· RAG · PEMEX · Qdrant
El día que empecé un RAG para PEMEX
Cómo nació Xerebro, el asistente que lee los reportes diarios de las refinerías. La primera semana fue puro arreglar cosas que no sabía que podían fallar.
El 25 de junio de 2026 hice el primer commit de RAG_pemex, que hoy se llama
Xerebro. Ya llevaba un mes en PEMEX y el problema estaba clarísimo: las
refinerías generan reportes operativos todos los días (cargas, fallas de equipo, paros,
arranques) y encontrar algo ahí era abrir PDF por PDF.
La idea: que le puedas preguntar “¿qué pasó con la planta de Tula ayer?” y te conteste citando el reporte, la refinería, la fecha y el turno. Si no cita la fuente, no sirve.
La primera semana: aprender a la mala
Los primeros commits son una joya. Algunos de los que hice del 25 al 30 de junio:
- “Fix timezone mismatch on cloud servers”. El servidor estaba en UTC, así que cuando preguntabas por “hoy” en la noche te contestaba con lo de mañana. Tuve que forzar la hora de México.
- “Implement refinery-balanced round-robin selection”. Si preguntabas por varias refinerías, la búsqueda traía puros fragmentos de la que más texto tenía y las demás ni aparecían. Ahora reparto los resultados por refinería.
- “Balanced round-robin date-based selection”. Lo mismo pero con fechas: un día con mucho texto se “comía” a los demás.
Nada de eso sale en los tutoriales de RAG. Ahí te enseñan a meter documentos a una base vectorial y listo; lo difícil empieza cuando los datos son reales y la gente pregunta como habla.
Lo que fue creciendo
Al principio también tenía una versión aparte (Rag_pemex_local) que subí a Hugging Face Spaces
para probar. Con el tiempo todo se fue juntando en un solo proyecto:
- Enrutar por intención: si preguntas “¿qué es la hidrodesulfuración?” no hace falta buscar en la base vectorial, sale de una base de conocimiento técnica.
- Una cascada de LLMs (Gemini, Groq, OpenRouter). Si uno se queda sin cuota, pasa al siguiente sin que lo notes.
- Fechas en lenguaje natural (“ayer”, “el lunes”, “15 de agosto”) interpretadas sin preguntarle al modelo.
Hoy el repo pasa de 320 commits y sigue en producción, indexando un reporte nuevo cada día. Y sí, hasta le hice un loader donde cae una gota y aparece el águila de PEMEX. Prioridades.