Problema
El buscador encuentra un documento que ya se eliminó de la carpeta de trabajo. O devuelve un fragmento que el usuario ha dejado de poder consultar. La aplicación corre en un equipo propio, pero el índice mantiene una representación que ya no corresponde al estado autorizado.
Hablar de búsqueda local como una propiedad suficiente de privacidad oculta el ciclo de vida de los datos. Originales, fragmentos, vectores y cachés pueden tener mecanismos de actualización distintos.
Tesis
Un índice es una copia operativa con obligaciones de coherencia. Su aceptación debe incluir altas, cambios, retiradas y permisos. SQLite documenta explícitamente que los índices FTS con contenido externo deben mantenerse consistentes con su tabla fuente. El principio se extiende, como criterio de diseño, a cualquier recuperación que derive representaciones de documentos.
La búsqueda semántica puede ayudar a encontrar ideas expresadas con otras palabras. No sustituye la comprobación de vigencia ni la autorización para mostrar el resultado.
Framework
Define qué versión está buscando el usuario
Cada resultado necesita una referencia al documento y a la versión de contenido que lo originó. Si el archivo cambia, debe quedar claro cuándo se actualiza su representación y qué ocurre mientras tanto. Evita presentar un fragmento antiguo como si se hubiera leído del archivo actual.
Incluye un estado de error de sincronización. Un índice que no pudo actualizarse debe poder declararlo. De lo contrario, el equipo interpreta silencio técnico como información vigente.
Prueba retiradas y cambios de acceso
Crea un documento de prueba, comprueba que aparece, modifícalo y retíralo. Repite con un usuario que pierde permiso. Observa tanto la lista de resultados como los fragmentos y respuestas sintetizadas: ocultar un enlace no basta si el texto sigue apareciendo en la respuesta.
Determina qué cachés y copias entran en el procedimiento. Si una capa necesita una acción adicional de limpieza, documenta quién la ejecuta y cómo se comprueba. La desaparición lógica del resultado no demuestra por sí sola borrado físico de todas las copias.
Conserva un modo de contraste sencillo
Compara la recuperación semántica con una búsqueda textual y con lectura directa en casos conocidos. Las diferencias ayudan a localizar si el fallo está en sincronización, selección o generación. Añadir otro modelo antes de identificar la capa defectuosa encarece la investigación.
Una prueba ejecutable de actualización y retirada
El ejemplo usa una base SQLite en memoria con FTS5 y contenido externo. Los triggers mantienen la representación de búsqueda al insertar, modificar y borrar. Las palabras y el identificador son datos sintéticos. Ejecútalo con Python y una biblioteca SQLite que incluya FTS5.
import sqlite3
db = sqlite3.connect(":memory:")db.executescript("""CREATE TABLE document(id INTEGER PRIMARY KEY, body TEXT);CREATE VIRTUAL TABLE search USING fts5( body, content='document', content_rowid='id');CREATE TRIGGER document_insert AFTER INSERT ON document BEGIN INSERT INTO search(rowid, body) VALUES(new.id, new.body);END;CREATE TRIGGER document_update AFTER UPDATE ON document BEGIN INSERT INTO search(search, rowid, body) VALUES('delete', old.id, old.body); INSERT INTO search(rowid, body) VALUES(new.id, new.body);END;CREATE TRIGGER document_delete AFTER DELETE ON document BEGIN INSERT INTO search(search, rowid, body) VALUES('delete', old.id, old.body);END;""")def matches(term): return db.execute( "SELECT rowid FROM search WHERE search MATCH ?", (term,) ).fetchall()
db.execute("INSERT INTO document VALUES (?, ?)", (1, "tarifa antigua"))assert matches("antigua") == [(1,)]db.execute("UPDATE document SET body=? WHERE id=?", ("tarifa vigente", 1))assert matches("antigua") == []assert matches("vigente") == [(1,)]db.execute("DELETE FROM document WHERE id=?", (1,))assert matches("vigente") == []db.close()print("Alta, actualización y retirada comprobadas")La documentación de SQLite explica la necesidad de mantener consistente el índice externo. Aquí los triggers se crean antes de insertar datos; incorporarlos a una tabla ya poblada requiere también reconciliar el contenido previo. No ejecutes una reconstrucción en producción sin valorar su coste y el procedimiento de recuperación.
Esta prueba demuestra coherencia de ese índice textual, no autorización ni borrado de copias. Un buscador con vectores, resúmenes o cachés necesita comprobar sus propias retiradas. Para permisos, añade usuarios de prueba y exige que la autorización se aplique antes de mostrar fragmentos o de entregarlos al modelo. Una respuesta sintetizada puede filtrar contenido aunque el enlace final esté oculto.
Conserva la prueba de actualización junto a la de borrado: una versión antigua puede seguir dirigiendo decisiones aunque el documento continúe existiendo.
Por qué importa ahora
Los agentes pueden consultar archivos durante una tarea y reutilizar fragmentos en memoria. Eso crea caminos adicionales por los que una versión antigua puede reaparecer. El diseño de recuperación necesita hacerse cargo de esos caminos desde el principio.
Anti-ejemplo
Caso hipotético: una empresa retira una tarifa, pero su índice conserva los fragmentos. El agente los recupera por similitud y prepara una propuesta con condiciones antiguas. El archivo original ya no existe; la representación derivada sigue operando como si fuera vigente.
Protocolo (3 pasos)
| Paso | Caso de prueba | Criterio |
|---|---|---|
| Sincronizar | Alta y modificación | Resultado ligado a la versión correcta |
| Retirar | Borrado y pérdida de permiso | Sin exposición en resultados ni síntesis |
| Contrastar | Búsqueda textual y lectura directa | Capa del fallo identificable |
Relacionado
- IA local en 2026: el debate ya no es privacidad, es perímetro, coste y latencia
- Enterprise AI Search: por qué la búsqueda interna se está convirtiendo en sistema operativo
Fuentes consultadas
- SQLite — FTS5, índices externos y consistencia
- Anthropic — Effective context engineering for AI agents
Próximo paso
Añade una prueba de retirada a la evaluación de tu buscador. El documento debe desaparecer del resultado y de las respuestas que el sistema genera a partir de él.