Antes de RAG: comprobar la recuperación de pruebas
Seis documentos ficticios y seis consultas para búsqueda, ID y casos sin respuesta; ejemplo Node.js propio sin conexión ni modelo.
Modelo que comprobar
Nemotron-3.5-Embed-1B-BF16
Nemotron-3.5-Rerank-8B-BF16
Nemotron-3.5-Parse
Los modelos generan contenido y razonan. Los agentes usan herramientas para realizar tareas. Un Harness gestiona el entorno de un agente. MCP conecta herramientas y datos. Los Skills son instrucciones de trabajo reutilizables.
Antes de empezar
Requisitos previos
Node.js 22+, ZIP y carpeta nueva; sin GPU, Python, cuenta, clave ni modelo. Corpus inglés, no prueba multilingüe.
Modelo / servicio
Sin modelo inicial: solo palabras y métricas.
Agente / entorno de ejecución
Sin agente, MCP ni servidor; el texto sigue siendo datos.
Tiempo estimado
20–30 min
Pasos de implementación
Extrae los cuatro archivos, lee README y MIT; excluye documentos privados y secretos.
Comprueba Node.js 22 o posterior y ejecuta node retrieval.mjs; sin paquetes npm, modelos ni base.
Compara ID y relevantIds y lee el texto; la puntuación léxica no garantiza pruebas fiables.
Compara k=1 y k=2: hay dos documentos relevantes de copia; un único acierto da Recall@1=0.5.
Revisa ambos casos sin respuesta: ninguno y un falso positivo. Los candidatos no son respuestas de IA certificadas.
Guarda una copia, cambia un ID por missing-id y comprueba error y código no cero; restaura y repite.
Etiqueta un corpus autorizado; compara modelos con corpus, etiquetas y k fijos, revisando licencia, backend y costes.
Comandos y ejemplos
No probado por AQI AI
# In the extracted example folder; original synthetic English data only.
node --version
node retrieval.mjs
node retrieval.mjs fixture.json 1
node retrieval.mjs fixture.json 2
# Back up fixture.json, change one relevant ID to missing-id, and rerun.
# Expect a nonzero input error, then restore the original file and rerun.Comprobaciones
Solo ejercicio léxico original en Windows/Node.js: original, referencia inválida, restauración y k=1 verificados. Sin modelos/RAG probados; un falso positivo es intencional.
Problemas frecuentes
Archivo ausente: ejecuta en la carpeta extraída. Restaura después de missing-id. La exhaustividad no es exactitud de respuestas; conserva negativos.
Coste
Software gratuito; comprueba la licencia y los costes de cómputo
Ejemplo MIT sin tarifa ni API; equipo y energía propios. Modelos y alojamiento se revisan por separado.
Límites y alcance
Permisos y riesgos
Solo lectura del archivo elegido y consola; sin red, subidas, puertos ni credenciales. Revisa el flujo al añadir un servicio real.
Alternativas y próximos pasos
Las alternativas de código abierto también pueden requerir hardware de pago o llamadas de pago a modelos.
También puedes usar una tabla manual con preguntas, ID relevantes y aciertos, sin código. Revisa aparte costes, licencias y hardware reales.
Fuentes originales
- Sentence Transformers · Retrieve & Re-Rank ↗
www.sbert.net · · Documentación oficial
- Sentence Transformers · InformationRetrievalEvaluator ↗
www.sbert.net · · Documentación oficial
- Nemotron 3.5: separar análisis, búsqueda y reordenación ↗
huggingface.co · · Documentación oficial