RAG con Laravel y Ollama - Curso práctico de IA local

RAG significa Retrieval-Augmented Generation. Es la técnica que permite que una IA responda preguntas usando tu propia documentación en lugar de conocimiento genérico. El usuario pregunta, buscamos los documentos más relevantes en nuestra base de datos, y se los pasamos a la IA como contexto. Así conseguimos respuestas precisas basadas en nuestro contenido.

Empezamos entendiendo los conceptos fundamentales. Qué son los embeddings, esos arrays de números que representan el significado semántico de un texto. Cómo funciona la similitud coseno para comparar dos textos y determinar cuánto se parecen en significado, aunque usen palabras diferentes.

Instalamos Ollama en nuestra máquina. Es una herramienta que ejecuta modelos de IA localmente, sin APIs externas, sin costes, sin límites. Descargamos dos modelos: nomic-embed-text para generar embeddings y llama3.2 para generar respuestas.

Creamos el servicio de embeddings en Laravel. Una clase que se comunica con Ollama para convertir texto en vectores numéricos. Implementamos también el cálculo de similitud coseno para comparar embeddings.

La búsqueda semántica es el núcleo del sistema. Un servicio que toma la pregunta del usuario, genera su embedding, lo compara con los embeddings de todos los documentos, y devuelve los más relevantes ordenados por similitud.

Para las respuestas creamos una interfaz con dos implementaciones. Una usa Ollama de forma local y gratuita, aunque más lenta. La otra usa la API de Claude para respuestas rápidas y de alta calidad. Ambas reciben el contexto de documentos relevantes y generan respuestas basadas únicamente en esa información.

Configuramos un ServiceProvider para intercambiar entre proveedores con una simple variable de entorno. Cambias el driver en el .env y la aplicación usa Claude o Ollama sin tocar código.

Automatizamos la generación de embeddings en el modelo. Cada vez que se crea o actualiza un documento, su embedding se genera automáticamente usando el evento saved de Eloquent.

Al final tienes un sistema RAG completo funcionando. Documentos con embeddings en MySQL, búsqueda por significado, y respuestas contextualizadas. Todo con Laravel, todo comprensible, todo extensible.

• Conocimientos básicos de Laravel

• Docker Desktop instalado

• Para usuarios de Windows: WSL2 con Laravel Sail

Para desarrolladores Laravel que quieren integrar IA en sus proyectos sin depender de servicios externos caros. Para quienes necesitan crear chatbots o asistentes que respondan con información específica de su negocio. Para los que prefieren entender cómo funciona RAG por dentro en lugar de usar librerías de caja negra.

Los planes de suscripción trimestral y anual incluyen soporte a través del foro del curso.

Las dudas que se planteen en el foro del curso serán respondidas en un plazo máximo de 24 horas laborables.

Las dudas planteadas deben estar relacionadas con el contenido del curso y no con desarrollos personalizados que no estén relacionados con el curso.