Contenido del curso
Configuración de base de datos vectorial con Pinecone
Crear y configurar una base de datos vectorial es esencial en aplicaciones de inteligencia artificial para almacenar y gestionar información de manera eficiente. Pinecone facilita la integración de bases de datos vectoriales con herramientas como N8N, utilizando modelos de lenguaje como Text Embeddings Tree Small de OpenAI.
¿Qué es una base de datos vectorial?
Una base de datos vectorial almacena información en forma de vectores, representaciones numéricas de uno o más datos. Estos vectores constituyen coordenadas en un espacio multidimensional, conocidas como embeddings. El proceso de incrustar un objeto desde un espacio con pocas dimensiones a otro con múltiples dimensiones permite manejos avanzados de información para aplicaciones de inteligencia artificial.
Importancia de los embeddings
La técnica de embeddings convierte datos simples en representaciones numéricas en espacios dimensionales complejos. Por ejemplo, en grandes modelos de lenguaje, estos espacios pueden tener cientos de miles de dimensiones, optimizando búsquedas semánticas y precisando la gestión de la información.
¿Cómo configurar Pinecone para tu base de datos vectorial?
Configurar Pinecone involucra pocos pasos prácticos y rápidos. Aquí tienes cómo hacerlo:
Integrar Pinecone con N8N
La integración con N8N permite incorporar fácilmente los documentos a tu base de datos vectorial siguiendo estos pasos:
¿De qué manera optimizar tu flujo de trabajo?
Optimizar el almacenamiento y búsqueda dentro de tu base de datos vectorial se logra configurando adecuadamente componentes adicionales como:
Estas actividades fortalecen el funcionamiento semántico y práctico del almacenamiento de documentos en tu base de datos vectorial.
Te invitamos a compartir tus experiencias y consultas en la implementación efectiva de tu propia base de datos vectorial con Pinecone.
Manuel Lopez
Estudiante
Nabit Mikan Castano
Estudiante
Alejandro García Mateus
Estudiante
Edgar Pérez
Estudiante
Daniel Rodriguez
Estudiante
sebastián García
Estudiante
Jhony Hernandez
Estudiante
William Ruiz
Estudiante
Camilo Andrés Riveros Lesmes
Estudiante
Gonzalo Gabriel Gonzalez Cano
Estudiante
Ronald Cuello
Estudiante
Johan Sebastian Pantoja Ramirez
Estudiante
Luis Antonio Correa Leyva
Estudiante
Luis Aguilera
Estudiante
David Arturo Moran Huaman
Estudiante
Sebastian Bernal Guzmán
Estudiante
Benjamín Cortés
Estudiante
Lina María Ureña Bolívar
Estudiante
Jose Daniel Barría Reyes
EstudianteJuan Fernando Mercado Henao
Company_admin
David Martínez López
Estudiante
Gabriel Obregón
Estudiante
Gabriel Hernan Miguel Acosta
Estudiante
Paula Andrea Beltrán Salazar
Estudiante
Mateo Montoya Henao
Estudiante
Junior Hernandez
Estudiante
Jairo Zepeda
Estudiante
Team Presla
Estudiante
Brainer Sánchez
Estudiante
Agustín Facenda
EstudianteTavo Montoya
EstudianteAgradezco la oportunidad de haber participado en el curso, sin embargo, considero que no cumplió del todo con mis expectativas. Los temas tratados se abordaron de manera superficial y con cierta premura, lo que limitó un análisis más profundo y detallado.
Sugiero que, en futuras ediciones, se especifique claramente el público objetivo del curso. Para personas con conocimientos previos de programación, los contenidos resultan accesibles y comprensibles; no obstante, para aquellos sin experiencia en este ámbito, podría ser un desafío seguir el ritmo y entender los conceptos.
Sería valioso que consideraran desarrollar una segunda versión del curso, profundizando en herramientas como n8n, dada su relevancia y potencial. Esto enriquecería significativamente la experiencia de aprendizaje.
Agradezco nuevamente por el esfuerzo y quedo atento a futuras mejoras.
Gracias.
Totalmente de acuerdo, se dan muchas cosas por sentado. Si no se tiene conocimientos previos co mo decís, es dificil seguirlo!
Es verdad hay muchas cosas que el profesor da por sentado que deberíamos saber pero no todos estamos inmersos en el mundo de la programación. la herramienta aplica para muchas profesiones.
Hoy en día el nodo Default Data Loader tiene un cuarto parámetro que es "Text Splitting", ahí debes seleccionar "Custom" para que te permita agregar el nodo de "Text Splitter"
Gracias
En la nueva versión no es necesario. En la opción simple, hace lo mismo que se configura en el video. Si quieres cambiar los valores si es necesario pero por defecto son 1000 y 200
Una Base de Datos Vectoriales un tipo especializado de base de datos que almacena y gestiona datos en forma de vectores, que son representaciones numéricas de datos no estructurados.
gracias por tu aporte jhony
1. ¿Qué es una base de datos vectorial?
