Capítulo 11: Agentic RAG — Agentes con Conocimiento

En el capítulo anterior construimos RAG: buscar información relevante y pasarla como contexto al modelo. Funciona bien para preguntas directas.

Pero el flujo es rígido. Siempre busca, siempre usa los resultados, siempre genera. ¿Qué pasa cuando:

La pregunta no requiere buscar ("Hola, ¿cómo estás?")
La primera búsqueda no encuentra lo que necesita
La pregunta requiere combinar información de múltiples consultas
El usuario hace seguimiento de algo que ya respondiste

Agentic RAG resuelve esto: el modelo decide cuándo buscar, qué buscar, y si necesita buscar de nuevo.

La Diferencia Fundamental

RAG TRADICIONAL:Pregunta → Buscar SIEMPRE → Generar con contextoAGENTIC RAG:Pregunta → Modelo DECIDE si buscar →  SÍ: Buscar → Evaluar → ¿Buscar más? → Generar  NO: Generar directamente

El truco es convertir la búsqueda en un tool que el agente puede usar (o no) según lo necesite.

El Tool de Búsqueda

La clave está en la descripción del tool. Le dice al modelo cuándo usarlo:

typescript

import { tool } from 'ai';import { z } from 'zod';const buscarDocumentos = tool({  description: `Busca información en la base de conocimiento.  USA este tool cuando:  - El usuario pregunta sobre datos específicos  - Necesitas información verificable  - La respuesta requiere precisión  NO uses este tool para:  - Saludos y despedidas  - Preguntas que puedes responder con conocimiento general  - Seguimiento de algo que ya respondiste`,  inputSchema: z.object({    consulta: z.string().describe('Tema a buscar'),    topK: z.number().optional().default(3),  }),  execute: async ({ consulta, topK }) => {    // Tu lógica de búsqueda semántica aquí    const resultados = await buscarEnIndice(consulta, topK);    if (resultados.length === 0) {      return {        encontrado: false,        sugerencia: 'Intenta reformular la pregunta',      };    }    return {      encontrado: true,      documentos: resultados,    };  },});

La descripción es crucial. Un modelo bien instruido distingue entre "¿Cuántos días de vacaciones tengo?" (buscar) y "Gracias por la info" (no buscar).

El Agente

typescript

import { ToolLoopAgent, stepCountIs } from 'ai';import { openai } from '@ai-sdk/openai';const asistente = new ToolLoopAgent({  model: openai('gpt-4o-mini'),  instructions: `Eres un asistente de recursos humanos.PROCESO:1. Evalúa si la pregunta requiere información específica2. Si SÍ: usa buscarDocumentos3. Evalúa los resultados - ¿responden la pregunta?4. Si NO: reformula y busca de nuevo5. Si SÍ: genera respuesta citando fuentesCUÁNDO BUSCAR:- Datos, políticas, procedimientos- Información verificableCUÁNDO NO BUSCAR:- Conversación casual- Conocimiento general- Seguimiento de respuestas anteriores`,  tools: { buscarDocumentos },  stopWhen: stepCountIs(5),});

Comportamiento Inteligente

Con esta configuración, el agente se comporta diferente según la pregunta:

typescript

// Pregunta que SÍ requiere búsquedaconst { text: r1, steps: s1 } = await asistente.generate({  prompt: '¿Cuántos días de vacaciones me tocan si tengo 3 años?'});console.log(`Pasos: ${s1.length}`); // 2 (buscar + responder)// Pregunta que NO requiere búsquedaconst { text: r2, steps: s2 } = await asistente.generate({  prompt: 'Hola, buenas tardes'});console.log(`Pasos: ${s2.length}`); // 1 (solo responder)// Pregunta compleja que requiere múltiples búsquedasconst { text: r3, steps: s3 } = await asistente.generate({  prompt: 'Me despidieron sin causa, ¿qué me corresponde?'});console.log(`Pasos: ${s3.length}`); // 3-4 (buscar varios conceptos)

