Glosario

Generación aumentada por caché (CAG)

¿Qué es Generación aumentada por caché (CAG)?

La generación aumentada por caché (CAG) es un enfoque en el que un modelo de lenguaje no busca el conocimiento en cada pregunta: una base de tamaño manejable se carga de antemano en su ventana de contexto y ese estado se guarda en caché, lo que elimina el paso de búsqueda. El término surgió a finales de 2024 como alternativa a la RAG. Encaja con bases pequeñas y estables; con datos grandes o cambiantes, la RAG suele ser más práctica.

Cómo ayuda KI.ordo

Para el conocimiento, KI.ordo usa una búsqueda por palabras clave BM25 en el servidor y guarda en caché las partes recurrentes de las solicitudes (prompt caching) para reducir costes.

Más información →

Temas

RAG
Ventana de contexto
Gestión del conocimiento

Probar KI.ordo

Agentes, flujos y plantillas en un solo espacio de trabajo – demo gratuita de 24 horas.

Iniciar demo

← Todos los términos

Términos relacionados

Generación aumentada por recuperación (RAG)

La generación aumentada por recuperación combina búsqueda y generación de texto: antes de responder, el sistema busca en una colección de conocimiento, como manuales, políticas o preguntas frecuentes, los fragmentos relevantes y se los pasa al modelo de lenguaje como contexto. Así la respuesta se apoya en contenido actual y propio de la empresa, no solo en lo aprendido durante el entrenamiento. Esto reduce las afirmaciones inventadas, hace rastreables las fuentes y permite actualizar sin reentrenar.

RAG
búsqueda de conocimiento
+1

Modelo de lenguaje grande (LLM)

Un modelo de lenguaje grande (Large Language Model, LLM) es una red neuronal entrenada con enormes cantidades de texto, lo que le permite entender y generar lenguaje. Funciona calculando, paso a paso, el siguiente token más probable. Los LLM redactan, resumen, traducen, responden preguntas y generan código; ejemplos conocidos son Claude, GPT, Gemini y Llama. Sin acceso a fuentes actualizadas, solo conocen lo que había en sus datos de entrenamiento.

Modelos de lenguaje
IA generativa
+1

Pipeline de recuperación

Un pipeline de recuperación (retrieval pipeline) es la secuencia de pasos con la que un sistema encuentra la información adecuada para una pregunta. Suele incluir: importar y limpiar documentos, dividirlos en fragmentos, crear un índice de búsqueda, reformular la consulta si hace falta, buscar coincidencias, ordenarlas (reranking) y pasar las mejores al modelo de lenguaje. Es la base de cualquier aplicación RAG, y su calidad determina en gran medida lo buenas que serán las respuestas.

RAG
búsqueda
+1

Recuperación de información

La recuperación de información engloba los métodos que, en grandes colecciones de texto, encuentran los documentos o fragmentos que responden a una consulta y los ordenan por relevancia. Enfoques clásicos como BM25 ponderan los términos según su frecuencia y su rareza; los más recientes añaden similitud semántica. Es la base de los buscadores, la búsqueda empresarial y la generación aumentada por recuperación (RAG), en la que un modelo de lenguaje usa los fragmentos encontrados como fuente de su respuesta.

Búsqueda
BM25
+1