Un desarrollador prescinde de Pinecone: búsqueda en 72 450 fragmentos de código en 50 ms
Para buscar en los propios archivos, lo habitual es recomendar la API de pago de OpenAI y la base de datos en la nube Pinecone. Un desarrollador de Samara prescindió de ambas: dividió 18 proyectos en 72 450 fragmentos (chunks) y los guardó en un único archivo SQLite de 110 MB. La búsqueda en una CPU convencional tarda hasta 50 milisegundos, y los embeddings, es decir, las «huellas» numéricas del texto, cuestan 0 rublos. La conclusión: el RAG sirve como navegador por repositorios ajenos, mientras que el proyecto actual es más sencillo de leer directamente.
Procesado por IA desde Habr AI; editado por Hamidun News
Cuando los proyectos se multiplican, el agente de IA olvida dónde está cada cosa: el contexto del chat se desmorona y hay que buscar a mano el fragmento de código necesario. El consejo estándar de internet es tomar LangChain, conectar la API de pago de OpenAI y guardar los vectores en la base de datos en la nube Pinecone. El autor de este análisis en Habr, un ingeniero de AI/ML de 22 años y estudiante de máster de la Universidad de Samara, no quiso pagar por cada consulta.
Dividió 18 de sus proyectos en 72 450 chunks (así se llama a los fragmentos pequeños de texto o código sobre los que se busca) y los guardó en un único archivo SQLite, una base de datos integrada corriente que no necesita servidor aparte. El archivo pesa 110 MB y la búsqueda en todos los fragmentos, en una CPU convencional, tarda hasta 50 milisegundos, es decir, una vigésima parte de segundo. Por los embeddings, las «huellas» numéricas del significado del texto sobre las que funciona la búsqueda, el autor paga 0 rublos.
El resultado es una nota de ingeniería honesta sobre qué se rompe en un sistema así y para qué sirve realmente el RAG en la práctica.
Cómo funciona
La idea es la siguiente: la generación de respuestas se delega en un modelo de suscripción dentro del IDE (Antigravity o Claude Code), mientras que la memoria, la búsqueda y el almacenamiento se mantienen en local. La conexión se hace mediante MCP, el protocolo para conectar herramientas a agentes. El transporte son los flujos estándar de entrada y salida (stdio), por lo que no hay servidores web ni puertos abiertos. El código está escrito en Python 3.12 puro, sin LangChain ni LlamaIndex.
La búsqueda es híbrida. Los vectores densos se calculan con numpy y encuentran textos cercanos por significado. El algoritmo Okapi BM25 encuentra coincidencias exactas de palabras. Las dos listas de resultados se combinan con el método Reciprocal Rank Fusion, que fusiona las posiciones de los documentos en ambos rankings.
Los vectores se almacenan en SQLite como BLOB binarios en formato float32. Cada chunk son 128 números, unos 512 bytes. Según el autor, en reposo la base de datos no ocupa memoria RAM. 800 tests de pytest comprueban que no tiene fugas y que soporta consultas concurrentes.
Tres bugs que conviene conocer de antemano
El primero es la discrepancia de dimensiones. Los documentos se indexaron con un proveedor local de 128 números por vector, pero el modelo de respaldo FastEmbed devolvía 384 por defecto. La primera consulta falló con el error Embedding dimension mismatch. El autor no quiso reindexarlo todo al cambiar de modelo. Añadió un adaptador: si la consulta es demasiado larga, se trunca; si es corta, se rellena con ceros. Pero hay una salvedad: los vectores de modelos distintos viven en espacios distintos. El adaptador elimina el error, pero no garantiza la calidad de los resultados. Para un trabajo serio es más seguro reindexar los datos con un único modelo.
El segundo son las rutas de Windows. La consulta LIKE '%Deckor%' sobre rutas con barras invertidas devolvía cero filas. El autor lo atribuye a que, en algunas configuraciones, la barra se interpreta como carácter de escape. Lo solucionó sustituirla por INSTR(LOWER(doc_id), LOWER(?)) > 0: esta función no usa secuencias de escape y, según las mediciones del autor, es más rápida.
El tercero son los «repositorios elefante». El repositorio de n8n añadió 38 mil chunks de localizaciones y tests. Por su culpa, el top-8 para la consulta «каркас брус» («estructura de madera, viga») se llenaba de fragmentos ajenos antes de que le llegara el turno al proyecto Deckor, que era el buscado. La solución es pasar project_id directamente en la consulta SQL. Así, la base de datos devuelve solo los 2 300 chunks del proyecto correcto en 2 ms, y el resto ni siquiera entra en el cálculo de similitud coseno (la medida de cercanía entre dos vectores). La regla sirve a cualquiera que construya un RAG sobre varias fuentes: filtrar antes de calcular la similitud, no después.
