Microsoft abre el código de una aplicación RAG completa con integración DevOps
Microsoft ha publicado en GitHub el código fuente de una aplicación RAG (Retrieval-Augmented Generation) completa, con un ciclo listo desde la carga de datos hasta el despliegue. Este es un excelente ejemplo para quienes recién comienzan a navegar por la IA y DevOps.
Funcionalidad de IA
La aplicación implementa un stack completo para trabajar con IA generativa:
- Carga e indexación de documentos propios.
- Generación de embeddings, búsqueda vectorial y semántica.
- Generación de respuestas a través de Azure OpenAI.
- Adición de citas de fuentes y evaluación de la calidad de las respuestas.
Arquitectura DevOps
El proyecto demuestra las mejores prácticas de Infraestructura como Código (IaC) y automatización:
- La aplicación está empaquetada en Docker.
- La infraestructura de Azure se despliega mediante Bicep.
- El servicio se ejecuta en Azure Container Apps.
- Las pipelines CI/CD están automatizadas a través de GitHub Actions.
- Se implementa autenticación, red privada y monitoreo de registros, errores y rendimiento mediante Application Insights.
El repositorio ya contiene la aplicación en sí, la configuración de la infraestructura y datos de prueba, lo que permite un despliegue rápido local o en la nube.
🔗 Repositorio: Azure-Samples/azure-search-openai-demo
Por qué es importante
AnálisisSirve como un ejemplo de referencia para desarrolladores, combinando la arquitectura de IA generativa con las mejores prácticas de DevOps y CI/CD.
Debatir en la comunidad
Comparte tus preguntas e ideas con desarrolladores
Relacionado en el ecosistema
Guías prácticas, terminología y skills de agentes
Una biblioteca gratuita permite generar modelos 3D complejos con IA desde código
Sand3D es un proyecto gratuito de código abierto que permite crear objetos tridimensionales complejos describiendo la tarea a una red neuronal directamente en el código.
Gráficos de Conocimiento en Búsqueda (GraphRAG)
Evolución de la arquitectura RAG de Microsoft Research. Combina la búsqueda semántica clásica basada en vectores con un gráfico de conocimiento, donde los documentos se transforman en nodos de entidades (personas, empresas, ubicaciones) y aristas de relaciones entre ellos, permitiendo responder a preguntas globales complejas a través de todo el conjunto de datos.
Perfil Hermes: Ingeniero DevOps e Infraestructura en la Nube
Perfil de ingeniería de sistemas y DevOps de Hermes: securización de servidores Linux, contenedorización Docker, tuberías CI/CD, observabilidad y seguridad.
Formato CSV: guía completa para automatizaciones y flujos de IA
Guía práctica sobre el formato CSV en flujos de IA: estándar RFC 4180, comparativa con XLSX y JSON, limpieza masiva, enriquecimiento de datos, scripts en Python y prompts para producción.