Fuentes de conocimiento
Añade instrucciones, artículos y archivos para el agente de IA. Aprende a actualizarlos y a comprobar qué encontrará cuando un cliente haga una pregunta.
En esta página
Para que el agente de IA responda según las reglas de tu negocio, añade materiales como condiciones de entrega, programas de cursos, instrucciones o listas de precios. Cada conjunto se llama fuente de conocimiento. Encontrarás las fuentes en Base de conocimientos → Fuentes.
Después de añadir una fuente, GetMyBot extrae su texto y lo prepara para la búsqueda. A esto se le llama indexación. En Probar búsqueda, escribe una pregunta de un cliente y comprueba qué fragmentos encontrará el agente. Por ejemplo, «¿Puedo solicitar un reembolso?» debería encontrar tus condiciones de devolución.
También tienes que seleccionar la fuente para el agente correspondiente en Respuestas con IA y agente de IA. El mero hecho de subir un archivo o escribir un artículo no le da acceso al agente. Puedes programar la actualización de los sitios web; los demás tipos se actualizan cuando cambian o cuando lo solicitas.
Tipos de fuentes
- Artículo de la base de conocimientos: un artículo del mismo bot. Los publicados pueden ser públicos; los internos solo están disponibles para el agente; los borradores no aportan contenido a la búsqueda.
- Sitio web: páginas de las direcciones que permitas leer a GetMyBot.
- Archivo: un PDF, documento de Word, Excel o PowerPoint, archivo de texto, Markdown o HTML que hayas subido.
- Instrucción: una regla breve que escribes, por ejemplo, las condiciones de devolución que debe seguir el agente.
- Dato: un hecho guardado que se identifica mediante su ID.
El nombre puede tener hasta 120 caracteres. La configuración completa de una fuente, incluido el texto de una instrucción, puede ocupar hasta 64 KB.
Acceso y prioridad
Cada fuente tiene un nivel de acceso:
- Para el agente de IA: solo el agente puede encontrarla.
- Para operadores: reservado para la búsqueda de los operadores.
- Público: puede mostrarse también en páginas públicas, como el centro de ayuda.
Los archivos, instrucciones y datos no pueden hacerse públicos. Solo un artículo publicado de la base de conocimientos puede tener acceso público. El acceso se comprueba antes de buscar: un agente limitado a fuentes públicas no recibirá fragmentos de artículos internos.
La prioridad, de −100 a 100, ayuda a ordenar resultados igualmente relevantes. Entre dos fragmentos con la misma puntuación, aparece primero el de mayor prioridad. Una coincidencia más precisa sigue teniendo preferencia.
Sitios web como fuentes
Indica las direcciones que GetMyBot puede leer, por ejemplo, https://example.com, sin la ruta de una página. La dirección con protocolo y dominio se llama origen. Puedes permitir hasta 20 orígenes. Después, indica entre 1 y 100 páginas desde las que empezar. Solo se admite HTTPS.
La lectura del sitio respeta estos límites:
- El programa se identifica como
MyBotKnowledge/1.0y comprueba las reglas derobots.txtantes de acceder a cada origen. Omite las rutas prohibidas porDisallowy respeta hasta 10 segundos de espera indicados porCrawl-delay. - Solo sigue enlaces
<a href>que llevan a los orígenes permitidos. Ignora los fragmentos de las URL y elimina los parámetrosutm_*,gclidyfbclidpara no procesar la misma página varias veces. - Antes de cada solicitud, vuelve a comprobar la dirección IP. No accede a redes internas ni a direcciones especiales del sistema o del proveedor de la nube. Aplica las mismas reglas a las redirecciones y sigue como máximo tres.
- Espera hasta 15 segundos por solicitud y lee como máximo 8 MB de respuesta. Acepta HTML, XHTML, texto sin formato y Markdown.
- Cada fuente puede indexar hasta 100 páginas.
El programa no inicia sesión, envía formularios ni carga scripts, imágenes o archivos de las páginas. Si una página requiere contraseña, tendrás que publicar su contenido o subirlo como archivo.
Actualizar cada (segundos) se aplica solo a los sitios web. Puedes elegir entre 60 segundos y 366 días. Los artículos, archivos, instrucciones y datos se vuelven a indexar cuando cambian o cuando pulsas Actualizar.
Archivos
El archivo debe estar en la biblioteca multimedia de este bot y no superar 8 MB. Se admiten PDF, DOCX, XLSX, PPTX, text/plain, text/markdown, text/html y XHTML.
La extracción del texto tiene algunas limitaciones:
- Del HTML se conservan títulos, listas y texto de los enlaces. Se eliminan scripts, estilos, menús, cabeceras, pies de página, barras laterales y plantillas.
- De un PDF se lee solo el texto, hasta 100 páginas. Los PDF cifrados o dañados se rechazan por completo.
- De los archivos de Office se lee solo el texto. No se ejecutan macros ni se descargan objetos o enlaces externos. El archivo comprimido no puede superar 500 entradas, una proporción de compresión de 100:1, 32 MB una vez extraído, 200 000 nodos XML ni 500 000 caracteres de texto.
Los antiguos formatos .doc, .xls y .ppt se rechazan con unsupported_type. Guárdalos como DOCX, XLSX o PPTX y vuelve a subirlos.
Preparación y estados
La tarjeta de cada fuente muestra uno de estos estados:
- Pendiente de indexación: se creó o modificó, pero aún no se ha procesado.
- Indexando: se está preparando para la búsqueda.
- Lista: el contenido actual ya aparece en las búsquedas.
- Necesita actualización: llegó el momento programado o cambió el contenido.
