Tutorial de la App Vectara: Construyendo Soluciones de IA para Soporte

Introducción al Ecosistema de Vectara

Bienvenido a Vectara, una plataforma a la vanguardia de la innovación en IA Generativa, mejorando y expandiendo las capacidades de búsqueda semántica y más allá. Aquí, profundizaremos en el ecosistema de Vectara y su utilización de IA Generativa, incluyendo su papel en impulsar aplicaciones de Generación Aumentada por Recuperación (RAG). Nuestra exploración también involucrará un recorrido visual por los materiales oficiales de Vectara, dándote una comprensión más profunda de las diversas funcionalidades de la plataforma y las avanzadas soluciones impulsadas por IA que ofrece.

Visión General del Ecosistema de Vectara

Vectara tiene la misión de redefinir la búsqueda, facilitando un viaje sin inconvenientes desde una consulta hasta la información más relevante. La plataforma alberga un pipeline de búsqueda completo pero componible, convirtiéndola en una potencia de capacidades de búsqueda semántica. A través de Vectara, los desarrolladores tienen el poder de crear aplicaciones con un sólido respaldo de búsqueda, elevando así la experiencia del usuario a un reino donde las preguntas encuentran respuestas precisas.

Fundamentos de Funcionamiento y Flujo de Trabajo

El latido de Vectara es su plataforma de búsqueda puramente neuronal enriquecida con procesamiento de lenguaje natural listo para producción. El flujo de trabajo es simple pero poderoso:

Ingestión de Datos: Ingesta tus datos en el corpus de Vectara utilizando la API de Indexación.
Indexación de Datos: Los datos ingeridos son indexados, almacenando codificaciones vectoriales optimizadas para baja latencia y alta recuperación.
Ejecutar Consultas: Utiliza la API de Búsqueda para ejecutar consultas contra los datos indexados, recuperando información altamente relevante rápidamente.

La belleza de Vectara radica en su plataforma accesible a través de API, que es un lienzo para que los desarrolladores pinten sus soluciones de búsqueda, incorporándolas en sus aplicaciones.

Sumérgete en la Consola de Vectara

Para comprender realmente el potencial de Vectara, adentrémonos en su consola, el epicentro de la gestión de tu ecosistema de búsqueda:

Creando Corpora: Comienza creando un corpus, un santuario para tus datos esperando ser consultados. El proceso es sencillo: nombra tu corpus, descríbelo, selecciona un modelo de incrustación, especifica atributos de filtrado, y ¡voilà!; tu corpus está listo para ser alimentado con datos.
Gestión de Acceso a la API: Vectara te otorga la varita para gestionar el acceso a la API. Crea y gestiona claves de API y clientes de aplicaciones con facilidad. Con los permisos necesarios, una pestaña de acceso a la API se revela en la barra lateral, guiándote para crear claves de API y clientes de aplicaciones. Es tu puerta de entrada para interactuar con el tesoro de capacidades de búsqueda de Vectara.
Colaboración en Equipo: Invita a tu equipo a la consola de Vectara, asigna roles específicos y fomenta un entorno colaborativo para construir y refinar tus soluciones de búsqueda.
Búsqueda y Resumen: Directamente desde la consola, utiliza la pestaña de búsqueda para ejecutar consultas y resúmenes sobre los datos ingeridos. Esta función es invaluable para probar y ajustar tus parámetros de búsqueda en tiempo real.
Gestión de Facturación: Mantén un control sobre el uso de tu cuenta y gestiona los detalles de facturación asegurando un servicio ininterrumpido mientras navegas por el ecosistema de Vectara.

En esta sección, hemos rozado la superficie de las ofertas de Vectara. A medida que profundizamos en nuestro caso de uso elegido en la siguiente sección, la utilidad y el poder de Vectara se desplegarán aún más, pintando un cuadro más claro de cómo puede ser aprovechado para aplicaciones de soporte al cliente.

Nuestra Búsqueda: Orquestando un Maestro de Soporte al Cliente

Vectara se embarca en una misión para redefinir el Soporte al Cliente con el poder de la IA Generativa. Rompe con los envoltorios de API tradicionales, empleando las avanzadas capacidades de GPT-4 para mejorar y agilizar los servicios de soporte. Vectara ofrece un conjunto de herramientas y modelos intuitivos, facilitando la creación de sistemas de QA y AI conversacional sofisticados.

