Búsqueda web

La búsqueda web trae al chat información actual de internet: precios, noticias, el estado de la legislación, datos sobre otras empresas. Esta página explica cómo se utiliza, de qué componentes se compone y cuáles de ellos elige usted mismo durante la implantación.

La estructura de búsqueda proviene de LibreChat. Lo que aportamos nosotros es la configuración previa.

Así se utiliza en el chat

En el campo de entrada hay un conmutador para la búsqueda web. Si está activado y la búsqueda está completamente configurada, el colega decide por sí mismo cuándo buscar. Usted no tiene que escribir «busca en internet»: basta con una pregunta sobre la situación actual de algo.

La respuesta se construye entonces sobre las páginas encontradas, con indicación de las fuentes. El prompt del sistema almacenado lo exige expresamente.

Los tres componentes

Una búsqueda web que funcione es algo más que un motor de búsqueda.

Componente	Cometido	Obligatorio
Motor de búsqueda	Entrega resultados, es decir, enlaces y breves fragmentos de texto	sí
Scraper	Recupera el texto completo de las páginas encontradas	sí
Reranker	Ordena los hallazgos según su grado de pertinencia	no

Sin scraper, el colega solo tendría titulares y frases sueltas, con los que no se puede construir una respuesta sólida.

La búsqueda web se termina de montar durante la implantación

En la entrega ya viene registrado un motor de búsqueda. El scraper lo elige usted mismo, porque la elección del proveedor depende de cómo quiera resolver la residencia de los datos; el reranker es opcional y no viene fijado de fábrica.

Cuente con este paso desde el principio: la herramienta de búsqueda no se le ofrece al modelo hasta que hay un scraper registrado.

Para administradores: configurar el scraper y el reranker

Ambos se gestionan en el panel de administración, bajo «Konfiguration → Funktionen» (configuración, funciones), en las dos tarjetas dedicadas a la búsqueda web. Allí elige usted el proveedor de búsqueda, el scraper y, opcionalmente, un reranker, además del nivel de SafeSearch. LibreChat admite varios proveedores tanto para el scraper como para el reranker; cuáles entran en consideración figura en la documentación de LibreChat.

Las claves nunca deben ir en texto claro en la configuración. Indíquelas como referencia a una variable y guarde el valor en el lugar previsto para ello.

Qué scraper encaja con el posicionamiento europeo

La vía europea prevista es un scraper alojado por usted mismo. Así, la recuperación del texto completo no sale de su infraestructura.

Las variantes alojadas de los proveedores de scraping se configuran deprisa, pero no procesan dentro de la UE. Quien las emplee debería nombrarlo con la misma claridad que en las fichas del modelo situadas fuera de la UE.

Para que el colega busque por sí mismo

Hay otros dos ajustes que deciden si se busca o no:

1. Permiso de rol. En el editor de roles, bajo «Werkzeuge» (herramientas), el permiso «Web-Suche» (búsqueda web) para los roles afectados.

2. Marca en la ficha. La herramienta de búsqueda debe estar activa en las fichas del modelo que usted ofrece. Solo entonces queda unida a la ficha y el modelo decide por sí mismo cuándo usarla.

3. A continuación, comprobarlo en un chat nuevo.

Cuánto texto llega al modelo

La cantidad de texto de los resultados de búsqueda que llega al modelo es limitada y ajustable. Más significa más contexto para la respuesta y más tokens por consulta, es decir, un coste mayor. Menos significa una base más escueta.

Protección de datos en la búsqueda web

La búsqueda se ejecuta en su instancia, pero la consulta de búsqueda en sí sale al exterior: se dirige a servicios de búsqueda externos. Qué ocurre en ese proceso y qué no:

Sale al exterior	el término de búsqueda, así como las páginas recuperadas por el scraper
No sale al exterior	quién ha buscado. La identidad de la persona se queda con usted
Se queda con usted	la conversación, los documentos, la respuesta

Formulación para la formación y el aviso de protección de datos

Dicho con precisión, la afirmación es esta: el almacenamiento y la inferencia se ejecutan allí donde usted opera la instancia; la consulta de búsqueda en sí va a servicios de búsqueda externos, y lo hace sin la identidad del usuario. Quien describa la búsqueda web en una declaración de protección de datos hará bien en recoger esa distinción literalmente.