Query Reformulation

A veces la primera búsqueda no encuentra lo que necesita. Un agente inteligente reformula:

typescript

const buscarConFeedback = tool({  description: 'Busca documentos. Si no encuentra, el agente puede reformular.',  inputSchema: z.object({    consulta: z.string(),    intentoPrevio: z.string().optional()      .describe('Consulta anterior que no dio resultados'),  }),  execute: async ({ consulta, intentoPrevio }) => {    const resultados = await buscarEnIndice(consulta);    if (resultados.length === 0) {      return {        encontrado: false,        consultaUsada: consulta,        intentoPrevio,        sugerencias: [          'Usa términos más generales',          'Prueba sinónimos',          'Divide la pregunta en partes',        ],      };    }    return { encontrado: true, resultados };  },});

El agente aprende del feedback:

Usuario: "¿Qué pasa si no me pagan a tiempo?"Paso 1: buscar("no me pagan a tiempo") → No encontradoPaso 2: buscar("retraso pago salario", intentoPrevio: "no me pagan...") → EncontradoPaso 3: Genera respuesta

Multi-Hop Reasoning

Preguntas complejas requieren múltiples búsquedas que se construyen una sobre otra:

Pregunta: "Si me despiden después de 5 años, ¿cuánto me toca de finiquito?"Paso 1: buscar("indemnización despido") → Art. 48 (3 meses)Paso 2: buscar("prima antigüedad") → Art. 162 (12 días por año)Paso 3: buscar("aguinaldo proporcional") → Art. 87Paso 4: Combinar información y calcular

Para habilitar esto, estructura las instructions:

typescript

instructions: `Para preguntas complejas:1. Identifica todos los conceptos involucrados2. Busca cada concepto por separado3. Recopila la información necesaria4. Combina los resultados5. Presenta un desglose claro`

Contexto de Conversación

Para preguntas de seguimiento, pasa el historial:

typescript

const mensajes: Array<{ role: string; content: string }> = [];async function chat(pregunta: string) {  mensajes.push({ role: 'user', content: pregunta });  const { text, steps } = await asistente.generate({    messages: mensajes,  });  mensajes.push({ role: 'assistant', content: text });  // Ver qué buscó  const busquedas = steps    .flatMap(s => s.toolCalls || [])    .map(tc => tc.args.consulta);  if (busquedas.length > 0) {    console.log('Búsquedas:', busquedas);  }  return text;}// Conversaciónawait chat('¿Cuántos días de vacaciones me tocan?');// Busca: "días de vacaciones"await chat('¿Y si tengo más de 6 años?');// Puede no buscar - ya tiene el contexto del Art. 76await chat('¿Cómo las solicito?');// Busca: "solicitud vacaciones" o "procedimiento vacaciones"

Integrándolo en React Router v7

typescript

// app/routes/api.asistente.tsimport type { Route } from './+types/api.asistente';import { asistente } from '~/lib/agentes/asistente.server';export async function action({ request }: Route.ActionArgs) {  const { messages } = await request.json();  const result = asistente.stream({ messages });  return result.toUIMessageStreamResponse();}

En el cliente, usas useChat como siempre:

typescript

const { messages, sendMessage, status } = useChat({  transport: new DefaultChatTransport({ api: '/api/asistente' }),});

Cuándo Usar Cada Enfoque

RAG Tradicional	Agentic RAG
Siempre busca	Decide si buscar
Una consulta por pregunta	Múltiples si necesita
Flujo predecible	Flujo adaptativo
No reformula	Reformula si falla
Sin contexto conversacional	Recuerda búsquedas previas

Usa RAG tradicional cuando:

Todas las preguntas son sobre documentos
Necesitas latencia predecible
El presupuesto de tokens es limitado

Usa Agentic RAG cuando:

Mezcla de chat general y consultas específicas
Preguntas complejas que requieren múltiples fuentes
Quieres una experiencia conversacional natural

Resumen

Concepto	Qué aprendiste
Agentic RAG	El agente decide cuándo y qué buscar
Tool de búsqueda	La descripción guía cuándo usarlo
Query reformulation	Reintentar con términos diferentes
Multi-hop	Múltiples búsquedas para preguntas complejas
Contexto conversacional	Pasar historial para seguimiento

El secreto está en las instructions y la descripción del tool. Un agente bien configurado sabe cuándo buscar, cuándo reformular, y cuándo simplemente conversar.

En el próximo capítulo exploraremos Audio y Speech: cómo integrar voz en tus aplicaciones, desde transcripción hasta síntesis de voz.

¿Ya compraste el libro?

Si compraste el libro y no encuentras tu email de descarga, ingresa tu email y te enviamos un nuevo enlace.