Estrategia de indexación que divide el texto en fragmentos pequeños para una búsqueda vectorial precisa pero devuelve el documento padre completo al LLM para no perder contexto.
Explicación y Contexto Conceptual
Parent-Document Retrieval (o recuperación de pequeño a grande) resuelve el dilema clásico e intrínseco del tamaño de los fragmentos en RAG: los fragmentos pequeños (100 tokens) son ideales para que el motor de búsqueda vectorial localice el punto exacto de la respuesta sin ruido, pero son demasiado breves para que el LLM comprenda el contexto global de la situación; por el contrario, los fragmentos grandes (1,000 tokens) aportan gran contexto al LLM pero diluyen el embedding y dificultan la búsqueda precisa.
Esta metodología desacopla inteligentemente lo que se busca de lo que se entrega: el sistema indexa fragmentos diminutos ('hijos') vinculados a una clave identificadora del párrafo o sección superior completa ('padre').
Cuando la búsqueda vectorial encuentra el fragmento hijo con mayor coincidencia, el sistema recupera automáticamente el documento padre circundante y se lo entrega al modelo generativo, ofreciendo lo mejor de ambos mundos: precisión quirúrgica en la búsqueda y riqueza contextual en la respuesta.
Ejemplo en la Práctica
Un fragmento de 50 palabras coincide con la pregunta sobre la garantía de un producto, pero el sistema inyecta la página entera de la póliza de garantía para que el bot responda con total seguridad.