Para qué sirve realmente el RAG
La conclusión más práctica tiene que ver con el comportamiento del modelo. El agente leía los archivos directamente por terminal o con grep y se empeñaba en ignorar el RAG ya listo. Al principio el autor se enfadó, pero después le dio la razón al modelo. Si hace falta la línea 20 de CLAUDE.md, la lectura directa ofrece una precisión del cien por cien en milisegundos. La búsqueda vectorial solo añade ruido y el riesgo de obtener un fragmento de código cortado y sin imports.
Por eso el autor escribió para el agente un protocolo de enrutamiento. El repositorio actual se lee directamente con read_file y grep. Los proyectos externos y los archivos con más de un centenar de ficheros el agente los recorre con rag_search. Esa búsqueda funciona como un radar: indica que la lógica de imantación de nodos está en builder.py y custom.py. Después, el agente abre esos archivos por su cuenta y toma las fórmulas y constantes exactas, como NODE_PX=11 y AXIS_PX=9. La combinación de «navegador RAG más lectura puntual» funciona en un segundo y ahorra decenas de miles de tokens de contexto.
Qué tener en cuenta
Es un proyecto personal de un solo desarrollador, y todas las cifras (50 ms, 0 MB de memoria en reposo, ahorro de tokens) las aporta el propio autor. No hay mediciones independientes. La búsqueda por fuerza bruta de vectores en numpy sirve para decenas de miles de chunks; con millones habrá que pensar en índices aproximados. Aun así, para una base de conocimiento personal, documentos internos de un equipo o la navegación de un agente por repositorios antiguos, el esquema parece funcional y barato. El autor publicó el código fuente en GitHub, en el repositorio antigravity-local-core.
- 21 nov 2026Apple prepara un agente de IA y complica el acceso a los de terceros: el permiso ahora requiere 14 pasos, no 4
- 21 nov 2026Gemini 4 Neon redujo el binario de TS Rust de 47,44 a 7,97 MB en menos de 10 horas
- 21 nov 2026Las vacantes de FDE se multiplicaron por 4,6 en un año: qué hace un ingeniero en el cliente
- 21 nov 2026Capitana de un equipo de natación automatizó con ChatGPT tres tareas programadas y recortó la rutina varias veces
Preguntas frecuentes sobre la noticia
Cómo funciona?
La idea es la siguiente: la generación de respuestas se delega en un modelo de suscripción dentro del IDE (Antigravity o Claude Code), mientras que la memoria, la búsqueda y el almacenamiento se mantienen en local. La conexión se hace mediante MCP, el protocolo para conectar herramientas a agentes. El transporte son los flujos estándar de entrada y salida (stdio), por lo que no hay servidores web ni puertos abiertos. El código está escrito en Python 3.12 puro, sin LangChain ni LlamaIndex. La búsqueda es híbrida.
¿Qué se sabe sobre Tres bugs que conviene conocer de antemano?
El primero es la discrepancia de dimensiones. Los documentos se indexaron con un proveedor local de 128 números por vector, pero el modelo de respaldo FastEmbed devolvía 384 por defecto. La primera consulta falló con el error Embedding dimension mismatch. El autor no quiso reindexarlo todo al cambiar de modelo. Añadió un adaptador: si la consulta es demasiado larga, se trunca; si es corta, se rellena con ceros. Pero hay una salvedad: los vectores de modelos distintos viven en espacios distintos.
¿Qué se sabe sobre Para qué sirve realmente el RAG?
La conclusión más práctica tiene que ver con el comportamiento del modelo. El agente leía los archivos directamente por terminal o con grep y se empeñaba en ignorar el RAG ya listo. Al principio el autor se enfadó, pero después le dio la razón al modelo. Si hace falta la línea 20 de CLAUDE.md, la lectura directa ofrece una precisión del cien por cien en milisegundos. La búsqueda vectorial solo añade ruido y el riesgo de obtener un fragmento de código cortado y sin imports.
Test Frontier LLMs & Autonomous Agents in One Workspace
Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.
Lo esencial de la IA — una vez por semana
Siete historias que de verdad importaron, elegidas a mano. Sin ruido ni notas de prensa.
¡Listo! Revisa tu correo para la confirmación.