Alesqui IntelligenceIA Engineering con Spring AI
GitHubGitHub
  • Inicio
      • 1.1 Qué significa realmente «añadir IA»
      • 1.2 El rol del AI Engineer
      • 1.3 Casos de uso con ROI demostrado
      • 1.4 Mapa de madurez de IA
      • 1.5 Criterios de decisión
      • 1.6 El coste real
    • Cap. 2 — Anatomía de los LLMs
    • Cap. 3 — Prompt Engineering
    • Cap. 4 — Spring AI: del @RestController al LLM
    • Cap. 5 — Embeddings y Modelos Vectoriales
    • Cap. 6 — Vector Stores
    • Cap. 7 — RAG Fundamental
    • Cap. 8 — RAG Avanzado
    • Cap. 9 — CAG y Fine-Tuning
    • Cap. 10 — Agentic RAG
    • Cap. 11 — Graph RAG
    • Cap. 12 — Function Calling
    • Cap. 13 — Diseño de Agentes
    • Cap. 14 — MCP: Model Context Protocol
    • Cap. 15 — Sistemas Multi-Agente
    • Cap. 16 — Estrategia de Adopción
    • Cap. 17 — Patrones Arquitectónicos
    • Cap. 18 — Testing de Aplicaciones con IA
    • Cap. 19 — Seguridad, Privacidad y Compliance
    • Cap. 20 — Observabilidad y Operación en Producción
    • Cap. 21 — Buscador Semántico Corporativo
    • Cap. 22 — Agente de Soporte
    • Cap. 23 — Pipeline de Documentos Inteligente
    • Cap. 24 — Agentic RAG Multi-Fuente
    • Apéndice A — Referencia Rápida Spring AI
    • Apéndice B — Entorno de Desarrollo
    • Apéndice C — Checklist de Producción
    • Apéndice D — Glosario
    • Apéndice E — Prompt Engineering Referencia
Edit this page
Parte II — Spring AICap. 5 — Embeddings y Modelos Vectoriales

Cap. 5 — Embeddings y Modelos Vectoriales

En construcción. Este capítulo está siendo redactado.

Cap. 4 — Spring AI: del @RestController al LLMCap. 6 — Vector Stores
MIT 2026 © Nextra.