Explicación de BM25: cómo la búsqueda por palabras clave clasifica los resultados, con código Python y búsqueda híbrida

  1. Inicio
  2. Blog
  3. Inteligencia artificial

Inteligencia artificial

Explicación de BM25: Cómo clasifica los resultados la búsqueda por palabras clave, con código Python y búsqueda híbrida

BM25 es la fórmula de clasificación detrás de la mayoría de los motores de búsqueda de palabras clave, incluidos Elasticsearch, OpenSearch y Lucene. Da una puntuación más alta a un documento cuando contiene palabras de consulta raras, las repite una cantidad razonable y no está rellena con relleno. Lo construimos en 25 líneas de Python y probamos dónde brilla, dónde falla y cómo la búsqueda híbrida lo soluciona.

10 min de lectura
Búsqueda de BM25 explicada con Python

Puntos clave

  • BM25 califica los documentos según palabras de consulta raras (IDF), la frecuencia con la que aparecen (con saturación) y la longitud del documento.
  • La saturación importa: en nuestra prueba, 5 repeticiones de una palabra obtuvieron una puntuación de 1,77 y 20 repeticiones solo 2,08, por lo que el relleno de palabras clave apenas ayuda.
  • BM25 encontró el código de error exacto “E1042” al instante pero no devolvió nada por “olvidé mi inicio de sesión”, porque ningún documento compartía esas palabras.
  • La búsqueda híbrida combina BM25 con la búsqueda vectorial mediante fusión de rangos recíprocos, obteniendo coincidencias y significado exactos.

La búsqueda de vectores llama la atención en la IA, sin embargo, casi todos los sistemas de recuperación de producción todavía ejecutan un clasificador de palabras clave junto a él, y ese clasificador casi siempre es BM25. Si crea preguntas y respuestas sobre documentos, RAG o búsqueda, comprender BM25 le indicará por qué algunas consultas funcionan perfectamente, por qué otras no devuelven nada y por qué combinarlo con incrustaciones es mejor que cualquiera de los dos por separado. Todo lo que aparece a continuación proviene de una pequeña implementación que ejecutamos en Python 3.13.6 en una colección del centro de ayuda de seis documentos.

¿Qué es BM25?

BM25, abreviatura de “Best Matching 25”, es una función de clasificación de la investigación de recuperación de información de Okapi de la década de 1990. Dada una consulta, le otorga a cada documento una puntuación de relevancia a partir de tres señales: qué tan rara es cada palabra de consulta en la colección, con qué frecuencia aparece en el documento y cuánto tiempo se compara el documento con el promedio. No necesita entrenamiento ni GPU, funciona en cualquier idioma con un tokenizador y es la clasificación predeterminada en Lucene, Elasticsearch, OpenSearch y Solr.

La fórmula BM25, pieza a pieza

score(D, Q) = Σ over query terms t of
    IDF(t) × f(t, D) × (k1 + 1) / ( f(t, D) + k1 × (1 − b + b × |D| / avgdl) )

IDF(t) = ln( (N − n(t) + 0.5) / (n(t) + 0.5) + 1 )
  • f(t, D): cuántas veces aparece el término t en el documento D.
  • |D| y avgdl: la longitud del documento y la longitud promedio de la colección.
  • N y n(t): el número de documentos y cuántos contienen t.
  • k1 (normalmente 1,2): qué tan rápido los términos repetidos dejan de sumar puntuación.
  • b (normalmente 0,75): con qué intensidad se penalizan los documentos largos.

La forma IDF que se muestra, con el “+ 1” dentro del logaritmo, es la que usa Lucene; nunca se vuelve negativo. Cada término de consulta contribuye por separado y se suman las puntuaciones.

FDI: palabras raras llevan la señal

De nuestros seis documentos, la “contraseña” apareció en tres, mientras que el código de error “e1042” apareció sólo en uno. BM25 les dio pesos de las FDI de 0,693 y 1,540. Una coincidencia en una palabra rara y específica es una fuerte evidencia de relevancia, mientras que una palabra común dice poco. Es por eso que un código de producto, un número de error o un nombre exactos son una consulta tan poderosa para la búsqueda de palabras clave.

Saturación de términos: el efecto k1

Con recuentos de palabras sin procesar, un documento que repite “contraseña” 20 veces superaría a todo. BM25 remata eso. Calculamos la parte de frecuencia de términos para un documento de longitud promedio con k1 = 1,2:

Veces que aparece la palabra BM25 factor término-frecuencia
1 1.000
2 1.375
5 1.774
10 1.964
20 2.075

La segunda mención suma mucho, la quinta un poco y la vigésima casi nada; el factor nunca puede exceder k1 + 1 = 2,2. Ese rendimiento decreciente es la razón principal por la que BM25 resiste el relleno de palabras clave mucho mejor que el simple conteo.

Normalización de la longitud: el efecto b

Un manual extenso menciona la mayoría de las palabras en alguna parte, lo que inflaría injustamente sus puntuaciones. El parámetro b escala la frecuencia de los términos según la longitud del documento en relación con el promedio (15,8 palabras en nuestra colección). Con b = 0,75, un documento largo necesita más menciones para obtener la misma puntuación que uno breve y centrado. Establecer b = 0 desactiva por completo la normalización de longitud.

