Ingeniería RADAR v3.0

Ingesta de Alta Concurrencia y Recuperación Nativa de Vectores

Módulo: Sentinel

Scraping y Normalización

• Scrapy + Playwright: scrapers de alta resiliencia para portales regulatorios dinámicos.
• Asyncio: Procesamiento concurrente de múltiples fuentes PDF.
• SHA-256: Seguimiento de procedencia inmutable para cada fuente de documento.

Módulo: Embedding-Svc

Mapeo Semántico Neuronal

• Modelo: BGE-M3 (Multilingüe/Multitarea).
• Dimensiones: vectores densos de 1024-dim.
• Inferencia: Microservicio local optimizado para ejecución híbrida CPU/GPU.
• Estrategia: Fragmentación (chunking) con solapamiento y detección de límites semánticos.

Módulo: Storage

pgvector y Contexto Relacional

CREATE TABLE knowledge_chunks (
  id uuid PRIMARY KEY,
  document_hash char(64) REFERENCES sources(hash),
  embedding vector(1024),
  metadata jsonb,
  tenant_id uuid NOT NULL
);
                    

Indexación IVFFlat para una latencia de recuperación P99 <200ms.

Módulo: AuthN/AuthZ

Aislamiento Estricto Multi-tenant

Aprovechamos Supabase RLS (Seguridad a Nivel de Fila) para un aislamiento de grado criptográfico entre entornos de inquilinos (tenants).

CREATE POLICY "tenant_isolation" ON knowledge_chunks
FOR ALL USING (tenant_id = auth.uid());
                    

Arquitectura Zero-trust que garantiza la prevención de fugas de datos.

Benchmarks de Rendimiento