Imagina una biblioteca donde, en lugar de guardar libros completos, se guardan resúmenes matemáticos (vectores) que representan el contenido del libro.
Estos vectores no se ven como texto, sino como listas de números que resumen el significado de ese texto.
Una base de datos vectorial guarda millones de estos vectores y permite hacer búsquedas por significado. Por ejemplo:
En lugar de buscar exactamente "gato", podrías buscar "animal que maúlla" y también encontrar "gato", porque los vectores que representan ambos conceptos están cerca en el espacio.
Los embeddings son las versiones "numéricas" de los datos, como si le dieras a una IA una frase y te devolviera algo como:
plaintextCopiarEditar[0.12, -0.34, 0.89, ..., 0.56] // hasta llegar a 1,536 números (dimensiones)
Cada número representa una característica detectada del texto. Entre más dimensiones (como 1.536), mejor se puede capturar el significado del contenido.
No entendía el contexto de la configuración de Chunk Overlap = 200, pero les dejo mi explicación luego de investigar.
Cuando dividimos un texto largo en fragmentos más pequeños (por ejemplo, de 1000 caracteres cada uno), puede pasar que una idea importante quede partida entre dos fragmentos.
La superposición evita eso: consiste en repetir los últimos 200 caracteres del fragmento anterior al inicio del siguiente.
¿Por qué se hace?
Porque así no se pierde el contexto entre fragmentos. Por ejemplo:
Sin superposición, eso se separaría y perdería el sentido.
Con superposición, el modelo tiene más chance de entender el texto como una unidad coherente.
Al registrarme en Pinecone, no me aparece el modelo text-embedding-3-small , solo salen los soguientes:
Alguien sabe porque sucede ello y que debería escoger ?
Acabo de crear la cuenta y me aparece:
Tiene que darle en la opción donde dice "External embedding" y después darle en "autofill values from model"...
Nota para curiosos. Si ya estaban utilizando supabase para la base de datos de n8n, pueden utilizarlo también cómo base de datos vectorial. Les dejo algunos enlaces que les pueden explicar cómo configurarlo.
Adicionalmente pueden usar Google AI Studio para acceder los modelos de embedding y llms, es free, con limitaciones pero para estudiar y completar el curso les debe ir bien.
Es puro oro: estoy aprendiendo un montón y aclarando conceptos a medida que avanzamos.
Explicación muy clara de los vectores y embeddings. También muy buena animación.
Si están acá, seguramente ya se dieron cuenta de que este curso no es apto para personas no técnicas.
Hay herramientas que pueden hacer lo mismo, pero 10x más intuitivas, como Relay, Lindy o incluso Make.
Denle like a esto para poder probarle a Platzi que hay interés en un curso de IA y automatización para personas no técnicas.🙏
Al principio el curso, por ahí se no se aclara bien pero dice que n8n es una herraminta low code, hay muchas cosas qu necesitan más de logica y algunas cosas de código pero lo podés solucionar con claude o chatgpt
Había interactuado con API keys de manera muy superficial, me puse a cacharrear y comprendí que puedo crear proyectos, antes lo hacía con la default 🙈🤣
Me pueden explicar por qué el chunk overlap sirve para tener una mejor búsqueda semántica?
Pensalo como una conexión entre partes: al dividir un texto en partes más pequeñas para buscar información, se dejan zonas compartidas entre las partes para que no se pierda el sentido o contexto de lo que se está diciendo.
El chunk overlap es importante porque mejora la calidad de búsqueda semántica en bases de datos vectoriales. Al permitir que partes de texto se superpongan entre segmentos o "chunks", se asegura que la información relevante no se pierda, lo cual es crucial para modelos de IA que dependen de conexiones contextuales. Esto ayuda a los modelos a entender mejor el contenido y a realizar búsquedas más precisas. En el contexto de Pinecone, esto mejora la efectividad al consultar datos embebidos.
🎯 Bases de Datos Vectoriales con Pinecone + N8N
🧠 ¿QUÉ ES UNA BASE VECTORIAL?
📍 Almacena datos como vectores numéricos
📍 Cada dato = coordenada en un espacio multidimensional (embedding)
📍 Ideal para búsquedas semánticas y procesamiento inteligente de datos
🔍 EMBEDDINGS: ¿QUÉ SON?