BM25 en 25 líneas de Python

import math, re

tok = lambda s: re.findall(r"[a-z0-9]+", s.lower())
D = {k: tok(v) for k, v in docs.items()}
N = len(D)
avg = sum(len(v) for v in D.values()) / N

def idf(t):
    n = sum(1 for v in D.values() if t in v)
    return math.log((N - n + 0.5) / (n + 0.5) + 1)

def bm25(query, k1=1.2, b=0.75):
    scores = {}
    for k, v in D.items():
        s = 0
        for t in tok(query):
            f = v.count(t)
            if f:
                s += idf(t) * f * (k1 + 1) / (f + k1 * (1 - b + b * len(v) / avg))
        scores[k] = round(s, 3)
    return sorted(scores.items(), key=lambda x: -x[1])

Los motores reales calculan previamente un índice invertido, un mapa de cada palabra a los documentos que la contienen, por lo que nunca escanean todos los documentos. La lógica de puntuación es la misma. Nuestra colección tenía seis artículos de ayuda breves: restablecimiento de contraseña (d1), error E1042 (d2), reglas de contraseña (d3), envío (d4), bloqueo de cuenta (d5) y una página de spam que repite “contraseña” seis veces (d6).

Lo que mostró la prueba

Consulta BM25 mejores resultados Resultado principal del recuento de palabras sin procesar
restablecer contraseña d1 (3,009), d6 (1,259), d3 (0,690) d6, la página de spam (6 coincidencias)
E1042 d2 (1.617), nada más d2
bloqueado de mi cuenta d5 (3.570), d2 (1.617) d5
olvidé mi inicio de sesión Todas las puntuaciones 0 Todo 0

Para “restablecer contraseña”, el conteo sin procesar clasificó la página de spam en primer lugar porque repite la palabra, mientras que BM25 colocó el artículo de restablecimiento genuinamente útil en primer lugar con más del doble de puntuación: dos palabras coincidentes diferentes más repetición de ritmo de saturación. Para el código exacto “E1042”, el BM25 era perfecto. Los fracasos interesantes son los siguientes.

Consejo: observe las fallas de BM25 en sus propios registros. Las consultas que obtienen una puntuación de cero en todas partes son exactamente aquellas en las que vale la pena agregar una búsqueda semántica.

Sintonización de k1 y b

Para la consulta de una sola palabra “contraseña”, probamos cuatro configuraciones de parámetros:

k1 segundo Los 3 mejores puntajes
1.2 0.75 d6 1,259, d1 0,934, d3 0,690
1.2 0.0 d6 1,271, d1 0,953, d3 0,693
0.5 0.75 d6 0,956, d1 0,823, d3 0,691
2.0 0.75 d6 1,538, d1 1,012, d3 0,690

Un k1 más bajo redujo el liderazgo de la página de spam de 0,325 a 0,133, porque las repeticiones importaban menos; un k1 más alto lo ensanchó. La clasificación se mantuvo igual aquí porque una palabra es una consulta débil y las ganancias reales del ajuste suelen ser pequeñas. Los valores predeterminados k1 = 1,2 y b = 0,75 son un comienzo sensato; sintonice solo un conjunto de consultas reales con respuestas conocidas y corrija primero la tokenización, ya que dividir, derivar y detener palabras generalmente importan más.

Donde falla el BM25

  • Palabras diferentes, mismo significado. “Olvidé mi inicio de sesión” obtuvo cero en todas partes, aunque el artículo sobre restablecimiento de contraseña responde a esa pregunta. BM25 coincide con palabras, no con significado.
  • Formas de palabras. Nuestro tokenizador trató “contraseña” y “contraseñas” como palabras diferentes. Los motores reales agregan derivaciones o lematizaciones para solucionar este problema.
  • Errores de ortografía. “contraseña” no coincide con nada sin una coincidencia aproximada.
  • La repetición todavía ayuda un poco. La página de spam ocupó el primer lugar en la consulta simple “contraseña”, aunque la saturación mantuvo la brecha pequeña.

BM25 vs búsqueda vectorial

Aspecto BM25 Búsqueda de vectores
Partidos palabras exactas Significado, paráfrasis
Fuerte en Identificaciones, códigos, nombres, términos raros Preguntas naturales, sinónimos
Débil en Sinónimos, reformulación Códigos exactos, jerga rara
Necesidades Un índice, ningún modelo Un modelo de incrustación y una tienda de vectores.
explicable Sí, puntuaciones por trimestre mas dificil

La búsqueda vectorial convierte el texto en incrustaciones y lo clasifica según similitud de coseno, por lo que conectaría “olvidé mi inicio de sesión” con un artículo sobre restablecimiento de contraseña. Los dos métodos fallan en lugares opuestos, lo cual es el argumento para utilizar ambos.

