RegioWizard

El AW-Wiki, en aw-wiki.de, lleva años reuniendo lo que se sabe del distrito de Ahrweiler: asociaciones, edificios, viñedos, senderos, plenos municipales, empresas, acontecimientos, personas. Unos 39.000 artículos en el espacio principal, escritos y mantenidos por gente de la región.

Ahora bien, para encontrar algo allí hay que saber qué se busca. Un campo de búsqueda no responde a «¿qué asociaciones de Dernau se vieron afectadas por la riada?». Encuentra páginas que contienen la palabra Dernau. El resto lo hace la persona.

Ahí está justamente el hueco: el corpus existe, las preguntas existen y falta entre ambos un sistema que los conecte sin inventar nada. RegioWizard es nuestra respuesta: un prototipo que funciona, no un documento de concepto.

Todo el prototipo lee el mismo índice local. No hay una segunda fuente de datos que pueda desincronizarse.

1. Preguntar: respuestas con fuentes en frases completas, con filtros y registro de búsqueda.
2. Atlas: cada entrada geolocalizada en un mapa, capa de la riada opcional, vecindario en un radio de 3 km.
3. Análisis: estructura y profundidad temporal del corpus, más la mesa de redacción.
4. Redacción: el cotejo de un texto de prensa reciente con el wiki.
5. 14/15 de julio de 2021: la documentación de la noche de la riada, construida con contención deliberada.
6. Pipeline: el estado de la captura, el índice y los modelos, a la vista.
7. Vista de artículo: cada artículo como versión de lectura, con enlace al original del wiki.

Además, una paleta de comandos en Ctrl + K que maneja los 4.295 títulos: escriba y salte. Si no encuentra nada, la entrada se traslada como pregunta.

Es la regla de la que pende todo lo demás. El modelo de lenguaje redacta únicamente a partir de los pasajes que la búsqueda encontró antes, y marca cada aseveración con una nota al pie. La nota es pulsable y abre el pasaje del que procede: título, sección, redacción literal.

Lo más importante es el caso sin modelo. Si no hay ninguno configurado, el sistema no inventa nada ni informa de un error: muestra las frases del wiki que mejor encajan, literales y con fuente, y debajo los pasajes hallados en texto completo. Este modo extractivo es una vía de pleno derecho, no un estado de fallo.

Hay una razón práctica. Una redacción que reproduce un dato responde por él. Una herramienta que se limita a afirmar una fuente en lugar de mostrarla no sirve en esa situación.

«¿Quién de la región cumple años hoy?» suena a pregunta para una IA. Es una consulta de base de datos, y la búsqueda vectorial la responde sistemáticamente mal: encuentra textos que hablan de cumpleaños, no personas que cumplen años hoy.

Por eso el prototipo reconoce estas preguntas y las deriva a consultas fijas sobre los campos estructurados: fechas de nacimiento y defunción, años de fundación, coordenadas, categorías. Así se responden: efemérides de una fecha, defunciones registradas de un año, fundaciones, proximidad y, el caso que más interesa a las redacciones, las lagunas temáticas: artículos muy citados que, sin embargo, son escuetos o no existen.

El resultado es una tabla de nombre, fecha y fuente. No una prosa que adivina cifras.

Bajo cada respuesta consta cómo se obtuvo: cuántos candidatos aportó la búsqueda por palabras clave, cuántos la vectorial, cuántos sobrevivieron a la fusión, cuántos entraron realmente en la respuesta y cuánto tardó. En la ejecución mostrada: 72 léxicos, 72 fusionados, 12 utilizados, 120 milisegundos.

La búsqueda está construida para el alemán. Se normalizan las diéresis, se reducen las raíces y se descomponen las palabras compuestas: Weinbau encuentra también Weinbaubetrieb. Cada pasaje lleva una cabecera fija con título, sección, tipo, lugar y categorías, para seguir siendo comprensible una vez extraído de su artículo.

No lo mostramos por gusto técnico. Quien reutilice un dato debe poder ver si la base era estrecha o amplia.

Un wiki regional envejece exactamente donde ocurre el presente: en las páginas locales, en el semanario gratuito, en la nota de prensa de la asociación. La redacción ve esas noticias a diario de todos modos. Trasladarlas al wiki cuesta un tiempo del que nadie dispone.

La mesa de redacción toma un texto y lo compara con el corpus. Detecta personas, asociaciones, empresas y lugares; cada hallazgo se contrasta con los artículos existentes y recibe uno de tres estados: ya recogido, el artículo existe pero falta la información, sin artículo. En el ejemplo mostrado: 8 entidades, 5 sin artículo, 3 con posible ampliación.

Cada propuesta viene con un borrador en formato wiki listo para copiar. Lo decisivo es lo que el sistema no hace: no escribe nada en el wiki. La selección queda en la redacción; no es una limitación técnica, sino el reparto de tareas que consideramos correcto.

El corpus contiene numerosos artículos relacionados con la riada del 14 y 15 de julio de 2021. Una página dedicada era inevitable; la cuestión era qué aspecto podía tener.

La sometimos a restricciones firmes, y esas restricciones forman parte del producto, no son una cuestión de estilo: un aviso antes del contenido, ningún nombre de víctima, ninguna imagen, ninguna animación, ninguna cifra que se incremente, ningún mecanismo de interacción, una paleta apagada distinta del resto de la aplicación.

Los datos de esa página van con su fuente. Donde las fuentes difieren, la diferencia se nombra en lugar de limarse.

Con honestidad sobre el alcance: hay 4.295 de los aproximadamente 39.000 artículos capturados, elegidos por su relevancia para las preguntas habituales. De ellos salen 20.543 pasajes, 68.992 términos de índice y 1.040 entradas geolocalizadas. La captura respeta el límite de peticiones del wiki; para el fondo completo lo correcto sería una exportación de la base de datos, no 39.000 peticiones sueltas.

La aplicación funciona por completo en local: corpus, índice y vectores son archivos en la carpeta del proyecto. Sin base de datos, sin servicio externo, sin rastreo, sin cookies; la única petición externa del navegador son las teselas del mapa.

Todas las ilustraciones del prototipo son dibujos, generados con un modelo de imagen y señalados como tales. Ninguna representa un lugar, un edificio o una persona reales. Es deliberado: una aplicación cuya promesa entera es que los hechos llevan fuente no debe entregar una imagen que alguien pueda confundir con una fotografía.

Las imágenes situadas bajo esta sección proceden de la primera versión de 2025, el boceto original de chatbot con el que empezó la idea. Se mantienen porque muestran de dónde viene el proyecto.