Preguntarle a tus documentos y que responda citando
Esto no va de escribir documentos nuevos, va de entender los que ya tienes: cuatrocientos PDF de contratos, actas y circulares donde la respuesta está, pero nadie sabe en cuál. El agente los indexa en tu propia máquina y luego responde a tus preguntas señalando de qué fichero sale cada cosa.
Ficha técnica
| Rama | Qué puede hacer |
|---|---|
| Qué hace | Indexa una carpeta de documentos en tu equipo y pregúntale en tu idioma: responde con los pasajes relevantes y la fuente de la que salen. |
| Pasos para ponerlo en marcha | 4 |
| Requisitos | 3 |
| Entrega | 3 |
| Actualizado | 6 de agosto de 2026 |
Cómo funciona el índice, sin misterio
El agente recorre la carpeta, extrae el texto de cada documento, lo trocea en fragmentos y calcula sus vectores con un modelo de embeddings. El índice se guarda como un fichero dentro de tu propia carpeta de trabajo, no en un servicio: si te llevas la carpeta, te llevas el índice.
Al preguntar, busca los fragmentos más cercanos a tu pregunta y los devuelve con su fuente. Eso es lo que permite responder «esto lo dice la circular de marzo» en vez de un párrafo bonito sin origen, y decir «no consta» cuando de verdad no consta.
Qué entra en el índice y qué no
Se indexan PDF, texto plano, Markdown, CSV, TSV, JSON, JSONL, HTML, XML, logs y RST. Los Word y los Excel no entran hoy en el índice, y el indexador tampoco enumera lo que ha dejado fuera: dice cuántos ficheros ha indexado y no cuántos ha saltado, así que la lista de arriba es la referencia buena. El agente sí puede abrir un .docx o un .xlsx directamente y extraer su texto, que es la ruta para una carpeta pequeña.
La búsqueda de texto literal por la carpeta es otra ruta, y sirve sin indexar nada: mira dentro de los PDF, los Word, los Excel y los PowerPoint, además de los ficheros de texto. Lo que no ha podido abrir lo nombra con su motivo, también cuando sí ha encontrado coincidencias, así que un resultado vacío ya no se confunde con un fichero que nadie miró. Quedan fuera el PDF escaneado y las imágenes, y lo dice.
De un PDF entra el texto que el PDF lleva dentro. Uno escaneado, que por dentro es una foto, no aporta texto al índice, y conviene saberlo antes de indexar el archivo histórico entero.
Lo que hace falta para que esto funcione
Hace falta un modelo de embeddings disponible en el Nodo: en local se descarga uno pequeño con Ollama, o lo pone tu clave de API si el proveedor los ofrece. Si no hay ninguno, el agente lo dice en claro en vez de devolver un índice vacío.
También hay un tope sano: unos cientos de ficheros y unos miles de fragmentos por índice. Para un fondo mayor, la práctica sensata es varios índices por materia, que además hace las respuestas más precisas.
Cómo se pone en marcha
- 1
Registras la carpeta donde están los documentos.
- 2
Le pides que la indexe y le pones nombre al índice.
- 3
Preguntas en tu idioma, tantas veces como quieras.
- 4
Si el fondo crece, le pides que reindexe, o lo dejas programado.
Dónde ocurre cada cosa
Tu equipo
Hace el encargo
Tu Nodo
Pone el cómputo
La red
Aporta el conocimiento
Preguntas frecuentes
- ¿En qué se diferencia de subir el PDF a un chat?
- En tres cosas: no se sube nada, el índice se queda en tu carpeta, y la respuesta viene con la fuente. Además no te limita a los documentos que quepan en una conversación: la carpeta puede tener cientos.
- ¿Se puede consultar un archivo con datos de clientes?
- Es el caso típico. El índice se construye y se consulta en la máquina del Nodo, y el acceso se reparte por carpeta, así que cada persona consulta lo suyo. Con modelo local, además, la pregunta tampoco sale.
- ¿Cada vez que pregunto reindexa todo?
- No. Se indexa una vez y se consulta muchas; reindexas cuando el fondo cambia, y eso también se puede dejar programado o disparado al aparecer un fichero nuevo en la carpeta.
- ¿Puede inventarse una respuesta?
- Un modelo siempre puede, y por eso la consulta devuelve los pasajes con su fuente: la comprobación te cuesta abrir el fichero que cita. Si la respuesta no viene acompañada de un pasaje, esa es la señal para desconfiar.
Pruébalo con tus propios documentos
Creas la cuenta, abres el Nodo y le encargas la primera tarea. Es gratis e ilimitado: el cómputo lo pone tu equipo, así que no hay nada que racionar.