Respuestas fundamentadas en la web

​

¿Qué es RAG?

• Actualidad — las respuestas reflejan contenido publicado después de la fecha de corte de entrenamiento del modelo.
• Atribución — cada afirmación puede remitir a una URL de origen que el usuario puede comprobar.
• Menos alucinaciones — fundamentar el modelo en texto recuperado evita que invente hechos.

​

Cómo funciona la fundamentación

1. Buscar (recuperar) en la web páginas relevantes para la pregunta.
2. Extraer (aumentar) el contenido que necesitas — fragmentos o texto completo de páginas — e incorporarlo al prompt.
3. Sintetizar (generar) una respuesta pasando ese contenido a un LLM y pidiéndole que cite las fuentes.

​

Deja que el proveedor escriba la respuesta

curl -X POST 'https://api.novita.ai/v3/tavily/search' \
  -H "Authorization: Bearer ${NOVITA_API_KEY}" \
  -H 'Content-Type: application/json' \
  -d '{
    "query": "What changed in the latest Python release?",
    "include_answer": "advanced",
    "max_results": 5
  }'

curl -X POST 'https://api.novita.ai/v3/exa/answer' \
  -H "Authorization: Bearer ${NOVITA_API_KEY}" \
  -H 'Content-Type: application/json' \
  -d '{
    "query": "What changed in the latest Python release?",
    "text": true
  }'

​

Recuperar, luego sintetizar con un LLM

import os
import requests
from openai import OpenAI

NOVITA_KEY = os.environ["NOVITA_API_KEY"]
QUESTION = "What changed in the latest Python release?"

# 1. Retrieve relevant web content.
search = requests.post(
    "https://api.novita.ai/v3/tavily/search",
    headers={"Authorization": f"Bearer {NOVITA_KEY}"},
    json={
        "query": QUESTION,
        "max_results": 5,
        "include_raw_content": "text",
    },
).json()

# 2. Build a compact, numbered context block the model can cite.
sources = []
for i, r in enumerate(search["results"], start=1):
    body = (r.get("raw_content") or r.get("content") or "")[:1500]
    sources.append(f"[{i}] {r['title']} ({r['url']})\n{body}")
context = "\n\n".join(sources)

# 3. Synthesize a grounded, cited answer.
client = OpenAI(base_url="https://api.novita.ai/openai", api_key=NOVITA_KEY)
completion = client.chat.completions.create(
    model="deepseek/deepseek-v4-flash",
    messages=[
        {
            "role": "system",
            "content": (
                "Answer using ONLY the provided sources. "
                "Cite claims with [n] referring to the source number. "
                "If the sources don't contain the answer, say so."
            ),
        },
        {"role": "user", "content": f"Question: {QUESTION}\n\nSources:\n{context}"},
    ],
)
print(completion.choices[0].message.content)

​

Ajustar la calidad de la recuperación

• Actualidad. Para preguntas sensibles al tiempo, restringe por fecha. Tavily expone time_range y start_date/end_date; Exa expone startPublishedDate/endPublishedDate. Esto mantiene las páginas desactualizadas fuera del contexto.
• Confianza en la fuente. Usa include_domains/excludeDomains para restringir la recuperación a fuentes de confianza (documentación oficial, editoriales de buena reputación) y excluir sitios de baja calidad.
• Pistas de temas. Tavily’s topic (news, finance, general) y de Exa category dirigir el motor hacia el tipo correcto de resultado.
• Dimensionamiento adecuado del contexto. Limita el texto extraído (Tavily chunks_per_source, Exa maxCharacters) para que pases suficiente señal sin desbordar la ventana de contexto del modelo ni tu presupuesto de tokens.

​

Search vs. extract vs. crawl

• Search — tienes una pregunta y necesitas descubrir páginas relevantes. El punto de partida predeterminado.
• Extract / Contents — ya conoces las URLs y quieres texto limpio de ellas. Bueno para fundamentarse en un conjunto fijo de documentos. Consulta Tavily Extract y Contenidos de Exa.
• Crawl / Map — quieres ingerir un sitio o una sección completos, siguiendo enlaces. Ideal para crear una base de conocimiento sin conexión. Consulta Tavily Crawl y Tavily Map.

​

Llevarlo a producción

• Gestiona los resultados vacíos. Si la búsqueda no devuelve nada relevante, haz que el modelo diga que no puede responder en lugar de inventar una respuesta. El prompt del sistema anterior hace esto.
• Usa caché cuando puedas. Las consultas idénticas devuelven resultados similares; almacenar en caché la recuperación reduce el coste y la latencia.
• Ten en cuenta los límites de tasa. Las llamadas de recuperación y al LLM están limitadas por separado — una solicitud de búsqueda no consume tu cuota del LLM. Reduce la frecuencia en 429 para cualquiera de los dos. Consulta límites de tasa de LLM para el lado del LLM.
• Mantén las claves en el servidor. Tu clave de Novita autentica cada llamada aquí — nunca la incluyas en código del lado del cliente.