¿Por qué Vectara para el Soporte al Cliente?

Vectara se destaca en el ámbito del soporte al cliente al abordar los complejos desafíos y las complejidades del desarrollo, realizando efectivamente el trabajo pesado por tu equipo. Al encapsular las mejores prácticas de la industria dentro de nuestras soluciones, aseguramos que siempre estés a la vanguardia, proporcionando respuestas rápidas, precisas y de alta calidad a tus clientes.

Vectara es versátil, ofreciendo una gama de opciones de integración a través de APIs REST y gRPC. Esto garantiza que, independientemente de tu configuración técnica o preferencias, implementar y escalar Vectara dentro de tu flujo de trabajo de soporte al cliente sea fluido y eficiente.

Concepto y Arquitectura: Tu Agencia de Chatbots Personalizada

Imaginémonos como jóvenes emprendedores iniciando una agencia de chatbots. Alejándonos de los costosos planes de herramientas sin código como Botpress, y deseando un mayor grado de personalización, encontramos consuelo en el ecosistema de Vectara.

Base de Conocimiento: El CORPUS

Nuestra jornada comienza con la creación de nuestra base de conocimiento, denominada CORPUS en el reino de Vectara. Imaginen cada corpus como una biblioteca personalizada, un repositorio donde múltiples documentos encuentran su hogar. Esto se vuelve indispensable para un propietario de negocio o un emprendedor en el ámbito de los chatbots. La esencia es evitar el tedioso reentrenamiento y reconfiguración del sistema con cada nuevo proyecto de cliente. Un sistema de conocimiento centralizado actúa como un reservorio de sabiduría, permitiendo que el bot recupere respuestas adecuadas de manera rápida y precisa.

APIs de Indexación y Consulta de Vectara: Los Navegantes

Cuando un usuario final envía una consulta, las avanzadas APIs de indexación y consulta de Vectara entran en acción. Ingestan los datos, los incrustan y navegan por el corpus para recuperar la respuesta más apropiada. Estos datos son luego alimentados a un resumidor, agregando un toque humano a la salida, eludiendo así el tono robótico a menudo asociado con las respuestas de los bots.

Implementación con Streamlit: El Patio de Juegos

Para dar vida a nuestro concepto, emplearemos Streamlit, que no solo revela los entresijos del código sino que proporciona un patio de juegos para probar y iterar rápidamente. A medida que avanzamos, un tesoro de bibliotecas de Vectara espera a los desarrolladores de backend, prometiendo una navegación más suave incluso si centrar ese div parece como perseguir el horizonte!

Un Toque de Humor: La Lucha Artística

Oh, y sobre la lucha artística con centrar divs, ¡no temas! Mientras el arte puede tener su Mona Lisa, en el mundo de la codificación, ¡un div perfectamente centrado es igual de una obra maestra! (Y al igual que yo, parece que Vectara tampoco es muy amante de descentrarse!)

Preparando el Escenario: Guía de Configuración e Instalación

Antes de adentrarnos en los reinos del código y explorar los entresijos de nuestra aplicación, es imperativo preparar el escenario correctamente. Este segmento está dedicado a guiarte a través del proceso de configuración e instalación de los componentes necesarios para nuestra aplicación. Se enfatiza asegurar una navegación fluida mientras nos aventuramos en la fase de desarrollo.

Paso 1: Crear un Entorno Virtual

Crear un entorno virtual es una buena práctica para gestionar dependencias y asegurar que la aplicación funcione consistentemente en diferentes configuraciones. Activa el entorno virtual:

En Windows:
En macOS y Linux:

Paso 2: Instalar Paquetes Necesarios

Instala los paquetes necesarios usando pip:

Paso 3: Crear el Archivo .env

Crea un archivo llamado .env en el directorio raíz de tu proyecto. Este archivo almacenará tus variables de entorno. Así es como debería lucir tu archivo .env, reemplaza los marcadores con tus credenciales reales:

Asegúrate de copiar/agregar la Dirección IDX

Paso 4: Instrucciones de Configuración

Este paso proporciona una guía completa para obtener las claves y credenciales necesarias para que la aplicación funcione de manera efectiva. Sigue cada paso cuidadosamente para asegurar un proceso de configuración fluido.

