Convierta rangos de hojas, consultas, tablas y carpetas de PDF, Word y correo en una base de conocimiento local y con búsqueda que recuerda de dónde y de cuándo procede cada fragmento, y que Ask Greg puede citar. La mayor parte de lo que sabe una mesa no está en una base de datos. Está en una hoja de límites que se actualiza cada mes, en un PDF de política del año pasado, en el archivo Word que lo sustituyó y en un correo que cambió una regla entretanto. Una base de conocimiento reúne ese material en un único almacén en el que se puede buscar por significado y por palabras exactas, y nunca pierde de dónde viene una frase: cada fragmento lleva su proyecto, su hoja y rango o su consulta, o su documento y página, cuándo y por quién se añadió y la fecha de negocio que describe. Cada base es un archivo DuckDB local —guardado en la carpeta del proyecto, de modo que viaja con él, o compartido entre proyectos del equipo o del servidor— y su texto se convierte en vectores con un modelo de embeddings que configura la instalación: un servidor local como Ollama o vLLM, u OpenAI, Azure OpenAI o Gemini donde la clasificación lo permita. Como el mismo hecho suele llegar dos veces, una base también encuentra contradicciones: la misma clave con valores distintos, detectada con exactitud y sin modelo; afirmaciones casi idénticas que discrepan, como una hora en la política de 2025 y cuatro horas en la de 2026; y simples duplicados. Conservar el más reciente retira el valor antiguo sin borrarlo, de modo que la búsqueda a una fecha sigue mostrando lo que era válido en cualquier día pasado. Ask Greg puede buscar en las bases que elige el usuario y cita cada fragmento que usa. Todas las pantallas de este capítulo proceden del proyecto Knowledge-Test: una hoja Limits con un bloque de octubre y otro de noviembre, una tabla de políticas y una carpeta de cinco documentos, uno de ellos un escaneo sin texto.
Este sitio necesita JavaScript para la experiencia completa. Todas las páginas anteriores son accesibles sin él.