Un asistente de portfolio debe responder sobre proyectos, tecnologías y resultados sin inventar experiencia. La búsqueda vectorial puede encontrar un párrafo pertinente, pero no siempre conecta el proyecto con sus componentes, función, fechas y pruebas públicas. Un grafo pequeño hace explícitas esas relaciones, siempre que cada afirmación siga vinculada a su fuente.
Empieza con una ontología pequeña: Persona, Proyecto, Tecnología, Rol, Resultado y Fuente. Relaciones posibles: DESARROLLÓ, USA, CONTRIBUYÓ_A, DEMUESTRA y DOCUMENTADO_EN. No conviertas cada frase en un nodo. El grafo útil es la estructura mínima que responde preguntas reales del portfolio.
| Elemento | Ejemplo | Evidencia que conservar |
|---|---|---|
| Entidad | Proyecto de telemetría ESP32 | ID estable, URL canónica y fecha de verificación |
| Relación | Proyecto USA MQTT | Fragmento o archivo de repositorio que respalda el vínculo |
| Afirmación | Redujo trabajo manual de informes | Si fue medido, declarado o solo esperado |
| Tecnología | FastAPI | Asociación demostrable; no nivel de habilidad inferido |
Guarda URI de origen, versión de extracción, fecha y estado de revisión. Separa hechos verificados de candidatos generados por el modelo. Una puntuación de confianza no es una prueba. Para afirmaciones subjetivas o cuantitativas, conserva el contexto exacto y solicita revisión antes de publicarlas.
La búsqueda vectorial sirve para similitud semántica y para localizar descripciones pertinentes. La navegación del grafo ayuda con relaciones: qué proyectos usan una tecnología, qué evidencia conecta una capacidad con un resultado o qué componentes pertenecen a un sistema. Un flujo híbrido recupera textos candidatos, recorre unas pocas aristas tipadas y devuelve fragmentos junto con la ruta relacional.
Un grafo no siempre es mejor. Para unas pocas páginas, JSON estructurado o tablas relacionales con búsqueda pueden ser más simples. Añade una base de grafos cuando preguntas de varios saltos, desambiguación o evolución de relaciones justifiquen su coste operativo. GraphRAG también puede exigir extracción e indexación costosas; compara resultados con una alternativa sencilla.
Define el contrato de respuesta: usar solo evidencia recuperada, citar URLs de proyectos junto a las afirmaciones, separar aportación individual de resultado del equipo y reconocer si falta información. Ante versiones contradictorias, prefiere la fuente revisada más reciente y muestra el conflicto. No permitas que el modelo invente nuevas relaciones en una respuesta pública.
Indexa solo contenido autorizado para publicarse. Excluye datos privados de clientes, credenciales, contactos personales y repositorios confidenciales. Trata las consultas como entrada no confiable, autoriza el acceso antes de recuperar datos y no expongas metadatos internos en prompts o citas. Permite corregir y eliminar hechos obsoletos también de índices y resúmenes en caché.
Prepara preguntas con páginas de respaldo y citas esperadas. Mide resolución de entidades, recuperación de evidencia, precisión de citas, afirmaciones sin respaldo, calidad de abstención y latencia. Incluye peticiones adversariales para exagerar autoría o revelar trabajo privado. Repite las pruebas si cambian el esquema, la extracción o las reglas de recuperación.
Relacionado: pipelines RAG, límites de memoria de agentes y arquitectura local de LLM.
Un grafo personal aporta valor cuando conecta afirmaciones del portfolio con relaciones explícitas y fuentes verificables. Empieza con poco, conserva la procedencia, combina navegación y texto solo si mejora las respuestas y permite abstenerse. El objetivo no es que el asistente parezca más seguro, sino que cada respuesta sea más fácil de comprobar.