Búsqueda híbrida con fusión de rangos recíprocos

Las puntuaciones de BM25 y las similitudes de cosenos están en diferentes escalas, por lo que no es posible simplemente sumarlas. La fusión de rangos recíprocos (RRF) ignora las puntuaciones brutas y combina posiciones: cada documento obtiene 1 / (k + rango) de cada lista, normalmente con k = 60, y se suman los totales.

def rrf(*lists, k=60):
    scores = {}
    for ranking in lists:
        for rank, doc in enumerate(ranking, 1):
            scores[doc] = scores.get(doc, 0) + 1 / (k + rank)
    return sorted(scores.items(), key=lambda x: -x[1])

Para la consulta “olvidé mi contraseña de inicio de sesión”, BM25 ocupó el puesto d6, d1, d3. Lo emparejamos con una clasificación semántica ilustrativa de d1, d5, d3, el orden que daría plausiblemente un modelo basado en el significado; Estaba hecho a mano, no a partir de un modelo real. Luego, RRF clasificó a d1 en primer lugar (0,0325), seguido de d3, d6 y d5. El útil artículo sobre reinicio llegó a la cima porque ambas listas lo clasificaron bien, mientras que la página de spam que solo le gustaba a BM25 cayó. En sistemas reales, se ejecutan ambas búsquedas en paralelo y se fusionan sus 50 o 100 resultados principales.

BM25 en la práctica

  • Motores de búsqueda: Elasticsearch y OpenSearch utilizan BM25 de forma predeterminada para los campos de texto.
  • Bases de datos: SQLite FTS5 tiene una función de clasificación incorporada bm25(). La clasificación de texto completo incorporada de PostgreSQL utiliza una fórmula diferente y BM25 necesita una extensión (tampoco la ejecutamos aquí).
  • Python: bibliotecas como rank_bm25 lo implementan para prototipos.
  • Tuberías RAG: use BM25 junto con la recuperación de vectores en los mismos fragmentos; La forma de fragmentar es importante para ambos, como lo demostró nuestra prueba de estrategias de fragmentación RAG.

Para ver dónde encaja la recuperación en un sistema completo, lea nuestra guía de qué es RAG y nuestra guía de bases de datos vectoriales.

Conclusión

BM25 ha durado décadas porque es simple, rápido y notablemente bueno en lo que hace: recompensar coincidencias raras y específicas mientras resiste la repetición y el relleno. Nuestra prueba mostró claramente ambos lados. Encontró un código de error exacto y superó a una página de spam, pero no devolvió nada para una reformulación natural. Mantenga BM25 para mayor precisión, agregue búsqueda vectorial de significado, fusionelos con RRF y juzgue cada cambio en comparación con consultas de usuarios reales.

Preguntas frecuentes

¿Qué es BM25 en términos simples?

BM25 es una fórmula de clasificación de palabras clave. Da una puntuación más alta a los documentos cuando contienen palabras de consulta raras, las repiten un número razonable de veces y no están rellenas con texto no relacionado.

¿Qué significan k1 y b en BM25?

k1 controla la rapidez con la que las palabras repetidas dejan de sumar puntuación, normalmente 1,2. b controla la longitud de los documentos que se penalizan, normalmente 0,75, donde 0 desactiva la normalización de longitud.

¿Es BM25 mejor que la búsqueda vectorial?

Ninguno de los dos es mejor en todas partes. BM25 sobresale en palabras, códigos y nombres exactos, mientras que la búsqueda vectorial maneja significados y paráfrasis. La búsqueda híbrida que combina ambos suele tener mejores resultados.

¿Qué es la fusión de rangos recíprocos?

Una forma de fusionar listas clasificadas por posición en lugar de puntuación. Cada documento obtiene 1 dividido por k más su clasificación en cada lista, se suman los totales y el total más alto ocupa el primer lugar.

¿Elasticsearch utiliza BM25?

Sí. BM25 es la similitud predeterminada para campos de texto en Elasticsearch, OpenSearch y Apache Lucene.

sigue aprendiendo

Trabajar con Stack Quora

¿Necesitas ayuda con pruebas, WordPress o SEO?

Ayudamos a los equipos a enviar mejor software y hacer crecer sus sitios. Cuéntenos en qué está trabajando y le sugeriremos un siguiente paso claro.

Sigue leyendo

Más guías sobre testing, IA y desarrollo moderno

¿Te gustó este artículo? Elige un tema y salta directo a nuestros tutoriales más recientes.

Inteligencia artificial

Explicación de BM25: cómo la búsqueda por palabras clave clasifica los resultados, con código Python y búsqueda híbrida

BM25 explicó con una implementación pura de Python que ejecutamos: la fórmula, IDF, saturación de términos, los parámetros k1 y b, por qué supera el…

Leer artículo →
Desarrollo de software

Métodos HTTP explicados: GET, POST, PUT, PATCH, DELETE, probados en un servidor en vivo

Métodos HTTP explicados con un pequeño servidor que ejecutamos: GET, POST, PUT, PATCH, DELETE, HEAD y OPTIONS, seguro vs idempotente, PUT vs PATCH, …

Leer artículo →
DevOps

Explicación de Git Bisect: encuentre la confirmación que rompió su código, de forma manual o automática

Git bisect explicado con un repositorio probado: encuentre la única confirmación incorrecta entre 41 de cada 5 ejecuciones de prueba, automatice con…

Leer artículo →
Automatización de pruebas

Explicación de los marcadores de pytest: marcas personalizadas, filtros skip, skipif, xfail y -m

