respuesta generada.

Ver todos los términos

02 / LLEVAR A LA PRÁCTICA

Después de leer

Convierte una idea útil en una habilidad repetible.

Elige una ruta breve, aplícala a una tarea real y termina con algo que puedas revisar, usar o compartir.

Explorar cursos Empezar gratis