Translations:FACTS About Building Retrieval Augmented Generation-based Chatbots/7/es

El lanzamiento de Chat-GPT, la aparición de bases de datos vectoriales y el uso generalizado de la generación aumentada por recuperación (RAGs) (8) marcaron el comienzo de una nueva era en el dominio de los chatbots. Ahora, los LLMs pueden entender las intenciones de los usuarios con simples indicaciones en lenguaje natural, eliminando la necesidad de un entrenamiento complejo de variantes de intención, sintetizar contenido empresarial de manera coherente, empoderando así a los chatbots con una capacidad conversacional más allá del reconocimiento de intenciones predefinidas. Mientras que los LLMs aportan sus capacidades generativas para construir respuestas coherentes, factuales y lógicas a las consultas de los usuarios, los sistemas de recuperación de información (IR) potenciados por bases de datos vectoriales aumentan la capacidad de los LLMs para recuperar contenido fresco. Herramientas como LangChain (1) y Llamaindex (9) facilitan la construcción de chatbots y la orquestación de flujos de trabajo complejos que incluyen memoria, agentes, plantillas de indicaciones y flujo general. Juntos, los sistemas de IR basados en búsqueda vectorial, los LLMs y los marcos como LangChain forman componentes centrales de una canalización RAG y están impulsando chatbots de IA generativa en la era posterior a Chat-GPT.