Expansión de Consultas (Query Expansion & HyDE)
Técnica de preparación de consultas en sistemas RAG. Antes de consultar la base de datos vectorial, el modelo de lenguaje genera automáticamente sinónimos, palabras clave o una respuesta hipotética inventada (HyDE — Hypothetical Document Embeddings), lo que mejora drásticamente la calidad de los documentos encontrados.
1. Visión general del concepto y problema sistémico
Cuando buscas algo en una base de documentos corporativa, a menudo escribes como piensas:
- “¿Por qué no funciona el acceso a través del teléfono?”
Pero en la guía oficial para ingenieros, el mismo proceso se describe con otras palabras:
- “Autenticación SMS de dos factores a través del gateway de Twilio: resolución de timeouts”.
Si simplemente conviertes tu pregunta corta en un vector, puede pasar por alto la guía oficial.
La Expansión de Consultas (Query Expansion) es un puente inteligente entre el lenguaje coloquial humano y la terminología profesional de la base de conocimientos:
- Antes de acceder a la base vectorial, un modelo rápido transforma tu pregunta en 3 versiones profesionales.
- La base busca documentos en las tres direcciones.
- Obtienes un resultado 100% preciso, incluso si no conocías ningún término profesional.
En la práctica de ingeniería, esto es como contratar a un bibliotecario experimentado que traduce tu simple solicitud en códigos científicos precisos de los catálogos.
2. Taxonomía arquitectónica y modelo mental
┌─────────────────────────────────────────────────────────────┐
│ MÉTODO HyDE EN SISTEMAS RAG │
├─────────────────────────────────────────────────────────────┤
│ 1. TU PREGUNTA: “¿Por qué chirría la rueda de la bicicleta?” │
├─────────────────────────────────────────────────────────────┤
│ 2. EL MODELO GENERA UN ARTÍCULO HIPOTÉTICO (HyDE): │
│ “El chirrido en el buje de la rueda suele ser causado por │
│ el desgaste de los rodamientos o la falta de lubricante en │
│ el eje del pedal...” │
├─────────────────────────────────────────────────────────────┤
│ 3. BÚSQUEDA VECTORIAL: │
│ El sistema busca en la base documentos que no son │
│ similares a tu pregunta corta, sino a un artículo técnico │
│ detallado con términos. │
├─────────────────────────────────────────────────────────────┤
│ 🎯 RESULTADO: ¡Inmediatamente se encuentra la guía técnica! │
└─────────────────────────────────────────────────────────────┘
3. Pipeline técnico y mecánica interna
- Generación de sinónimos: adición de palabras relacionadas en español e inglés.
- Descomposición en sub-tareas: si la consulta suena como “Compara los ingresos de las empresas X e Y para el año 2025”, el sistema busca por separado los ingresos de la empresa X y los ingresos de la empresa Y.
- Step-Back Prompting (Paso atrás): generación de una pregunta más general para extraer principios fundamentales del tema.
- Corrección de errores tipográficos y jerga: normalización automática del texto al diccionario oficial.
4. Escenarios prácticos de ingeniería en producción
01. Mejora de la Búsqueda en la Base de Conocimientos
Implementar la Expansión de Consultas antes de la búsqueda vectorial aumenta la calidad de encontrar documentos correctos en la base de conocimientos de la empresa del 65% al 90% sin necesidad de adquirir una base de datos más costosa.
02. Optimización de Respuestas a Consultas Complejas
Utilizar la Generación de Múltiples Consultas permite descomponer preguntas complejas en subpreguntas más simples, mejorando la precisión de las respuestas obtenidas.
03. Adaptación de Consultas a Diferentes Contextos
La técnica de Step-Back Prompting ayuda a adaptar consultas a diferentes contextos, asegurando que se extraigan los principios fundamentales necesarios para una respuesta adecuada.
5. Errores comunes, trampas y seguridad
Al implementar la Expansión de Consultas, es crucial evitar la sobrecarga de sinónimos que pueda confundir el modelo. Además, se debe tener cuidado con la calidad de las respuestas generadas por el método HyDE, ya que pueden contener información inexacta. Por último, es esencial validar la normalización de texto para evitar malentendidos en la interpretación de jerga o errores tipográficos.
FAQ: Expansión de Consultas (Query Expansion & HyDE)
Términos relacionados
Búsqueda Semántica (Búsqueda por Contenido, No por Letras)
Tecnología de búsqueda de información basada en el contenido conceptual de la consulta, no en la coincidencia exacta de letras o palabras clave. Comprende sinónimos, parafraseos, errores ortográficos y preguntas abstractas en lenguaje natural.
RAG Contra Fine-Tuning (La Dilema Eterna de la Implementación de IA)
Una elección arquitectónica fundamental para los negocios. RAG (búsqueda de documentos en el momento de la consulta) contra Fine-Tuning (ajuste de pesos del modelo a través del reentrenamiento). Criterios de selección entre relevancia de hechos y estilo de comportamiento específico.
Búsqueda Híbrida (Hybrid Search: Dense + Sparse / BM25)
Arquitectura de búsqueda de información que combina la búsqueda semántica vectorial (Dense retrieval — comprensión del contenido y sinónimos) con la búsqueda clásica por palabras clave (Sparse retrieval / BM25). Proporciona un equilibrio ideal entre la comprensión conceptual y la búsqueda precisa de artículos, números de serie o nombres.