Los marcadores de pytest se explican con una suite probada: registre marcas personalizadas, ejecute solo pruebas de humo con -m, combine filtros con…

Leer artículo →
Pruebas de software

Pruebas positivas versus negativas: diferencias, 24 casos de prueba reales y una lista de verificación

Pruebas positivas versus negativas explicadas con un formulario de registro real: 6 casos de prueba positivos y 18 negativos ejecutados en pytest, e…

Leer artículo →
Bases de datos y SQL

ORDEN SQL POR Varias columnas: ASC, DESC, NULLS LAST, Caso y Orden personalizado

SQL ORDER BY con múltiples columnas explicadas con consultas probadas: ASC y DESC mixtos, desempates, NULLS FIRST y LAST, clasificación que no disti…

Leer artículo →
Bases de datos y SQL

Total acumulado de SQL: SUM OVER, totales por grupo, sumas móviles y trampa RANGE

Cómo calcular un total acumulado de SQL con SUM() OVER: totales por grupo, sumas acumuladas diarias, sumas móviles, porcentaje del total, la trampa …

Leer artículo →
Desarrollo de software

Matriz de clasificación de JavaScript: números, objetos, cadenas y por qué 10 viene antes que 5

Cómo ordenar correctamente una matriz en JavaScript: números con una función de comparación, objetos por uno o más campos, cadenas con localeCompare…

Leer artículo →
Inteligencia artificial

Explicación de las estrategias de fragmentación de RAG: fija, superpuesta, de oración, recursiva y de títulos, medida

Estrategias de fragmentación de RAG comparadas en un documento con tiktoken 0.14: tamaño fijo, superposición, empaquetado de oraciones, división rec…

Leer artículo →
Desarrollo de software

Explicación de la idempotencia de API: claves de idempotencia y reintentos seguros, probados

La idempotencia de API se explicó con un servidor y cliente Python que ejecutamos: una respuesta perdida provocó un cargo doble sin una clave y un c…

Leer artículo →
DevOps

Explicación de Git Stash: guardar, aplicar, extraer y archivos sin seguimiento, probado

Git stash se explica con comandos que ejecutamos en Git 2.56: enviar con un mensaje, archivos sin seguimiento, enumerar y mostrar, aplicar frente a …

Leer artículo →
Pruebas de software

Explicación de las pruebas por pares: cómo todos los pares reducen 216 pruebas a 13, probadas

Pruebas por pares explicadas con un generador que ejecutamos en Python 3.13: una comprobación con 216 combinaciones cubiertas por 13 pruebas, cobert…

Leer artículo →
Automatización de pruebas

Explicación de los dobles de prueba: ficticio, stub, espía, simulado y falso, con código Python probado

Los dobles de prueba se explican con un ejemplo de Python ejecutado en pytest 9.2: ficticio, stub, spy, simulado y falso, cuándo usar cada uno, veri…

Leer artículo →
Bases de datos y SQL

SQL COALESCE explicado: valores predeterminados, NULLIF, IFNULL vs ISNULL y trampas, probados

SQL COALESCE se explica con consultas que ejecutamos en SQLite 3.50: primeros valores no nulos, cadenas vacías, NULL en matemáticas, NULLIF para div…

Leer artículo →
Bases de datos y SQL

Explicación de la autounión de SQL: empleado-gerente, comparaciones de pares y filas, probado

La autounión de SQL se explica con consultas que ejecutamos en SQLite 3.50: empleado y gerente, ganando más que el gerente, pares únicos, cambios di…

Leer artículo →
Desarrollo de software

Explicación del operador de extensión de JavaScript: extensión frente a reposo, copias y errores, probado

El operador de extensión de JavaScript explicado con el código que ejecutamos en el Nodo 24: matrices, objetos, copias superficiales, parámetros de …

Leer artículo →
Desarrollo de software

Explicación del módulo de colecciones de Python: contador, defaultdict, deque y más, probado

Colecciones de Python explicadas con el código que ejecutamos en Python 3.13: Counter, defaultdict, deque, namedtuple, OrderedDict y ChainMap, ademá…

Leer artículo →
Inteligencia artificial

Explicación de la ventana de contexto de LLM: tokens, límites y cómo ajustar más, medidos

La ventana de contexto de LLM se explica con recuentos de tokens que medimos usando tiktoken: palabras frente a tokens para prosa, código e hindi, p…

Leer artículo →
Desarrollo de software

Explicación de los webhooks: cómo funcionan y cómo recibirlos de forma segura

Webhooks explicados con un receptor y un remitente que ejecutamos en Python: push vs polling, firmas HMAC-SHA256, rechazo de solicitudes manipuladas…

Leer artículo →
DevOps

Explicación de Git Cherry-Pick: copie la confirmación que necesita, de forma segura y probada

Git cherry-pick explicado con comandos que ejecutamos en Git 2.56: copiar una revisión a una rama de lanzamiento, nuevos hashes e ID de parche, -x, …

Leer artículo →
Automatización de pruebas

Explicación de las pruebas instantáneas: cómo funciona, cuándo ayuda y cuándo duele

Las pruebas de instantáneas se explican con una demostración de pytest y jarabe que ejecutamos: crear instantáneas, leer la diferencia después de un…

