Caso de estudio
NudaUI Semantic Search (RAG)
NudaUI Semantic Search (RAG) es un proyecto de Santiago Gómez de la Torre. Este caso cuenta el problema que resuelve, qué papel tuvo y qué resultado dio.
Actualizado el
El problema
NudaUI tenía 1.022 componentes y la búsqueda por palabras no encontraba lo que la gente describía, así que «un loader con puntos» no llevaba a «Pulse Dots». Hacía falta buscar por significado.
Mi rol
Construí el pipeline de RAG completo sin frameworks de RAG, con embeddings de Voyage, similitud del coseno escrita a mano, un servicio en FastAPI desplegado en Vercel y un golden set propio de 45 consultas en 15 categorías, etiquetado a mano, para medir cada cambio.
Stack
- RAG
- Embeddings
- Python
- FastAPI
- Evals
El resultado
Añadir el CSS de cada componente al embedding subió el hit@1 del 66,7 % al 80 %, el hit@5 al 95,6 % y el recall@5 del 54,9 % al 59,4 %. La medición también mostró un retroceso en los efectos de texto, del 100 % al 67 %, que queda documentado. Está en vivo en nudaui.dev.
Enlaces
- Fuente, blog.sgomez.dev/rag-busqueda-semantica-nudaui
- Repositorio, github.com/sgomez-dev/nudaui-rag