Search Candy
SearchCandy Labs · Programación · Negocios
Search Candy es una capa de recuperación alojada para agentes de IA, creada por SearchCandy Labs. Su Temporal Graph Memory devuelve pasajes exactos con el archivo y la versión, y no hace llamadas a un LLM.
Acerca de Search Candy
About
Qué es Search Candy
Search Candy es un servicio de recuperación de documentos con IA pensado para agentes. SearchCandy Labs lo vende como sustituto del paso de troceado en una tubería de recuperación convencional. Subes archivos de texto y Markdown, el sistema construye lo que la empresa llama Temporal Graph Memory (TGM), y tu agente consulta ese grafo.
El problema que ataca es la trazabilidad. En un almacén vectorial normal los documentos se parten en trozos de tamaño fijo, un trozo puede empezar a mitad de frase, y la respuesta casi nunca dice de qué archivo salió. Search Candy mantiene un grupo por archivo, corta los pasajes al final de cada frase y devuelve el texto original con el nombre del archivo y el número de versión en cada resultado. Si preguntas de dónde salió una respuesta, recibes una fuente y no una puntuación de similitud.
El alcance tiene límites. Esto es infraestructura para quien ya tiene un agente en marcha, no un producto de chat. Dentro del motor de recuperación no hay modelo generativo, así que Search Candy no redacta la respuesta por ti. Además, hoy solo lee texto y Markdown, y los demás formatos se convierten durante la puesta en marcha.
Cómo empezar
- Reserva una llamada de 30 minutos desde la web de SearchCandy Labs y lleva las preguntas que tu IA tiene que acertar.
- El equipo crea tu cuenta y te envía el enlace de acceso por correo.
- Añade tus archivos de texto o Markdown y guarda el recibo de cada uno.
- Conecta la librería de Python y apúntala a tu propio modelo de embeddings si prefieres seguir con el que ya usas.
- Lanza la consulta desde tu agente y lee el pasaje devuelto, el nombre del archivo y la versión.
Información del producto
Un vistazo rápido a los precios, las plataformas compatibles y el rendimiento de Search Candy.
Ideal para
Los usuarios, tareas y casos de uso en los que esta herramienta encaja mejor.
Usuarios
- Desarrolladores que construyen agentes de IA
- Equipos con una biblioteca grande de pólizas o contratos
- Responsables de soporte y documentación
Tareas
- Respaldar respuestas con citas
- Resolver preguntas de dos pasos
- Auditar lo que una IA vio el mes pasado
- Sustituir el ajuste del tamaño de trozo
Casos de uso
- Un primer prototipo de recuperación
- Revisión de contratos entre revisiones
- Pasar pruebas a un agente de soporte
Funciones clave
Grafo de documentos en lugar de trozos
Search Candy organiza cada archivo subido como un grupo propio y mantiene enteros los archivos cortos. Los documentos largos se dividen en pasajes que terminan donde termina la frase, y cada pasaje sigue atado a su archivo. Esa estructura es lo que hace posible la cita: el resultado sabe de qué documento viene porque nunca perdió el vínculo.
Recuperación en dos pasadas
Cuando un dato lleva a otro, el motor vuelve a buscar con el pasaje que acaba de encontrar. En HotpotQA, un conjunto público de 7.405 preguntas de dos pasos, Search Candy afirma que todos los pasajes que necesitaba aparecían en sus 20 primeros resultados el 98,4 % de las veces, frente al 94,8 % de una búsqueda simple sobre los mismos documentos. Son cifras del proveedor: pruébalas con tus propias preguntas.
Historial de versiones de documentos
El historial de versiones de documentos es la parte que casi nadie valora al principio. Cada revisión de un archivo se queda en el grafo, así que puedes preguntar por un día pasado y recibir los mismos pasajes que recibió tu agente, palabra por palabra. Para quien responde sobre pólizas, precios o contratos, eso convierte la pregunta sobre qué vio la IA en marzo en una consulta.
Pasajes literales con fuente
Los resultados llegan como el texto original, nunca reescrito, y cada uno va etiquetado con su archivo y su versión. Search Candy marca además las preguntas que no puede sostener con una señal not_covered, algo útil cuando una respuesta equivocada cuesta más que ninguna.
Sin LLM dentro del circuito de recuperación
El motor de recuperación no llama a ningún modelo de lenguaje, así que buscar en tus documentos no genera factura de tokens. Tu agente sigue redactando la respuesta con su propio modelo. En un asistente interno de mucho tráfico, ese reparto mantiene el coste de recuperación plano aunque suban las consultas.
Servicio alojado y embeddings propios
SearchCandy Labs ejecuta el servicio, de modo que no hay nada que desplegar. Puedes aportar un modelo de embeddings que ya tengas en lugar de adoptar el suyo, y una librería de Python se encarga de la conexión. La contrapartida es que el alojamiento, los permisos y la nube los decide el proveedor por ahora.
Ventajas y desventajas
Ventajas
- Cada resultado lleva nombre de archivo y versión, así que comprobar una cita lleva segundos.
- No hay tamaño de trozo, solapamiento ni divisor que ajustar antes de obtener resultados útiles.
- El historial de versiones responde sobre una fecha pasada, algo que casi ningún almacén vectorial hace.
- El motor no hace llamadas a un LLM, de modo que el volumen de documentos no se traduce en gasto de tokens.
- La página pública de benchmarks incluye las salvedades y los casos en los que el proveedor solo empata con la referencia.
Desventajas
- Hoy solo funcionan archivos de texto y Markdown, así que los PDF y los contratos escaneados exigen conversión durante la puesta en marcha.
- Todavía no hay informe SOC 2, ni controles de permisos, ni opción autoalojada, lo que lo descarta para compradores regulados.
- El acceso empieza con una llamada comercial y el precio es privado, así que no puedes evaluarlo un domingo por la noche.
- En su propia prueba BEIR empata con la configuración estándar de LangChain, así que la ganancia real está en la trazabilidad y las preguntas de dos pasos, no en el recall de los diez primeros.
Preguntas frecuentes
Es la estructura que Search Candy construye con tus archivos. Cada documento forma su propio grupo, con sus versiones apiladas detrás, y los pasajes viven dentro de ese grupo en lugar de una pila común de trozos. El objetivo es no romper nunca el vínculo entre un pasaje y su origen.
Contenido relacionado
Explora herramientas, habilidades y artículos relacionados con Search Candy.
Alternativas a Search Candy
Base Code
Base44 (Wix) · Programación · ProductividadBase Code es un entorno de desarrollo en la nube compartido de Base44. El equipo describe cambios sobre un repositorio de GitHub en el chat, los ve en una vista previa y los envía como pull requests.
Google EmbeddingGemma 2
Google DeepMind · Escritura · Imagen · ProgramaciónGoogle EmbeddingGemma 2 es un modelo abierto de 740 millones de parámetros que convierte texto, código, imágenes, audio y fotogramas de vídeo en vectores de un mismo espacio de 768 dimensiones, y funciona en móviles y portátiles.
GitGlow
GitGlow · Programación · ProductividadGitGlow es un cliente Git de escritorio que reúne tu código y los cambios de tus agentes de IA en una sola revisión, para que sepas qué va a salir de tu máquina antes de publicarlo.