Leer artículo →
Pruebas de software

Explicación de las pruebas de mutación: por qué la cobertura del 100% aún no detectó nuestro error

Las pruebas de mutación se explican con una pequeña herramienta de mutación que construimos y ejecutamos: 14 mutantes, un conjunto de pruebas con un…

Leer artículo →
Inteligencia artificial

Explicación de la inyección rápida: cómo se engaña a las aplicaciones de inteligencia artificial y cómo defenderlas

Inyección rápida explicada para los constructores: ataques directos e indirectos, por qué fallan los filtros de palabras clave (nuestra prueba bloqu…

Leer artículo →
DevOps

Registros DNS explicados: A, AAAA, CNAME, MX, TXT y TTL con búsquedas reales

Los registros DNS se explican con las búsquedas que realizamos: cómo funciona la resolución, A y AAAA, reglas CNAME, MX y MX nulo, TXT para SPF y ve…

Leer artículo →
DevOps

Explicación de las banderas de funciones: lanzamientos seguros, implementaciones graduales e higiene de las banderas

Indicadores de características explicados con una simulación de implementación que ejecutamos: tipos de indicadores, porcentajes de implementación c…

Leer artículo →
Automatización de pruebas

Generación de datos de prueba con Python Faker: datos realistas, repetibles y seguros

Pruebe la generación de datos con Python Faker, ejecute y mida: siembra de datos repetibles, configuraciones regionales, valores únicos, registros e…

Leer artículo →
Pruebas de software

Explicación de las pruebas de cambio a la izquierda: encuentre errores antes sin ralentizar al equipo

Se explicaron las pruebas de desplazamiento a la izquierda: qué significa, por qué los defectos tempranos son más baratos, prácticas desde revisione…

Leer artículo →
Bases de datos y SQL

Funciones de cadenas SQL explicadas: TRIM, SUBSTR, REPLACE, CONCAT y limpieza de datos

Funciones de cadena SQL explicadas con consultas que ejecutamos: concatenación y NULL, TRIM, UPPER e LOWER, SUBSTR e INSTR, REPLACE, relleno, longit…

Leer artículo →
Bases de datos y SQL

Explicación de los activadores de SQL: ANTES y DESPUÉS de los activadores, registros de auditoría y errores

Los disparadores de SQL se explican con los disparadores que ejecutamos: ANTES versus DESPUÉS, ANTIGUOS y NUEVOS, registros de auditoría, validación…

Leer artículo →
Desarrollo de software

Módulo Python JSON explicado: volcados, cargas, tipos personalizados y errores comunes

El módulo Python JSON explicado con el código que ejecutamos: volcados y cargas, archivos, conversiones de tipos, fechas y decimales, codificadores …

Leer artículo →
Desarrollo de software

Módulos ES frente a CommonJS: cómo funcionan las importaciones de JavaScript en Node.js, probado

Los módulos ES frente a CommonJS se explican con el código que ejecutamos en Node.js: sintaxis de importación y exportación, requisitos, enlaces en …

Leer artículo →
Desarrollo de software

Python Regex explicado: patrones, grupos, anticipaciones y obstáculos, probados

La expresión regular de Python se explica con los patrones que ejecutamos: búsqueda versus coincidencia, búsqueda, grupos y grupos con nombre, codic…

Leer artículo →
Inteligencia artificial

Explicación del resultado estructurado de LLM: obtención de JSON confiable a partir de modelos de IA

La salida estructurada de LLM se explica con la validación que ejecutamos en Pydantic: modo y esquemas JSON, decodificación restringida, las formas …

Leer artículo →
DevOps

Explicación de las claves SSH: cómo funcionan, ssh-keygen, Ed25519 y hábitos seguros

Claves SSH explicadas con las claves que generamos: claves públicas versus privadas, ssh-keygen, Ed25519 versus RSA, huellas digitales, frases de co…

Leer artículo →
DevOps

Explicación del almacenamiento en caché HTTP: control de caché, ETag y respuestas 304, con una prueba en vivo

El almacenamiento en caché HTTP se explica con un pequeño servidor que ejecutamos: directivas Cache-Control, edad máxima, sin caché versus sin almac…

Leer artículo →
Automatización de pruebas

Explicación de las pruebas de contrato API: detecte los cambios importantes antes de enviarlos

Las pruebas de contratos API se explican con una verificación de esquema que ejecutamos: qué es un contrato, contratos impulsados por el consumidor,…

Leer artículo →
Pruebas de software

Explicación de las pruebas basadas en riesgos: calificar los riesgos, crear una matriz y probar lo que importa

Pruebas basadas en riesgos explicadas paso a paso: identificación de riesgos, puntuación de probabilidad e impacto, creación de una matriz de riesgo…

Leer artículo →
Bases de datos y SQL

Explicación de las restricciones de SQL: NOT NULL, UNIQUE, CHECK y FOREIGN KEY, probado

Las restricciones de SQL se explican con las pruebas que ejecutamos: NOT NULL, UNIQUE, CHECK, DEFAULT, PRIMARY y FOREIGN KEY, las lagunas NULL, la c…

