Savia

Contexto

El conocimiento de un equipo de desarrollo suele vivir disperso en repositorios, especificaciones, ADRs, wikis, notas y tareas. Savia nace como un copiloto técnico para convertir ese contexto en respuestas útiles, sin perder de vista el origen de cada afirmación.

Es un producto propio que se conecta a los modelos de IA mediante la suscripción de OpenCode Go. La aplicación está disponible en savia.ecosistemadigital.dev.

Qué hace Savia

• Responde en español, con precisión y sin inventar.
• Se apoya en evidencia documental: cita fuentes con un identificador exacto y el proyecto al que pertenecen, en el formato [Fuente: <id> · <proyecto>].
• Trabaja sobre el alcance de los proyectos visibles para el usuario: recupera fragmentos de repositorios, especificaciones, ADRs y wikis, y también considera sus notas y tareas como contexto.
• Es honesto sobre sus límites: si la evidencia no alcanza, lo dice explícitamente y sugiere qué fuente consultar o indexar.

Arquitectura

La propuesta combina una capa de producto, una capa de recuperación y un proveedor de modelos:

• Interfaz: Next.js 16 con React 19 y TypeScript para la experiencia de consulta, administración de proyectos y gestión de fuentes.
• Datos: PostgreSQL con pgvector para almacenar y recuperar representaciones semánticas junto al modelo relacional.
• Persistencia tipada: Prisma 7 como capa de acceso y evolución del esquema.
• Recuperación: RAG híbrido con embeddings locales bge-m3 ejecutados en Ollama.
• Modelos de chat: AI SDK 7 conectado a OpenCode Go con deepseek-v4.1-flash, sin proxy intermedio.
• Identidad: better-auth con Google OAuth, allowlist y aislamiento por membresía.

Decisiones clave

1. Evidencia antes que fluidez: una respuesta sin fuente no es una respuesta confiable. Las citas son parte del producto, no un adorno.
2. Alcance explícito: cada consulta se limita a los proyectos y fuentes que el usuario puede ver.
3. Recuperación híbrida: combinar búsqueda semántica y señales léxicas mejora la calidad en documentación técnica.
4. Proveedor de modelos, control local del contexto: OpenCode Go aporta la capacidad de generación; la indexación y los embeddings viven en la infraestructura del producto.
5. Límites visibles: cuando la evidencia no alcanza, Savia lo declara y orienta el siguiente paso.

Estado y siguientes pasos

Savia está en fase beta. El foco actual es consolidar la calidad de recuperación, la experiencia de administración del conocimiento, las notas y tareas como contexto, y los mecanismos de evaluación. La arquitectura prioriza que el producto pueda crecer sin rehacer la base de datos ni depender de un único modelo.

Aprendizajes

• La calidad del RAG empieza en la ingestión y en la evidencia, no en el modelo.
• Un buen pipeline de evaluación vale más que cambiar de LLM cada semana.
• La privacidad, el costo y la trazabilidad son requisitos de producto, no detalles de operación.
• Un copiloto útil también sabe cuándo decir «no tengo evidencia suficiente».