- Error: el último intento falló y muestra un código de error.
- Desactivada: se conserva, pero no aparece en ninguna búsqueda.
GetMyBot divide el texto en fragmentos de unos 1 500 caracteres que se solapan en 200. Después crea representaciones numéricas de su significado, llamadas embeddings, en grupos de 32. La versión nueva sustituye a la anterior solo cuando todos los fragmentos están listos. Por eso, las búsquedas ven la versión completa anterior o la nueva, nunca una mezcla. Si el contenido no cambió, se omite el procesamiento.
Los embeddings se crean mediante la integración de IA del bot (Integraciones), con su URL y clave. El modelo predeterminado es text-embedding-3-small, que produce 1 536 números por fragmento. Sin una integración de IA que funcione, la fuente no puede prepararse para la búsqueda.
Una fuente puede tener hasta 100 documentos y cada documento, hasta 500 fragmentos. Si el procesamiento se interrumpe, otro proceso podrá retomarlo pasados dos minutos. La tarjeta muestra los intentos, documentos y fragmentos procesados, y los documentos con errores. Cancelar indexación detiene el procesamiento actual.
Qué encuentra la búsqueda
La búsqueda tiene en cuenta tanto las palabras como el significado de la pregunta. Así, «¿Cómo devuelvo un producto?» puede encontrar un artículo sobre condiciones de devolución. Técnicamente combina dos búsquedas:
- Una búsqueda de las palabras en el índice de texto de PostgreSQL.
- Una búsqueda de significado parecido en un índice vectorial, mediante distancia coseno.
Ambas excluyen desde el principio los materiales de otros bots, las fuentes ocultas o desactivadas y los documentos eliminados. Después se combinan los resultados según su posición en cada lista mediante reciprocal rank fusion. Si dos resultados quedan empatados, se consideran la prioridad de la fuente y la fecha de procesamiento durante los últimos 30 días. Los fragmentos contiguos del mismo documento se unen.
La búsqueda devuelve hasta 12 fragmentos de 800 caracteres cada uno. Una pregunta puede tener hasta 16 000 caracteres. Puedes limitar un agente a un máximo de 100 fuentes concretas.
El agente conserva la referencia a la fuente, el documento y el fragmento de cada resultado, en el orden recibido. Si intenta citar otro contenido, la respuesta se descarta antes de enviarse. Por eso no puede enlazar a un borrador ni a una fuente oculta, desactivada o eliminada.
Probar la búsqueda
En Base de conocimientos → Probar búsqueda puedes ver qué encontrará el agente para una pregunta sin generar todavía una respuesta. Para cada resultado se muestran la fuente, el título, un fragmento, la puntuación y el motivo de la coincidencia. No se muestran datos internos y se limita el número de pruebas que puede hacer una cuenta en poco tiempo.
Haz esta prueba antes de activar el agente: si los fragmentos no son los correctos, su respuesta tampoco lo será.
Si falla la indexación
La tarjeta muestra uno de estos códigos:
blocked_address: la dirección, una redirección o su IP no están permitidas o apuntan a una red interna.robots_denied:robots.txtprohíbe acceder a la página.unsupported_type: el tipo de contenido o formato de archivo no es compatible.file_too_large: la descarga o el archivo superan el tamaño permitido.expanded_too_large: el texto, las páginas o los datos extraídos superan los límites indicados arriba.malformed_file: el archivo o la respuesta del sitio no se pudieron leer.fetch_timeout: el sitio tardó demasiado en responder.rate_limited: el proveedor de embeddings limitó las solicitudes; el sistema lo intentará de nuevo.
Corrige la causa y pulsa Actualizar. Los mensajes de error nunca incluyen el texto obtenido, así que puedes enviarlos a soporte si necesitas ayuda.
Desactivar o eliminar una fuente
Desactivar conserva la configuración, pero retira la fuente de todas las búsquedas. Activar la devuelve a la cola de preparación. Eliminar borra la fuente, sus documentos y sus fragmentos.
No puedes eliminar una fuente seleccionada por un agente activo. Primero deja de seleccionarla en el agente o ponlo en pausa.
Separación entre bots
Las fuentes, documentos, fragmentos y tareas de procesamiento pertenecen a un bot concreto. La búsqueda se limita a sus materiales, de modo que no aparecen datos de otros bots aunque contengan el mismo texto.
API y MCP
La API REST usa los permisos knowledge:read y knowledge:write:
GET/POST /api/bots/{botID}/knowledge/sourcesGET/PATCH/DELETE /api/bots/{botID}/knowledge/sources/{sourceID}POST /api/bots/{botID}/knowledge/sources/{sourceID}/uploadPOST /api/bots/{botID}/knowledge/sources/{sourceID}/refreshPOST /api/bots/{botID}/knowledge/sources/{sourceID}/cancelPOST /api/bots/{botID}/knowledge/sources/{sourceID}/disablePOST /api/bots/{botID}/knowledge/sources/{sourceID}/enableGET /api/bots/{botID}/knowledge/sources/{sourceID}/index-statusGET /api/bots/{botID}/knowledge/sources/{sourceID}/documentsPOST /api/bots/{botID}/knowledge/retrieval-test
MCP ofrece solo herramientas de lectura: list_knowledge_sources, get_knowledge_source_status y test_knowledge_retrieval. No hay una herramienta MCP para cambiar fuentes ni descargar documentos internos.
Artículos relacionados
- Respuestas con IA y agente de IA: selecciona las fuentes que puede usar el agente.
- Centro de ayuda público: publica artículos para tus clientes.
- Integraciones: configura la integración de IA necesaria para los embeddings.