# Live-Prompt Graph

> Un hub de conocimiento sobre IA que se lee tocando: artículos ejecutables, un grafo semántico navegable y experimentos que puedes modificar.

Cada artículo está disponible como Markdown limpio añadiendo `.md` a su URL, o pidiendo `Accept: text/markdown`.
El grafo completo de relaciones entre artículos: https://www.ricardovelit.com/blog/api/graph (JSON). Todo el contenido en un archivo: https://www.ricardovelit.com/blog/llms-full.txt

## Artículos

- [Bases de datos vectoriales: buscar por parecido a escala](https://www.ricardovelit.com/blog/p/bases-de-datos-vectoriales.md): Comparar un vector con un millón de vectores uno a uno es lento. Los índices vectoriales aproximan la búsqueda del vecino más cercano para que tarde milisegundos, a cambio de perder un poco de exactitud. (nivel intermedio, 2 min)
- [RAG: darle al modelo los datos que no tiene](https://www.ricardovelit.com/blog/p/rag-recuperacion-aumentada.md): La generación aumentada por recuperación busca los fragmentos relevantes con embeddings y los pega al prompt. Es la forma más barata de que un modelo hable de tus datos sin reentrenarlo. (nivel intermedio, 2 min)
- [Tokens: la unidad en la que un modelo cuenta, cobra y piensa](https://www.ricardovelit.com/blog/p/tokens-y-tokenizacion.md): Un modelo no lee letras ni palabras: lee tokens, trozos de texto de tamaño variable. Entenderlos explica los límites de contexto, los precios y algunos errores raros. (nivel principiante, 2 min)
- [Temperatura y muestreo: por qué el mismo prompt da respuestas distintas](https://www.ricardovelit.com/blog/p/temperatura-y-muestreo.md): Un modelo de lenguaje no elige la palabra más probable: tira un dado cargado. La temperatura, top-p y top-k deciden cuánto está cargado. (nivel intermedio, 2 min)
- [Atención: cómo decide un Transformer qué mirar](https://www.ricardovelit.com/blog/p/atencion-en-transformers.md): El mecanismo de atención compara cada token con todos los demás y reparte un presupuesto de 100 %. Aquí no lo lees: lo mueves. (nivel intermedio, 3 min)
- [Qué son los embeddings (y por qué todo lo demás depende de ellos)](https://www.ricardovelit.com/blog/p/que-son-los-embeddings.md): Un embedding convierte texto en un punto de un espacio donde 'cerca' significa 'parecido'. Es la pieza que hace posible la búsqueda semántica, el RAG y la atención. (nivel principiante, 2 min)

## Opcional

- [Grafo de artículos](https://www.ricardovelit.com/blog/graph): vista navegable de las relaciones
- [Sitemap](https://www.ricardovelit.com/blog/sitemap.xml)