3 · 2026
Aurum Market, búsqueda semántica de catálogo
Motor de descubrimiento sobre 15.000 productos en español con Qdrant y embeddings E5. Hace búsqueda por intención y detecta altas duplicadas, sin ningún LLM en tiempo de ejecución.
- 0,92
- MRR@10, el primer acierto casi siempre en primera posición
- 1,0
- fidelidad del índice ANN frente a la búsqueda exacta
- 59 ms
- latencia p50 en CPU
- 379
- tests automáticos
Datos
- Catálogo de 15.000 productos10 ficheros verificados por SHA-256
Representación
- Composición del texto3 estrategias comparadas (E0–E3)
- Embeddings e5-base768 dim, normalizados, con caché
Almacén
- QdrantHNSW aproximado, lo que se entrega
- Oráculo NumPybúsqueda exacta, la vara de medir
Recuperación
- Búsqueda densafiltro de marca dentro del motor
- TF-IDFlínea base
Aplicaciones
- Duplicadosumbral calibrado y congelado
- Eventos24 mutaciones en orden
Evaluación
- MétricasnDCG, Recall, MRR
- Fidelidad y atribuciónmotor frente a oráculo, qué capa falla
Entrega
- Artefactosvalidados contra el contrato antes de escribir
Problema
Un catálogo de 15.000 referencias en español plantea dos problemas de negocio. El primero es encontrar productos por intención (“algo para regalar a un ciclista”) y no solo por palabras exactas, a veces dentro de una marca concreta. El segundo es impedir que se den de alta productos duplicados. Los dos se resuelven con una única base vectorial.
Enfoque
- Embeddings
intfloat/multilingual-e5-base(768 dimensiones) en CPU, con caché por modelo, rol y digest del texto. La primera ingesta tarda unos 13 minutos; las siguientes, alrededor de 1. - Qdrant como motor, con parámetros HNSW explícitos (
m=24,ef_construct=120,ef_search=256). El filtro por marca se resuelve dentro de la consulta. - Un oráculo exacto en NumPy con la misma interfaz que Qdrant, para medir si el índice aproximado pierde candidatos o no.
- Una matriz de experimentos (E0–E3) para elegir qué texto de cada producto se convierte en vector.
- Un umbral de duplicados calibrado sobre el conjunto de desarrollo y congelado antes de aplicarlo al conjunto ciego.
- Una CLI (
aurum doctor,ingest,evaluate,deliver…) que regenera todos los artefactos con un solo comando.
Lo desarrollé con Spec Driven Development: 29 requisitos, 8 ADR con las alternativas descartadas, y ningún requisito se cierra sin una evidencia ejecutable.
Resultados
| Métrica | Valor |
|---|---|
| nDCG@10 | 0,5422 |
| Recall@10 | 0,2481, sobre un techo de 0,5188 (el 48 % de lo alcanzable) |
| MRR@10 | 0,9167 |
| Fidelidad ANN | 1,0000 |
| Latencia p50 / p95 | 59 / 85 ms |
| Duplicados P / R / F1 | 1,0 / 1,0 / 1,0 en desarrollo, con umbral 0,9191 |
| Consultas filtradas por marca | 10/10, sin intrusos |
Qué aprendí
Una métrica sin contexto engaña. Con unos 25 productos relevantes por consulta y solo 10 posiciones, ningún sistema puede superar un Recall@10 de 0,5188, así que un 0,25 parece un fracaso hasta que se compara con ese techo.
Que la fidelidad del índice sea 1,0 tiene una consecuencia fuerte: todo el error está en la representación, no en el índice, y eso se demuestra con un análisis de atribución en vez de suponerse.
Y un detalle que cuesta encontrar: el umbral de indexación de Qdrant se mide en kilobytes por segmento, no en número de vectores. Con los valores por defecto, Qdrant responde por fuerza bruta sin avisar y cualquier medida de fidelidad sale trivialmente perfecta.