Resumen
Local LLMs running on-premise lack acceso to actual web datos. Este flujo de trabajo obtiene fresh resultados de busqueda diario via Scavio y almacena them as structured context files ese your local LLM puede reference durante inference, grounding respuestas in real-world datos.
Desencadenador
Diario cron at 6:00 AM antes de el first usuario consulta of el dia.
Programación
On agent consulta
Pasos del flujo de trabajo
Define Diario Search Topics
Maintain un lista of topics your local LLM necesita actual datos on. Estos podria be industria news, competidor actualiza, precios cambios, o tendencias del mercado.
Obtener Fresh Search Resultados
Consulta Scavio for cada topic y recopilar el top resultados con titles, fragmentos, y fuente URLs.
Format as LLM Context Files
Escribir el resultados de busqueda to structured text files ese puede be loaded en el local LLM's context window o RAG pipeline.
Inject Context en LLM System Prompt
Cargar el diario context files y prepend them to el LLM system prompt so todos respuestas son grounded in fresh datos.
Implementacion en Python
import requests, os
H = {'x-api-key': os.environ['SCAVIO_API_KEY'], 'Content-Type': 'application/json'}
data = requests.post('https://api.scavio.dev/api/v1/search', headers=H, json={'query': 'example', 'country_code': 'us'}).json()
print(len(data.get('organic_results', [])))Implementacion en JavaScript
const H = {'x-api-key': process.env.SCAVIO_API_KEY, 'Content-Type': 'application/json'};
fetch('https://api.scavio.dev/api/v1/search', {method: 'POST', headers: H, body: JSON.stringify({query: 'example', country_code: 'us'})}).then(r => r.json()).then(d => console.log(d.organic_results?.length));Plataformas utilizadas
Búsqueda web con grafo de conocimiento, PAA y resúmenes de IA