Navega al Tablero de Vectara y Accede al Panel de Datos
Ingresa los Detalles de Tu Almacenamiento de Datos
Agrega Datos a Tu Corpus
Genera una Clave de API en la Pestaña de Control de Acceso
Crea y Configura Tu Clave de API
Almacena de Forma Segura la Clave de API
Recupera los IDs de Corpus y Cliente
Obtén la URL de Autenticación
Consigue el ID de Cliente de la Aplicación
Adquiere el Secreto de Cliente de la Aplicación

¿Por qué Usar Tanto la Clave de API como OAuth?

La plataforma de Vectara emplea dos métodos diferente de autenticación: OAuth para la indexación y claves de API para la búsqueda. Este enfoque dual equilibra la facilidad de uso con robustas medidas de seguridad.

OAuth se aprovecha específicamente para la indexación porque es adecuado para comunicaciones de servidor a servidor, donde las operaciones requieren una mayor seguridad debido a la naturaleza cambiante de los datos. Es un protocolo que permite una autorización segura de manera simple y estandarizada desde aplicaciones web, móviles y de escritorio. Por lo tanto, para cualquier operación que modifique datos, como la indexación, OAuth proporciona una capa adicional de seguridad al habilitar la autenticación y autorización basadas en tokens.

Por otro lado, las claves de API se utilizan para operaciones de búsqueda ya que ofrecen un método más simple de control de acceso que puede ser gestionado fácilmente dentro de una aplicación. Las búsquedas a menudo no requieren el mismo nivel de seguridad que la indexación, ya que generalmente no involucran la alteración de datos.

Si bien la indexación también se puede realizar con una clave de API, usar OAuth es una buena práctica para acciones que podrían afectar la integridad de tus datos. Vectara por lo tanto ofrece flexibilidad, permitiendo a los usuarios elegir el método de autenticación más apropiado para sus necesidades específicas.

Al entender e implementar ambos métodos de autenticación como se recomienda, aseguras que tu aplicación interactúe con los servicios de Vectara de manera segura y eficiente, adhiriéndose a las mejores prácticas para el uso de API.

Explorando Vectara.py: Un Profundo Análisis del Código

En esta sección, desmenuzaremos meticulosamente Vectara.py, nuestro script base que conecta nuestra aplicación con la plataforma de Vectara. Nuestro objetivo es desenterrar la esencia de cada función, el porqué de ciertos métodos empleados, y cómo contribuyen a la funcionalidad general de nuestra aplicación de Soporte al Cliente. Así que, ¡subamos las mangas y zambullámonos en el código!

1. Preparando el Escenario: Importando Bibliotecas Necesarias

El primer paso es importar las bibliotecas necesarias. Bibliotecas como requests y OAuth2Session de authlib son fundamentales para manejar solicitudes HTTP y la autenticación OAuth2 respectivamente, que son críticas al comunicarnos con las APIs de Vectara. También importamos dotenv para cargar variables de entorno desde un archivo .env, asegurando una forma segura y organizada de manejar configuraciones.

2. Preparando el Entorno

Al invocar load_dotenv(), aseguramos que nuestro script tenga acceso a variables de entorno cruciales almacenadas en un archivo .env. Esto no solo mejora la seguridad, sino que también promueve la reutilización del código en diferentes entornos.

3. Revelando la Clase de Indexación

La clase Indexing es donde ocurre la magia de la ingestión y indexación de datos. Sus métodos están diseñados para interactuar con la API de indexación de Vectara, estableciendo las vías para que nuestros datos viajen desde nuestro entorno local al corpus de Vectara.

Asegurando Acceso con Token JWT

En _get_jwt_token, iniciamos una sesión OAuth2 para obtener un token JWT, que es indispensable para autenticar nuestras solicitudes a la API de Vectara.

Subiendo Documentos al Corpus

El método upload_file es nuestra puerta de entrada para enviar documentos al corpus de Vectara. Está diseñado para manejar la carga del archivo, asegurando que el documento encuentre su lugar en el corpus para una recuperación posterior.

Detección Automatizada de Tipo MIME

En el fragmento anterior, mapeamos manualmente las extensiones de archivo a sus respectivos tipos MIME. Esto es crucial para que la plataforma de Vectara entienda la naturaleza del archivo y lo procese en consecuencia. Sin embargo, vale la pena señalar que la biblioteca mimetypes también podría usarse para determinar dinámicamente el tipo MIME del archivo que se está subiendo.

