AI Assistant RAG Semantic Search

Asistente de preguntas y respuestas basado en RAG (Retrieval-Augmented Generation) que responde usando únicamente contexto recuperado de una base documental.

Demo en producción

• Hugging Face Space: https://huggingface.co/spaces/anioln/AI-Assistant-RAG-Semantic-Search

Problema que resuelve

Este proyecto permite consultar documentos y obtener respuestas con trazabilidad al contexto recuperado, reduciendo alucinaciones frente a un LLM puro.

Cómo funciona (pipeline RAG)

1. Embedding de documentos y consulta.
2. Cálculo de similitud coseno.
3. Recuperación Top-k con umbral de similitud.
4. Generación de respuesta con LLM.
5. Verificación de soporte en contexto y fallback extractivo.

Features

• Búsqueda semántica configurable (top_k, umbral).
• Respuestas controladas por contexto.
• Fallback extractivo cuando la generación no está soportada.
• Interfaz desplegada en Hugging Face.

Stack técnico

• Python
• sentence-transformers
• transformers
• scikit-learn
• numpy
• torch
• Gradio/HF Spaces (despliegue)

Estructura del proyecto

• app.py: interfaz y/o endpoints de ejecución.
• rag_engine.py: lógica principal de retrieval + generación.
• documents.json: base documental de ejemplo.
• tests/: pruebas automáticas.
• requirements.txt: dependencias.

Instalación local

git clone https://github.com/TU_USUARIO/AI-Assistant-RAG-Semantic-Search.git
cd AI-Assistant-RAG-Semantic-Search
python -m venv .venv
# Windows
.venv\Scripts\activate
# Linux/macOS
source .venv/bin/activate
pip install -r requirements.txt

Ejecución

python app.py

Preview

Vista rápida

• Prueba en vivo: https://huggingface.co/spaces/anioln/AI-Assistant-RAG-Semantic-Search
• Flujo visible en la UI: pregunta -> respuesta -> documentos recuperados.

Capturas (UI)

Dataset de ejemplo

El contenido base usado para estas pruebas está en documents.json e incluye:

• Datos de contacto del hospital.
• Horario de atención.
• Correo oficial.
• Servicios principales.
• Ubicación del hospital.