Leer artículo →
Bases de datos y SQL

Funciones de fecha SQL explicadas: agregar, comparar y agrupar fechas sin errores

Funciones de fecha SQL explicadas con consultas que ejecutamos: agregar intervalos, sorpresas de fin de mes, diferencias de fechas, trampa ENTRE, ag…

Leer artículo →
Desarrollo de software

Explicación de Python asyncio: asíncrono, espera, recopilación y grupo de tareas con tiempos reales

Python asyncio se explica con el código que cronometramos: corrutinas, espera, recopilación, grupo de tareas, manejo de errores, tiempos de espera, …

Leer artículo →
Desarrollo de software

Debounce vs Throttle en JavaScript: cómo funcionan, cuándo usar cada uno, probado

Antirrebote versus aceleración en JavaScript explicado con tiempos que medimos en Node.js: cómo funciona cada uno, implementaciones simples, llamada…

Leer artículo →
Desarrollo de software

Explicación de los administradores de contexto de Python: declaración with, contextlib y usos reales

Los administradores de contexto de Python explicaron con el código que ejecutamos: cómo funciona, __enter__ y __exit__, contextlib.contextmanager, s…

Leer artículo →
Inteligencia artificial

LLM Temperature y Top-p explicados: cómo los modelos de IA eligen su siguiente palabra

La temperatura de LLM y top-p se explican con una simulación que ejecutamos: cómo se remodelan las probabilidades, qué mantiene topp, configuracione…

Leer artículo →
DevOps

YAML explicado: sintaxis, el problema de Noruega y otras trampas que probamos

YAML explicó con una prueba de analizador: sintaxis básica, listas y mapas, el problema de Noruega, versiones que se convierten en flotantes, código…

Leer artículo →
DevOps

Cron Jobs explicados: sintaxis, cronogramas reales y los errores que los rompen

Los trabajos cron explicados con cronogramas que verificamos: los cinco campos, operadores, ejemplos reales, la trampa del día del mes O del día de …

Leer artículo →
Inteligencia artificial

Explicación de las alucinaciones de la IA: por qué los modelos de lenguaje inventan cosas y cómo reducirlas

Se explicaron las alucinaciones de la IA: qué son, por qué los modelos de lenguaje las producen, tipos comunes, cómo reducirlas con conexión a tierr…

Leer artículo →
DevOps

Explicación de las variables de entorno: archivos .env, secretos y configuración bien hechos

Variables de entorno explicadas con ejemplos de Python que ejecutamos: leerlas y configurarlas, por qué cada valor es una cadena, archivos .env, her…

Leer artículo →
Desarrollo de software

Explicación de la limitación de velocidad de API: algoritmos, encabezados y manejo de errores 429

La limitación de la tasa de API se explica con una simulación que ejecutamos: depósito de tokens, ventana fija, ventana deslizante, 429 respuestas, …

Leer artículo →
Automatización de pruebas

Burlarse en Python: unittest.mock, patch y los errores que hacen que las pruebas mientan

Burlarse en Python con unittest.mock, probado: Mock y return_value, side_effect, parches donde se usa un nombre, especificación y autospec, fechas d…

Leer artículo →
Pruebas de software

Explicación de la cobertura del código: cobertura de línea versus sucursal y lo que realmente significa 100%

Cobertura del código explicada con una ejecución real de cobertura.py: cobertura de línea, rama y condición, lectura de un informe, por qué una cobe…

Leer artículo →
Bases de datos y SQL

DELETE vs TRUNCATE vs DROP en SQL: diferencias, reversión y cuándo usar cada uno

DELETE vs TRUNCATE vs DROP explicado con SQL probado: qué elimina cada uno, reversión, activadores, restablecimiento de identidad, velocidad y en qu…

Leer artículo →
Bases de datos y SQL

Vistas SQL explicadas: cree, use y evite los errores, con ejemplos

Vistas SQL explicadas con consultas que ejecutamos: creación de una vista, resultados en vivo, ocultación de columnas, rendimiento, vistas actualiza…

Leer artículo →
Desarrollo de software

Interfaz TypeScript versus tipo: diferencias reales, probadas con el compilador

Interfaz TypeScript versus tipo, verificado con el compilador real: qué pueden hacer ambos, qué puede hacer solo uno, fusión de declaraciones, exten…

Leer artículo →
Desarrollo de software

Python *args y **kwargs explicados: funciones flexibles con ejemplos claros

Python *args y **kwargs explicados con el código que ejecutamos: empaquetado y desempaquetado, orden de parámetros, argumentos solo de palabras clav…

Leer artículo →
Desarrollo de software

Funciones Lambda de Python: sintaxis, usos reales y cuándo no utilizarlas

Funciones lambda de Python explicadas con el código que ejecutamos: sintaxis, clasificación con clave, mapa y filtro, cierres, trampa de enlace tard…

Leer artículo →
Inteligencia artificial

¿Qué son los agentes de IA? Cómo funcionan, con un bucle de agente simple que puedes ejecutar

¿Qué son los agentes de IA? Una guía sencilla sobre el bucle del agente, las herramientas, la memoria y las barreras de seguridad, con un pequeño bu…