4. La Clase de Búsqueda: Una Búsqueda de Respuestas

La clase Searching es nuestra herramienta diseñada para consultar el corpus de Vectara. Encapsula la lógica necesaria para formular y enviar consultas y para procesar las respuestas recibidas.

Enviando Consultas a Vectara

En send_query, ensamblamos nuestra consulta, la empaquetamos en el formato requerido y la enviamos a la API de consulta de Vectara. El método es una sinfonía de parámetros que se unen para formar una consulta, asegurando que la plataforma de Vectara reciba nuestra búsqueda de información en un formato que entiende.

Conclusión de la Exploración de Vectara.py

Vectara.py es más que solo un script; es un puente bien organizado, modular y robusto hacia las capacidades de Vectara. Cada línea de código es un testimonio del diseño cuidadoso que atiende las funcionalidades esenciales requeridas para nuestra aplicación de Soporte al Cliente. A través de Vectara.py, hemos asegurado que nuestra aplicación pueda comunicarse eficazmente con Vectara, aprovechando al máximo lo que la plataforma tiene para ofrecer. Las clases y métodos dentro no son solo código; son la esencia de la capacidad de nuestra aplicación para interactuar con el tesoro de información albergado en el corpus de Vectara.

Desmenuzando app.py

app.py se presenta como la fachada de nuestra aplicación, retratando una interfaz amigable para indexar y buscar documentos dentro de la plataforma de Vectara. Este script aprovecha Streamlit, un marco de aplicación rápido, interactivo y basado en navegador para tejer juntos una experiencia de usuario fluida. Aquí hay un recorrido detallado de los segmentos significativos dentro de app.py.

1. Sección de Importación e Inicialización

En este segmento:

Se importan bibliotecas esenciales: os para interactuar con el sistema operativo, Streamlit para crear la interfaz, dotenv para gestionar variables de entorno, y las clases de Indexación y Búsqueda de helpers.py para manejar la funcionalidad de indexación y búsqueda de documentos.
se invoca load_dotenv() para cargar las variables de entorno desde un archivo .env, lo cual es una práctica más segura para manejar configuraciones.
Se crean instancias de las clases de Indexación y Búsqueda, denominadas indexer y searcher respectivamente, formando el punto de apoyo entre la interfaz de usuario y la lógica de backend encapsulada en helpers.py.

2. Configuración de la Página de Streamlit

En esta etapa:

se invoca el método st.set_page_config para establecer el título de la página, el diseño y el estado inicial de la barra lateral, sentando las bases para una interfaz bien estructurada y acogedora.
el método st.title se utiliza para mostrar el título de la aplicación en la parte superior de la página.

3. Sección de Barra Lateral

En este apartado:

se crea una barra lateral utilizando with st.sidebar, proporcionando un espacio ordenado para contenido o acciones auxiliares.

4. Sección de Indexación de Documentos

En este tramo:

se crea un expander titulado "Indexar un Documento" utilizando st.expander, que al ser clicado, revela la sección de indexación de documentos.
se emplea el método st.columns para crear un diseño de dos columnas.
se aprovechan los métodos st.file_uploader y st.text_input para crear widgets de carga de archivos y entrada de texto respectivamente.
se utiliza el método st.button para crear un widget de botón que, al ser presionado, activa el proceso de indexación al invocar el método upload_file de la instancia indexer.
el método st.spinner muestra una animación de cargando durante el proceso de indexación para indicar actividad.
se muestran mensajes de éxito o fracaso utilizando st.success y st.error respectivamente según el resultado del proceso de indexación.

5. Sección de Búsqueda de Corpus

En este segmento:

se crea otro expander titulado "Buscar en el Corpus" que revela la sección de búsqueda de corpus al ser clicado.
se crean varios widgets de entrada para que los usuarios ingresen su consulta de búsqueda y preferencias.
se crea un botón de "Buscar" utilizando st.button, que activa el proceso de búsqueda al invocar el método send_query de la instancia searcher.
se agrega un divisor de markdown y un encabezado para separar y titular la sección de salida.
los resultados de la consulta de búsqueda se iteran y se muestran utilizando st.markdown, o se muestra un mensaje de error si no se encuentran resultados utilizando st.error.

app.py orquesta de manera eficiente la interacción del usuario con la plataforma de Vectara. Está estructurada para proporcionar una experiencia fluida e intuitiva para que los usuarios indexen y busquen documentos. A través de una combinación de los widgets interactivos de Streamlit y un código bien organizado, app.py forma una interfaz robusta y amigable para el Sistema Aumentado por Recuperación de Vectara.