✨ Transforman información en vectores de muchas dimensiones
✨ Usados por IA para comprender el significado real de textos
✨ Permiten encontrar contenido aunque no use las mismas palabras
🛠️ PASOS PARA CONFIGURAR PINECONE
1️⃣ Entra a
2️⃣ Crea una cuenta nueva
3️⃣ Elige un modelo (ej: Text Embeddings Tree Small)
4️⃣ Define las dimensiones (ej: 1536)
5️⃣ Crea un índice y guarda tu API key 🔐
🔗 INTEGRACIÓN CON N8N
💡 Usa el nodo Pinecone Vector Store
🔑 Conecta tu API key
📂 Inserta documentos en el índice
✂️ Mejora los textos con: ✔️ Recursive Character Text Splitter
⚡ CÓMO OPTIMIZAR TU FLUJO
🧠 Embeddings de OpenAI → Transforman datos
📥 Data loaders → Controlan cómo se cargan
✂️ Text splitters → Dividen textos en partes útiles
✅ Resultado: Búsquedas + rápidas, datos + organizados, IA + precisa
Veo muchos comentarios sobre que es muy "superficial" el curso. Tengan en cuenta que esta herramienta automatiza lo que un desarrollador hace en codigo. Sin embargo, hay que tener el conocimiento sobre que es cada cosa, no sera posible crear o replicar algo que no tengo ni idea de como funciona... En mi caso, soy dev especializado en IA, en mi caso, yo entiendo cada cosa del curso y me ayudo bastante a comprender el uso de esta herramienta.
Alguien utilizó Google Gemini en lugar de Openai y le funcionó? (No tengo mas tokens for free :'( )
✨ Visual Summary of the Lecture: Configuración de base de datos vectorial con Pinecone ✨
1. The Central Idea (The Core 💡): The class explains how to set up a Pinecone vector database to store document embeddings for RAG applications in n8n.
2. Key Points (In Bullet Points 📌):
3. The Crucial Example or Fact 🚀:
Configuring Pinecone with an OpenAI text-embedding-ada-002 model (1536 dimensions) and setting chunk size to 1000 with chunk overlap to 200 in n8n is key for efficient document storage and retrieval.
4. Connection or Next Step 🔗: This setup is the first part of a workflow to store specialized library documents, which will be queried in the next class, "Configuración de flujos de consulta en bases de datos vectoriales", to build a RAG agent.
🏛️ Senior Architect's Deep Dive
1. Critical Limitations & Edge Cases:
⚠️ The lecture implies reliance on Pinecone's serverless AWS free tier, which can have performance limitations and rate limits for high-volume or enterprise-scale RAG systems. It also assumes the OpenAI text-embedding-ada-002 model is sufficient for all use cases, which might not hold for highly specialized or multilingual data, leading to suboptimal embeddings. The use of a fixed chunk size and overlap might not be optimal for all document types, potentially causing loss of context or redundancy.
2. The Expert-Level Debate: ⚖️ Vendor Lock-in vs. Ease of Use: The class heavily features Pinecone and OpenAI, offering a streamlined setup but creating a strong dependency on these specific vendors. This trades off the flexibility and long-term cost control of open-source or self-hosted vector databases and embedding models for the immediate convenience and managed services of commercial offerings.
3. Strategic Weakness (The "But..."): This is great, but it doesn't address the data governance, security, and compliance implications of sending proprietary or sensitive documents to third-party cloud services like Google Drive, Pinecone, and OpenAI, which is a major concern for enterprise RAG deployments.
Agradezco mucho al instructor por estas explicaciones. Considero que el curso es bueno solo que se necesita un poco de expertise para hacer ciertas configuraciones en aplicaciones de terceros como Google Drive. En general me en encanto el Curso.
Ideal, que como recurso de compartan los escenarios de n8n en json y luego nosotros editar credenciales
¡Excelente explicación! Se nota el tiempo y dedicación que invertiste. Todo fue muy claro, práctico y fácil de aplicar. ¡Gracias por tremenda introducción a n8n!
He estado investigando sobre sistemas RAG y el uso de bases de datos vectoriales semánticas. Vi que algunos flujos implementan segmentación semántica inteligente, con párrafos completos y metadatos enriquecidos, lo cual mejora la precisión de las búsquedas vectoriales en bases de datos grandes. Sin embargo, no me queda claro cómo organizar o preparar los documentos de forma óptima para este tipo de búsquedas.
¿Podría el profesor explicar cuál sería una buena estrategia de segmentación semántica y estructuración de datos (por ejemplo, con metadatos) para implementarlo en un flujo automatizado, como los que se crean en n8n?
Y que sucede si por error subo el mismo archivo? se repite en la base de datos vectorial? O si quiero borrar alguno que ya no me sirve?
Agustín, en la practica si y esto genera errores en futuras consultas, sin embargo, puedes dar un tratamiento a tus embbeddings para evitar duplicados.
En su momento trate de hacerlo con 'Pincone' sin embargo, no fui capaz, por ende, ando usando 'Supabase' en su lugar y el resultado ha sido el esperado, te dejo un print del manejo dado:
