La calidad de la recuperación la deciden decisiones que casi ningún tutorial te muestra comparando. Esta área de pruebas ejecuta varias estrategias contra la misma pregunta y el mismo corpus, de modo que la diferencia se ve en lugar de afirmarse.

Un área de pruebas para comparar estrategias de recuperación sobre distintos tipos de datos en una sola interfaz. El modo texto indexa txt, md o json y ejecuta cuatro estrategias contra la misma pregunta (búsqueda vectorial base, fusión híbrida de BM25 y vectores, ventanas de frase de pequeño a grande y un enrutador LLM), y cada respuesta conserva sus propios pasajes recuperados y puntuaciones de similitud.

Los otros modos cubren datos estructurados, PDF multimodales, imágenes y vídeo. Una pregunta sobre un CSV se traduce a código pandas, se ejecuta y se grafica; los PDF se analizan con PyMuPDF o MinerU y se responden desde recuperación conjunta de texto y figuras; la búsqueda de imágenes ejecuta texto-a-imagen e imagen-a-imagen en un mismo espacio de incrustación; y un MP4 se indexa con TwelveLabs, se buscan segmentos coincidentes y se analiza para dar una respuesta escrita con marcas de tiempo.

Construido sobre LlamaIndex y FastAPI con un front end de React, el backend informa en un endpoint de configuración qué claves están presentes y se degrada con un error claro cuando falta un servicio alojado en lugar de devolver datos falsos. Milvus solo es necesario para el modo de agente PDF; los demás modos mantienen su estado en memoria.

Léelo por el propio arnés de comparación y por las rutas multimodales: CSV a código pandas, PDF a recuperación conjunta de texto y figuras, búsqueda imagen-a-imagen en un solo espacio de incrustación, vídeo indexado por segmento. Cada modo falla con honestidad cuando falta la clave de su proveedor, y eso es una lección en sí misma.