Demostración del Resultado Final: Una Vista Previa del Futuro del Soporte al Cliente

A medida que nos acercamos al final de nuestra jornada de desarrollo, es momento de mostrar lo que hemos construido. Nuestro Sistema Aumentado por Recuperación de Vectara, construido sobre la plataforma Vectara y desarrollado a través de Streamlit, ejemplifica la sinergia entre la búsqueda semántica y las interfaces de usuario interactivas.

1. Un Vistazo a la Interfaz:

Nuestra aplicación ofrece una interfaz limpia e intuitiva a los usuarios. La página de inicio es directa, con una barra lateral dedicada a los recursos del Hackathon y dos secciones expandibles para la indexación de documentos y la búsqueda de corpus.

2. Indexación de Documentos: Tu Puerta de Entrada al Conocimiento

Dentro de la interfaz, los usuarios tienen la capacidad de cargar documentos directamente al corpus de Vectara. Ya sea un archivo de texto, una hoja de cálculo o una presentación, nuestro sistema es capaz de manejarlo. Un campo de título adicional para documentos ayuda a los usuarios a dar un nombre descriptivo, facilitando una mejor organización y recuperación.

3. Búsqueda en el Corpus: Desatando el Poder de Vectara

El núcleo de nuestra aplicación es la función de búsqueda en el corpus. Los usuarios ingresan sus consultas, establecen el número deseado de resultados, y pueden incluso especificar el modelo de resumen y el idioma deseado. Al presionar el botón "Buscar", se activan los algoritmos avanzados de búsqueda y resumen de Vectara, que extraen la información más pertinente del corpus.

4. Interacción Sin Problemas:

Lo que distingue a nuestra aplicación es la interacción impecable entre la interfaz de usuario y el backend de Vectara. Gracias a un código bien organizado, dividido en clases de Indexación y Búsqueda, los usuarios experimentan interacciones fluidas y sin errores con las APIs de Vectara. Además, el uso de variables de entorno para datos sensibles garantiza una configuración lista para producción.

Esta demostración pinta un cuadro vívido de lo que nuestro Sistema Aumentado por Recuperación de Vectara es capaz de hacer. La sinergia entre las robustas capacidades de búsqueda de Vectara y la interfaz interactiva de Streamlit crea una poderosa herramienta que está lista para revolucionar las operaciones de soporte al cliente. A medida que damos un paso hacia el futuro, nuestra aplicación está lista para servir como una solución confiable, eficiente y amigable para la recuperación de información y el compromiso con el cliente.

Materiales de Aprendizaje Adicional sobre Vectara: Amplifica Tu Comprensión

Embarking on a journey through the realms of Vectara not only opens up a trove of learning opportunities but also invites hands-on experience with advanced search capabilities. This tutorial lays the groundwork for your exploration, and I strongly encourage you to delve further into Vectara's comprehensive documentation. A particularly useful resource is the interactive API playground found at Vectara's Documentation, which allows you to experiment with the API in real-time. It’s an invaluable tool for trying out features, testing your understanding, and witnessing the power of Vectara's Generative AI firsthand. So, as you build upon the foundation this guide has provided, use the playground to sharpen your skills and unlock the full potential of your search applications.

1. Documentación de Vectara:

Atrévete a explorar la documentación oficial de Vectara para obtener una comprensión completa de sus capacidades y características. La documentación proporciona una visión bien estructurada de cada aspecto de la plataforma de Vectara. Accede a la Documentación de Vectara

2. Guía del Hackathon de Vectara:

La Guía del Hackathon de Vectara, curada específicamente para este hackathon, es un cofre del tesoro de información. Te guiará a través de las complejidades de la plataforma de Vectara y proporcionará una hoja de ruta para aprovechar sus características de manera óptima para tus proyectos. Explora la Guía del Hackathon de Vectara

3. Asistencia de LabLab:

El equipo de LabLab está a tu disposición para ayudar a profundizar tu comprensión de Vectara. Interactúa con el equipo para recibir orientación personalizada, resolver consultas y explorar casos de uso avanzados de Vectara.

