07 · Búsqueda de texto completo y sinónimos
Probar los índices divididos, fragmentos y etiquetas con procedencia.
Instrucciones paso a paso
- Abre localmente el proyecto mediante un servidor HTTP simple.
- Visita
/ia/busqueda/, escribe una consulta y usa filtros temáticos. - Prueba sinónimos como «fotografía» e «imagen» o «cifrar» y «encriptar».
- Activa «Solo páginas con HTML analizado» y compara la cobertura.
- Comprueba los enlaces originales de los resultados. Una clasificación temática automática no equivale a verificación editorial.
python -m http.server 8000Abre http://localhost:8000/ia/busqueda/. La búsqueda es léxica con expansión de sinónimos, no una IA generativa ni un sistema de embeddings.
Cómo confirmar que funciona
Revisa el resultado del procedimiento antes de avanzar. Si un comando falla, corrige el error y no publiques hasta validar la etapa correspondiente.
Implementación detallada · Búsqueda de texto completo y cobertura
Cómo se crea el índice
El generador lee HTML local válido, extrae texto visible, utiliza listas locales de sinónimos y crea 32 fragmentos de términos y 32 de texto. Si una URL solo tiene metadatos, no se presenta como artículo leído completo.
python AppInitDev_IA_MCP/INSTALAR_IA.py
python -c "import json; m=json.load(open('datos/busqueda/manifest.json',encoding='utf-8')); print(m['documentos'],m['documentos_con_html_local_completo'])"
Publicación
Publica el directorio completo datos/busqueda/ junto con ia/busqueda/. Si faltan particiones, el buscador o una herramienta MCP pueden fallar. La diferencia entre número de documentos y HTML completo es una medida de cobertura, no un fallo de Python.
El filtrado temático local es heurístico: sirve para ordenar información pero no equivale a una clasificación por modelo de IA o a revisión editorial.
Ver el código implementado, archivo por archivo
Estos enlaces muestran el código fuente completo de los componentes utilizados en el procedimiento; no son pseudocódigo.
Lista de comprobación de esta etapa
Siguiente: diagnóstico de publicación · publicación en el MCP Registry.