RAG y el diseño de aplicaciones FM representan aproximadamente el 24% del examen AIF-C01. Los temas clave son RAG, Bedrock Knowledge Bases, Bedrock Agents, bases de datos vectoriales y parámetros de inferencia.
---
¿Qué es RAG? — La analogía del bibliotecario
RAG significa Retrieval-Augmented Generation (Generación Aumentada por Recuperación). Antes de responder, la IA busca documentos relevantes y basa su respuesta en ellos.
Imagina un bibliotecario: cuando le hacen una pregunta, primero busca los libros pertinentes y luego responde con base en lo que lee. RAG funciona igual.
| Problema | Sin RAG | Con RAG | |---------|---------|---------| | Alucinación | La IA inventa información plausible | La respuesta se basa en documentos reales | | Límite de conocimiento | Desconoce eventos posteriores al entrenamiento | Puede buscar documentos actualizados en tiempo real | | Conocimiento de dominio | Solo conocimiento general | Puede usar documentos internos de la empresa |
!Cómo funciona RAG en 5 pasos
Bases de datos vectoriales
Las bases de datos vectoriales permiten búsquedas por similitud semántica, a diferencia de las bases de datos tradicionales que buscan coincidencias exactas.
| Servicio | Característica | Cuándo usarlo | |---------|----------------|--------------| | Amazon OpenSearch Serverless | Administrado, sin servidor, opción predeterminada | Caso de uso general | | Aurora PostgreSQL (pgvector) | Integración con RDS existente | Ya usa RDS | | Redis OSS (ElastiCache) | En memoria, ultra rápido | Respuesta en milisegundos |
---
Bedrock Knowledge Bases y Agents
Bedrock Knowledge Bases automatiza todo el pipeline RAG: sube documentos a S3 y el servicio se encarga del chunking, embedding, almacenamiento y recuperación.
Bedrock Agents permite a la IA interactuar con sistemas externos y completar tareas de múltiples pasos de forma autónoma — no solo responder preguntas.
---
Parámetros de inferencia
| Parámetro | Efecto | Valor bajo | Valor alto | |-----------|--------|------------|------------| | Temperature | Creatividad vs consistencia | Respuestas predecibles | Respuestas creativas y variadas | | Max tokens | Longitud máxima de respuesta | Respuestas cortas | Respuestas largas |
---
Puntos clave para el examen
"Buscar documentos externos para fundamentar respuestas del FM" — RAG "Convertir texto en vectores numéricos" — Embedding "Pipeline RAG automatizado de extremo a extremo" — Bedrock Knowledge Bases "La IA llama APIs externas para tareas de múltiples pasos" — Bedrock Agents "Controla creatividad vs consistencia" — Temperature