4. Foros y Discusiones Comunitarias:

Únete a foros de la comunidad y discusiones en torno a Vectara. Participar con otros desarrolladores y con el equipo de Vectara en estos foros puede proporcionar nuevas perspectivas y soluciones a los desafíos que puedas encontrar.

5. Proyectos Prácticos:

No hay nada que supere el aprendizaje que se obtiene al ensuciarse las manos. Trabaja en mini-proyectos, experimenta con diferentes características de Vectara y comparte tus experiencias con la comunidad.

6. Sigue a Vectara en las Redes Sociales:

Mantente actualizado con las últimas características, actualizaciones y proyectos comunitarios siguiendo a Vectara en plataformas de redes sociales.

Armado con estos recursos y el conocimiento adquirido a través de este tutorial, estás bien encaminado para dominar Vectara y crear soluciones impactantes. El camino hacia la experiencia es un viaje, no un destino. Así que, sigue explorando, aprendiendo e innovando mientras te adentras más en el mundo de Vectara. Tu próxima gran idea podría estar a solo una consulta de Vectara.

Conclusión: Emprendiendo un Viaje de Descubrimiento

A medida que finalizamos este tutorial, es momento de reflexionar sobre los hitos clave que hemos recorrido en nuestra búsqueda por profundizar en el ecosistema de Vectara y crear una solución de Soporte al Cliente. Nuestra travesía, aderezada con código y creatividad, nos ha llevado a un punto de vista donde el horizonte de posibilidades parece ilimitado.

Puntos Clave:

El Sólido Ecosistema de Vectara: Iniciamos nuestra exploración con una inmersión en el ecosistema de Vectara, descubriendo su potencial para redefinir la búsqueda y recuperación de información. A través de su pipeline de búsqueda componible y la combinación de búsqueda semántica y procesamiento de lenguaje natural, Vectara emergió como un aliado formidable en nuestra empresa.
Adaptando Soluciones de Soporte al Cliente: El tutorial profundizó en la conceptualización de una solución de Soporte al Cliente, subrayando el papel crucial que juega Vectara en facilitar un sistema de conocimiento central. La noción de ingerir, indexar y consultar datos para asistir al ecosistema de usuarios se presentó como una piedra angular de nuestro diseño de aplicación.
Configuración Sin Problemas y Excursión por el Código: Un meticuloso recorrido por la configuración y estructura del código nos dotó de los recursos necesarios para navegar sin problemas por la fase de desarrollo. La narrativa del código elucidó la importancia de un enfoque bien estructurado y modular, así como la facilidad de interacción entre la interfaz de usuario y el backend de Vectara.
Demostrando Capacidad: La demostración de nuestra aplicación final destacó la sinergia entre una interfaz intuitiva y las potentes capacidades de búsqueda de Vectara. Nuestra aplicación se erigió como un testimonio del potencial de la búsqueda semántica en revolucionar el soporte al cliente.
Recursos para la Mente Inquisitiva: Se destacó una variedad de recursos desde la documentación de Vectara hasta los foros comunitarios para alimentar las mentes inquisitivas deseosas de explorar más a fondo el reino de Vectara.
El Camino por Delante: Al concluir, esto es solo el comienzo de muchas más exploraciones en la plataforma de Vectara. El conocimiento adquirido establece una base sólida para desarrollar soluciones innovadoras, y los recursos mencionados allanan el camino para un aprendizaje y experimentación continuos.

Este tutorial fue un viaje de descubrimiento, y mientras te adentras con un alijo lleno de conocimientos, la aventura en el mundo de Vectara y las soluciones de Soporte al Cliente continúa. El camino es largo, lleno de desafíos, aprendizajes y triunfos, esperando tus pasos. Así que, sigue codificando, sigue explorando, y deja que la búsqueda de conocimiento siempre te empuje hacia adelante. Tu viaje para crear soluciones impactantes apenas ha comenzado, y ¡el cielo es el límite!

Demostración en Vivo y Exploración Adicional

Experimenta la aplicación de primera mano y profundiza más en su mecánica. Para un análisis más detallado del código y los mecanismos subyacentes, visita el proyecto en Hugging Face: Demostración de Vectara.

Tutorial de la App Vectara: Construyendo Soluciones de IA para Soporte al Cliente