Leer artículo →
DevOps

Monitoreo versus observabilidad: la verdadera diferencia, con registros, métricas y seguimientos

Explicación del monitoreo versus observabilidad: fallas conocidas y desconocidas, registros, métricas y seguimientos, un recorrido por incidentes de…

Leer artículo →
DevOps

Docker Volumes versus Bind Mounts: persistir los datos del contenedor de la manera correcta

Se explican los volúmenes de Docker frente a los montajes de enlace: por qué desaparecen los datos del contenedor, volúmenes con nombre, montajes de…

Leer artículo →
Automatización de pruebas

TDD vs BDD: diferencias clave, una función creada en ambos sentidos y cuándo usar cada una

TDD vs BDD explicado con una característica de descuento construida en ambos sentidos: refactor rojo-verde con el código que ejecutamos, escenarios …

Leer artículo →
Pruebas de software

Pruebas de Aceptación de Usuario (UAT): Proceso, Lista de Verificación y Ejemplos Reales

Explicación de las pruebas de aceptación del usuario: quién las ejecuta, en qué se diferencia del control de calidad, un proceso de siete pasos, una…

Leer artículo →
Bases de datos y SQL

Valores NULL de SQL explicados: IS NULL, COALESCE, NULLIF y las trampas que se deben evitar

Los valores NULL de SQL se explican con las consultas que ejecutamos: lógica de tres valores, IS NULL, COALESCE, NULLIF, cómo los agregados, las uni…

Leer artículo →
Bases de datos y SQL

Declaración SQL CASE WHEN: sintaxis, ejemplos reales y errores comunes

CASO SQL CUANDO se explicó con las consultas que ejecutamos: formularios simples y buscados, orden de condiciones, pivotes con SUMA, trucos COUNT, c…

Leer artículo →
Desarrollo de software

¿Qué es JWT? Tokens web JSON explicados con un ejemplo práctico

¿Qué es JWT? JSON Web Tokens explicó: las tres partes, un token creado y manipulado en el código que ejecutamos, JWT vs sesiones, almacenamiento, to…

Leer artículo →
Desarrollo de software

Explicación del bucle de eventos de JavaScript: pila de llamadas, microtareas y temporizadores con ejemplos

El bucle de eventos de JavaScript explicado con el código que ejecutamos: pila de llamadas, colas de tareas y microtareas, por qué setTimeout 0 no e…

Leer artículo →
Desarrollo de software

Explicación de los generadores y el rendimiento de Python: ahorre memoria con ejemplos reales

Los generadores de Python y el rendimiento se explican con el código que ejecutamos: cómo se pausan y reanudan, midieron el ahorro de memoria, canal…

Leer artículo →
Inteligencia artificial

¿Qué son las incrustaciones? Los vectores y la similitud del coseno se explican de forma sencilla

¿Qué son las incrustaciones? Una guía en lenguaje sencillo sobre vectores, similitud de cosenos y búsqueda semántica, con un pequeño ejemplo que eje…

Leer artículo →
DevOps

Implementación azul-verde versus implementación canaria: diferencias, compensaciones y cómo elegir

Explicación de la implementación azul-verde versus canaria: cómo funciona cada uno, costo, riesgo y reversión, agrupación estable de usuarios que pr…

Leer artículo →
Automatización de pruebas

Pruebas inestables: qué las causa y cómo solucionarlas para siempre

Pruebas inestables explicadas con demostraciones que realizamos: las causas principales, cómo confirmar y diagnosticar una, correcciones adecuadas p…

Leer artículo →
Pruebas de software

Pruebas de carga frente a pruebas de estrés: diferencias, métricas y ejemplos de k6

Explicación de las pruebas de carga frente a las pruebas de estrés: qué prueba cada una, pruebas de picos y de absorción, las métricas que importan,…

Leer artículo →
Pruebas de software

Caso de prueba frente a escenario de prueba: diferencias clave, ejemplos y cuándo utilizar cada uno

Caso de prueba versus escenario de prueba explicado: definiciones claras, una tabla en paralelo, una función de restablecimiento de contraseña tomad…

Leer artículo →
Bases de datos y SQL

Optimización de consultas SQL: lea planes de ejecución y corrija consultas lentas, con tiempos

Optimización de consultas SQL probada en un millón de filas: lea planes de ejecución, agregue los índices correctos, corrija filtros no sargables, u…

Leer artículo →
Bases de datos y SQL

SQL UNION vs UNION ALL: diferencias, ejemplos y rendimiento probado

SQL UNION vs UNION ALL explicado con consultas que ejecutamos: duplicados, las reglas que siguen ambos, un error de datos real, rendimiento medido, …

Leer artículo →
Desarrollo de software

Tutorial de JavaScript Fetch API: GET, POST, manejo de errores y tiempos de espera

Un tutorial de JavaScript Fetch API probado en un servidor local: GET y POST, por qué 404 no arroja, un asistente reutilizable, cadenas de consulta,…

Leer artículo →
Desarrollo de software

Manejo de archivos Python: lectura, escritura, CSV, JSON y pathlib con ejemplos

El manejo de archivos Python se explica con el código que ejecutamos: modos abiertos, lectura de archivos grandes, CSV, JSON, pathlib, archivos bina…

