¿Puede la IA guardar estos vectores por mí?

No. La herramienta genera los vectores, pero tú eres responsable de guardarlos en una base de datos vectorial.

¿Esta herramienta limpia mi texto antes de crear el embedding?

No. Debes encargarte de la limpieza y fragmentación del texto antes de enviar los datos a la herramienta de embedding.

¿Puedo usar esto para buscar en mis correos electrónicos?

Sí, siempre que le proporciones el texto del correo al agente para que sea vectorizado.

¿La IA borrará mis documentos originales?

No. Esta herramienta solo lee el texto para crear vectores; no puede modificar ni borrar tus archivos originales.

¿Puede la IA realizar la búsqueda por sí misma?

La IA usa los vectores para encontrar coincidencias, pero la comparación matemática real ocurre durante el proceso de embedding.

BÚSQUEDACONTEXTODATOSHUMANO

BÚSQUEDA
CONTEXTO
DATOS
HUMANO

Cómo crear pipelines de búsqueda RAG con tu IA

Conecta DeepInfra a tu cliente de IA para convertir texto en vectores de alta dimensión. Esto permite realizar búsquedas semánticas basadas en el significado y no solo en palabras clave.

Pregunta a la IA sobre esta página

Respuesta rápida

¿Cómo construyo pipelines de búsqueda RAG con mi IA?

Usa la herramienta create_embedding para convertir tus documentos en vectores numéricos. Estos vectores permiten que tu IA encuentre información relevante por contexto en lugar de coincidencias exactas de palabras. Así obtendrás una forma estructurada de alimentar la ventana de contexto de tu agente con datos específicos.

Resultados de la vectorización

A dónde van tus datos

Una vez convertido el texto, tu IA puede usar esos vectores para estos resultados específicos.

BÚSQUEDA

Recuperación semántica

Tu IA encuentra los fragmentos de texto más relevantes comparando distancias vectoriales. Esto sustituye las búsquedas por palabras clave por una comprensión real del significado.

CONTEXTO

Inyección de contexto inteligente

El agente extrae solo los fragmentos necesarios para su prompt. Esto mantiene la ventana de contexto limpia y enfocada en los datos correctos.

DATOS

Preparación de base de datos vectorial

El resultado está listo para guardarse en una base de datos vectorial. Obtienes las representaciones numéricas exactas necesarias para el indexado.

HUMANO

Revisión manual

Tú decides qué fragmentos tienen la calidad suficiente para ser indexados. La IA genera los vectores, pero tú controlas la base de conocimientos final.

El flujo

Lo que hace tu IA cuando llega el texto.

La IA se encarga de la compleja matemática para convertir el lenguaje en coordenadas.

Procesamiento de texto
Tu agente toma el texto bruto de tus archivos o bases de datos y lo prepara para el modelo.
create_embedding
Generación de vectores
La IA llama al modelo de embeddings para convertir cadenas de texto en largas listas de números.
create_embedding
Cálculo de similitud
Tu agente compara estos nuevos vectores con los existentes para encontrar coincidencias.
create_embedding
Ensamblaje de contexto
El agente selecciona las mejores coincidencias para responder a tu pregunta específica.
create_embedding

Pruébalo

Copia estos ejemplos para empezar.

Usa estos prompts para comenzar a construir tu pipeline.

Puntos de partida

Reemplaza el texto entre corchetes con tus nombres de archivo o fuentes de datos reales.

DeepInfra Connector

Todo listo. Elige tu cliente MCP y sigue las instrucciones de configuración.

Enlace del conectorhttps://edge.vinkius.com/vk_preview_RMvS2UlIMhdShOjNbZfqar6XAZE9QfzTMbaejxJY/mcp

Claude Desktop

Sigue los pasos siguientes para conectarte en segundos.

1In Claude Desktop, open Settings → Connectors.
2Click “Add custom connector” and paste the connector link above as the remote MCP server URL.
3Click Add and start a new chat — DeepInfra capabilities are ready to use.

Configuración · claude_desktop_config.jsonCopiar

{
  "mcpServers": {
    "deepinfra-serverless-llm-inference-mcp": {
      "url": "https://edge.vinkius.com/vk_preview_RMvS2UlIMhdShOjNbZfqar6XAZE9QfzTMbaejxJY/mcp"
    }
  }
}

Copia en el chat04

Crea embeddings para el contenido de mi archivo project_notes.txt.
Convierte esta lista de comentarios de clientes en vectores para mi índice de búsqueda.
Genera embeddings para el texto de mi carpeta de documentación para poder realizar búsquedas semánticas.
Convierte los datos de mi sales_report.csv en vectores para que puedas responder preguntas sobre ellos.

Claude
ChatGPT
Cursor
VS Code
Windsurf
Claude Code
JetBrains
Cline

Empieza aquí

Conecta DeepInfra una vez y luego pregunta.

Solo tienes que vincular tu cuenta. Tus credenciales permanecen cifradas y podrás empezar a usar las herramientas de embedding en tu cliente de IA favorito de inmediato.

Conecta DeepInfra a tu IA

FAQ

Cómo funciona esta tarea

01
¿Puede la IA guardar estos vectores por mí?
No. La herramienta genera los vectores, pero tú eres responsable de guardarlos en una base de datos vectorial.
02
¿Esta herramienta limpia mi texto antes de crear el embedding?
No. Debes encargarte de la limpieza y fragmentación del texto antes de enviar los datos a la herramienta de embedding.
03
¿Puedo usar esto para buscar en mis correos electrónicos?
Sí, siempre que le proporciones el texto del correo al agente para que sea vectorizado.
04
¿La IA borrará mis documentos originales?
No. Esta herramienta solo lee el texto para crear vectores; no puede modificar ni borrar tus archivos originales.
05
¿Puede la IA realizar la búsqueda por sí misma?
La IA usa los vectores para encontrar coincidencias, pero la comparación matemática real ocurre durante el proceso de embedding.
¿Tienes más dudas sobre DeepInfra? La página del Connector tiene las respuestas. Ver todo lo que puede hacer el Connector de DeepInfra

Conecta DeepInfra a Claude, Cursor, ChatGPT y más