BiVelio Research

Un quadern obert sobre els sistemes d'IA que dissenyem per operar empreses: recuperació, agents, grafs de coneixement i orquestració. Sense fum: el perquè, el com i les matemàtiques.

La nostra missió

El coneixement que no es comparteix, no compon.

Hem construït BiVelio operant empreses reals. Cada algorisme que dissenyem neix d'un problema concret, no d'un paper. Creiem que explicar-ho en obert és la manera més honesta d'avançar.

Aquesta secció és el nostre quadern de research: aquí publiquem les idees, els models i les decisions tècniques darrere del producte. Volem que qualsevol —client, enginyer o curiós— pugui entendre com raona el sistema que confia a automatitzar la seva operació.

En obert

Publiquem el raonament, no només el resultat. La transparència és un requisit, no un gest de màrqueting.

Amb rigor

Matemàtiques, codi i mesures reals. Si afirmem alguna cosa, mostrem com ho sabem.

Que compon

Cada article es recolza en l'anterior. El coneixement que s'acumula és el que crea avantatge a llarg termini.

Per compartir

Escrivim per ensenyar. Si una idea ajuda un altre equip a construir millor, ha complert la seva funció.

La biblioteca

Articles de research

Explora per tema. Cada peça és autocontinguda: context, intuïció, formalització i resultats.

DestacatAgents

El graf de coneixement com a context ambient dels agents

Un agent sense context és només un model. La recuperació vectorial clàssica tracta el coneixement com una bossa de fragments independents — i per això falla en les preguntes que més importen a una empresa. Repassem els problemes reals que viuen els desenvolupadors de RAG (amb dades), per què l'estructura de graf guanya on el vector es queda curt, com es posiciona el panorama (Pinecone, LangChain, LlamaIndex, Neo4j, Microsoft GraphRAG) i com pensem ser els millors en el context que de debò compta: l'operació d'una empresa.

BiVelio Research8 min de lectura
Llegir l'article