11. Cómo Preguntar a tus Documentos (Extracción de Información)

¡Hola y bienvenido/a a este tutorial! Hoy vamos a construir un sistema de extracción de información de documentos. Crearemos un flujo de trabajo simple pero muy potente que te permitirá subir cualquier documento y hacerle preguntas sobre su contenido.

Nuestro Objetivo: Construiremos un flujo limpio y eficiente con cinco componentes esenciales para que puedas subir un informe, un libro o cualquier archivo de texto y preguntarle cosas como «¿De qué trata este documento?» o «¿Cuál es el enfoque principal?».

Vamos a mantenerlo intencionadamente simple. No usaremos bases de datos vectoriales ni embeddings todavía. El objetivo de hoy es construir la base para que entiendas perfectamente cómo funciona el proceso de extracción directa.

---

Paso 1: Configurar el Modelo de Lenguaje (El Cerebro)

1. Crea un nuevo flujo de chat.
2. Ve a + Add Nodes -> Chat Models y arrastra Google Generative AI al lienzo. (Puedes usar cualquier otro modelo, el proceso es el mismo).
3. Configura el nodo:
   • Credenciales: Asegúrate de tener tu API Key de Google AI Studio configurada.
   • Model Name: Usaremos gemini-1.5-flash. Es un modelo excelente para comprender documentos y responde muy rápido.
   • Temperature: Vamos a ajustarla a 0.5. Esto nos da un buen equilibrio: será factual cuando sea necesario, pero también podrá resumir e interpretar el contenido.

---

Paso 2: Añadir el Cargador de Archivos (La Entrada)

Aquí es por donde tus documentos entrarán al sistema.

1. Ve a + Add Nodes -> Document Loaders.
2. Hay muchos cargadores específicos (para CSV, DOCX, etc.), pero usaremos el más versátil: File Loader. Este nodo genérico puede manejar PDF, CSV, TXT y muchos otros formatos.
3. Arrastra el File Loader al lienzo. Este nodo extraerá automáticamente todo el contenido de texto del archivo que subas.

---

Paso 3: Crear la Plantilla de Prompt (Las Instrucciones)

Necesitamos darle instrucciones claras a nuestra IA.

1. Ve a + Add Nodes -> Prompts.
2. ¡Atención! Como vamos a construir un flujo conversacional, necesitamos usar el nodo Chat Prompt Template. Arrástralo al lienzo.
3. Configura la plantilla:
   • System Message: Aquí definimos el comportamiento de la IA. Escribe:Eres un asistente servicial que responde preguntas basándose únicamente en el contexto proporcionado. Si la respuesta no está en el contexto, indica que no puedes encontrar la información.
   • Format Prompt Values: Necesitamos dos variables aquí:
     • Una llamada question (que vendrá del usuario).
     • Otra llamada context (que vendrá del documento).

---

Paso 4: Añadir la Memoria

Para que nuestro sistema funcione como un chat y pueda mantener una conversación, es indispensable añadir un nodo de memoria.

1. Ve a + Add Nodes -> Memory.
2. Arrastra el nodo Buffer Memory al lienzo.

---

Paso 5: Conectar Todo con la Cadena Conversacional

Este es el nodo que unirá todas las piezas.

1. Ve a + Add Nodes -> Chains y arrastra el Conversation Chain al lienzo.
2. Realiza las conexiones:
   • Conecta el Google Generative AI a la entrada Language Model.
   • Conecta la Buffer Memory a la entrada Memory (verás que tiene un asterisco rojo, indicando que es obligatoria).
   • Conecta el Chat Prompt Template a la entrada Prompt.
   • Ahora, vamos a conectar las variables del prompt:
     • Conecta la salida del File Loader a la entrada de la variable context en el Chat Prompt Template.
     • La variable question se rellenará automáticamente con la pregunta del usuario en el chat.

---

Paso 6: Guardar y Probar Nuestro Sistema

1. Guarda el flujo y ponle un nombre como Chat Con Documentos.
2. Sube un documento: En el nodo File Loader, verás un botón para subir un archivo. Selecciona un PDF o un archivo de texto que tengas a mano.
3. Haz una pregunta: Una vez cargado el archivo, ve a la ventana de chat y pregunta algo sobre el contenido. Por ejemplo:¿Cuál es el tema principal de este documento?

El sistema leerá el documento, lo usará como contexto y te dará una respuesta basada en la información que contiene. ¡Funciona!

---

Conclusión

¡Felicidades! Has construido un sistema funcional de extracción y consulta de documentos. Has aprendido a usar los cinco componentes clave para esta tarea:

1. Un modelo de chat.
2. Un cargador de archivos.
3. Una plantilla de prompt de chat.
4. Memoria.
5. Una cadena conversacional para unirlo todo.

Esta base te servirá para proyectos mucho más avanzados. El siguiente paso lógico sería explorar técnicas de RAG, donde añadiríamos embeddings y una base de datos vectorial para trabajar con colecciones de documentos mucho más grandes.

¡Muchas gracias y te veo en el próximo vídeo!