Ingesta de documentos#

Una vez creada una base de conocimiento, el siguiente paso es incorporar el contenido que utilizará el agente. Este proceso se llama ingesta de documentos: Kivox procesa el contenido, lo divide en fragmentos y lo prepara para búsqueda semántica.

#Tipos de fuente

#Archivos

Los formatos más adecuados para documentación formal son Markdown, DOCX y PDF con texto seleccionable. Para documentación técnica o estructurada, Markdown es especialmente recomendable porque conserva elementos como títulos, secciones, listas, tablas y bloques de código.

Kivox también soporta OCR para documentos escaneados o cuyo contenido está en imágenes. Sin embargo, para obtener mejores resultados, se recomienda priorizar archivos con texto digital y una estructura clara. Los documentos escaneados pueden presentar menor precisión debido a errores de reconocimiento y a la pérdida de estructura.

#Texto

Útil para información breve, notas operativas o contenido que necesita incorporarse rápidamente sin un archivo formal. El contenido debe ser suficientemente descriptivo para comprenderse por sí mismo, incluso si solo se recupera un fragmento aislado.

#URLs

Apropiado cuando la información principal vive en una página pública que se mantiene actualizada ahí. Úsela con criterio: una página web puede incluir navegación y otros elementos que no forman parte del contenido que el agente realmente necesita.

#Estados de procesamiento

Después de incorporar un documento, Kivox necesita procesarlo antes de que esté disponible para búsqueda.

ready indica que el contenido ya puede utilizarse en conversaciones. Si un documento permanece en processing durante demasiado tiempo, o termina en upload_failed o processing_failed, revíselo y vuelva a intentar la ingesta.

[Captura de pantalla: Listado de documentos de una base mostrando los distintos estados de procesamiento]

#Revisar los fragmentos generados

Kivox permite inspeccionar los fragmentos generados para un documento. Esta vista es especialmente útil cuando las respuestas del agente no parecen aprovechar correctamente la información incorporada.

[Captura de pantalla: Vista de fragmentos de un documento mostrando el contenido procesado]

Busque cortes que separen información que debería permanecer junta, o fragmentos cuyo contenido resulte demasiado aislado para comprenderse por sí solo. Por ejemplo, si una política contiene:

Los productos pueden devolverse hasta 30 días después de la compra.
Los productos personalizados no pueden devolverse.

y el fragmento generado recupera únicamente la segunda línea, el agente perderá el contexto general de la política. En ese caso, el problema suele resolverse mejorando la estructura del documento original o ajustando el tamaño de fragmento, no modificando las instrucciones del agente.

#Mantener las fuentes actualizadas

Cuando una política cambia, actualice la fuente correspondiente en lugar de dejar ambas versiones disponibles. La búsqueda semántica encuentra contenido relacionado con una consulta, pero no determina cuál de dos versiones contradictorias es la vigente.

#Eliminar una fuente

Antes de eliminar un documento, confirme que ningún agente depende de esa información para responder preguntas que sigue recibiendo.