Skip to content
Yastubo Logo Yastubo Backend API

Intelligence (AI, RAG & Vectors)

El módulo Intelligence implementa capacidades de Inteligencia Artificial Generativa mediante Gemini 1.5 Flash. Utiliza una base de datos vectorial (pgvector) para realizar búsquedas semánticas y proporcionar respuestas contextuales precisas sobre pólizas, términos y condiciones.

📚 Gestión del Conocimiento (Knowledge Base)

Section titled “📚 Gestión del Conocimiento (Knowledge Base)”

1. Ingesta de Documentos PDF

Section titled “1. Ingesta de Documentos PDF”

POST /api/v1/ai/knowledge/upload

Role: ADMIN Multipart/Form

Endpoint especializado para cargar guías de seguros, términos legales o manuales en formato PDF.

Proceso Interno:

Section titled “Proceso Interno:”
  1. Extracción: Utiliza pypdf para extraer el contenido textual de forma local.
  2. Embeddings: Envía el texto a la API de Google GenAI para generar un vector de 3072 dimensiones.
  3. Persistencia: Almacena el texto y su vector en la tabla knowledge_documents con soporte para búsqueda de similitud coseno.

Códigos de Respuesta

Section titled “Códigos de Respuesta”
  • 200 OK: Documento indexado correctamente. Retorna KnowledgeDocumentResponse.
  • 400 Bad Request: "Solo se permiten archivos PDF" o el PDF no tiene texto legible.
  • 500 Internal Server Error: Falla en la comunicación con el servicio de Embeddings.

2. Ingesta de Conocimiento Manual (Texto)

Section titled “2. Ingesta de Conocimiento Manual (Texto)”

POST /api/v1/ai/knowledge

Role: ADMIN

Permite cargar fragmentos de conocimiento directamente en formato texto sin necesidad de un archivo físico.

Esquema de Petición (KnowledgeDocumentCreate)

Section titled “Esquema de Petición (KnowledgeDocumentCreate)”
{
  "title": "Exclusión de Preexistencias",
  "content": "A partir de la versión 2.0, las enfermedades preexistentes tienen una carencia de 180 días...",
  "metadata_json": { "tag": "legales", "version": "2.0" }
}

🤖 Asistente Virtual (Chat API)

Section titled “🤖 Asistente Virtual (Chat API)”

3. Consulta con Contexto (RAG)

Section titled “3. Consulta con Contexto (RAG)”

POST /api/v1/ai/chat

Auth Required

Interacción con el chatbot de Yastubo. No es un chat genérico; utiliza la base de conocimiento cargada para responder.

Parámetros de Petición (ChatRequest)

Section titled “Parámetros de Petición (ChatRequest)”
  • message: Pregunta del usuario en lenguaje natural.
  • session_id: UUID para mantener el hilo de la conversación (memoria a corto plazo).

Diagrama del Flujo RAG:

Section titled “Diagrama del Flujo RAG:”
  1. Captura: Se recibe la pregunta del usuario.
  2. Retrieval: Se genera un embedding de la pregunta y se busca en pgvector los 3-5 fragmentos de conocimiento más similares del company_id actual.
  3. Prompt Augmentation: Se construye un prompt para Gemini estructuralmente así:

    “Eres un experto en seguros funerarios. Basándote ÚNICAMENTE en este contexto: [FRAGMENTOS], responde a lo siguiente: [MENSAJE_USUARIO]”

  4. Generation: Gemini genera la respuesta basada estrictamente en los hechos recuperados.

Códigos de Respuesta

Section titled “Códigos de Respuesta”
  • 200 OK: Respuesta generada. Retorna ChatResponse.
  • 429 Too Many Requests: Cuota de API de Google GenAI excedida.

⚙️ Especificaciones Técnicas AI

Section titled “⚙️ Especificaciones Técnicas AI”
  • Modelo de Chat: gemini-1.5-flash-latest (Optimizado para latencia baja y RAG).
  • Modelo de Embeddings: text-embedding-004.
  • Dimensiones del Vector: 3072.
  • Aislamiento Comercial: Las búsquedas vectoriales siempre están filtradas por el identificador de la organización (company_id), garantizando que un vendedor no pueda acceder al conocimiento confidencial de otra organización.