Leer artículo →
Desarrollo de software

Clases y objetos de Python: tutorial de programación orientada a objetos con ejemplos reales

Clases y objetos de Python explicados con el código que ejecutamos: __init__, métodos, atributos de clase versus instancia, herencia, propiedades, m…

Leer artículo →
Inteligencia artificial

¿Qué es un modelo de lenguaje grande? Cómo funcionan los LLM, explicados sin exageraciones

¿Qué es un modelo de lenguaje grande? Los LLM explicados en lenguaje sencillo: tokens, incrustaciones, atención, entrenamiento, ventanas de temperat…

Leer artículo →
DevOps

Comandos de Linux para principiantes: la guía esencial de terminal con ejemplos

Comandos de Linux para principiantes, agrupados por tarea: navegación, archivos, visualización de registros, grep, canalizaciones, permisos, proceso…

Leer artículo →
Automatización de pruebas

Selenium vs Playwright: diferencias clave, comparación de códigos y cuál elegir

Comparación de Selenium vs Playwright: arquitectura, espera, soporte de navegador e idioma, depuración, la misma prueba en ambas herramientas, conse…

Leer artículo →
Pruebas de software

Partición de equivalencia: técnica de diseño de pruebas explicada con ejemplos resueltos

Explicación de la partición de equivalencia: cómo encontrar particiones válidas e inválidas, ejemplos prácticos para edades, contraseñas y cupones, …

Leer artículo →
Pruebas de software

Severidad vs Prioridad en Pruebas de Software: Diferencias, Matriz y Ejemplos Reales

Explicación de gravedad versus prioridad en las pruebas de software: definiciones claras, una matriz de cuatro vías con ejemplos, escalas de niveles…

Leer artículo →
Bases de datos y SQL

Tutorial de subconsultas SQL: tipos, subconsultas correlacionadas y EXISTENCIAS con ejemplos

Un tutorial de subconsultas SQL con consultas que ejecutamos: subconsultas escalares, IN, FROM y SELECT, subconsultas correlacionadas, EXISTS, la tr…

Leer artículo →
Bases de datos y SQL

Transacciones SQL y ACID explicados: COMMIT, ROLLBACK y niveles de aislamiento

Transacciones SQL y ACID explicadas con una transferencia bancaria que ejecutamos: COMMIT, ROLLBACK, puntos de guardado, bloqueos, niveles de aislam…

Leer artículo →
Desarrollo de software

Hoja de trucos de comandos de Git: los comandos que realmente usas, con ejemplos

Una hoja de referencia de comandos de Git agrupada por tarea: configuración, preparación, ramas, controles remotos, almacenamiento, historial y desh…

Leer artículo →
Desarrollo de software

Explicación de las promesas de JavaScript: luego, captura, Promise.all y errores comunes

Las promesas de JavaScript se explican con el código que ejecutamos: estados, luego y cadenas de captura, manejo de errores, Promise.all, allSettled…

Leer artículo →
Desarrollo de software

Tutorial del diccionario Python: métodos, ejemplos y patrones comunes

Un tutorial de diccionario de Python con el código que ejecutamos: crear, leer y actualizar dictados, métodos clave, fusión, comprensión, patrones d…

Leer artículo →
Inteligencia artificial

¿Qué es el RAG? Generación de recuperación aumentada explicada con un ejemplo práctico

¿Qué es RAG? Generación de recuperación aumentada explicada paso a paso: indexación, fragmentación, incrustaciones, recuperación, un pequeño ejemplo…

Leer artículo →
DevOps

Tutorial de Terraform para principiantes: infraestructura como código desde el primer archivo hasta los módulos

Un tutorial de Terraform para principiantes: comience sin una cuenta en la nube, aprenda init, planifique y aplique, luego variables, resultados, es…

Leer artículo →
DevOps

Docker vs Kubernetes: diferencias clave, cómo funcionan juntos y cuál necesita

Docker vs Kubernetes explicó: qué hace cada uno, la misma aplicación se ejecuta con ambos, se comparan Docker Compose y Swarm, los Dockershim cambia…

Leer artículo →
Automatización de pruebas

Tutorial de Pytest para principiantes: accesorios, parametrización y ejemplos reales

Un tutorial de pytest para principiantes con pruebas que ejecutamos en pytest 9.2: afirmaciones, accesorios, parametrización, conftest, marcadores, …

Leer artículo →
Pruebas de software

Ciclo de vida de pruebas de software (STLC): 6 fases, criterios de entrada y salida, ejemplo

Se explicó el ciclo de vida de las pruebas de software: seis fases de STLC con criterios de entrada y salida, entregables, un ejemplo de función de …

Leer artículo →
Desarrollo de software

Git merge vs rebase: diferencias, ejemplos y cuándo usar cada uno

Git merge vs rebase explicado con salida real del log, una tabla comparativa, la regla de oro del rebase y un flujo de trabajo seguro para equipos.

Leer artículo →
Desarrollo de software

List comprehension en Python: sintaxis, ejemplos y cuándo evitarla

List comprehension en Python explicada: sintaxis, filtros, if-else, bucles anidados, tiempos medidos y cuándo es mejor un bucle for normal.

Leer artículo →