Fuentes de sitio web
Rastrea tu sitio web para entrenar a tu agente. El reentrenamiento automático mantiene el contenido actualizado.
Las fuentes de sitio web te permiten entrenar a tu agente rastreando las páginas de tu sitio. Extraemos el contenido de texto automáticamente y podemos mantenerlo actualizado con el reentrenamiento automático diario.
Agregar una fuente de sitio web
- Ve a la pestaña Fuentes de tu agente
- Haz clic en Sitio web
- Escribe una URL (por ejemplo,
https://yoursite.com/faq) - Haz clic en Agregar enlace
- Espera a que termine el rastreo (por lo general, de 10 a 30 segundos)
El rastreador extrae el contenido de texto de la página y quita la navegación, los pies de página y otros elementos que no son contenido.
Qué se rastrea
- El contenido principal de la página y los encabezados
- El texto y los párrafos de los artículos
- Listas y contenido estructurado
Qué se excluye:
- Menús de navegación y pies de página
- Imágenes y videos (solo texto)
- Páginas protegidas por inicio de sesión
Agregar varias páginas
Agrega las URL de una en una. Para una cobertura completa, agrega:
- Páginas de preguntas frecuentes o ayuda
- Documentación del producto
- Página de precios
- Información de la empresa o página Acerca de
- Publicaciones clave del blog
Consejo: empieza con 5 a 10 de tus páginas más importantes, pruébalas en el Playground y luego agrega más según lo necesites.
Páginas renderizadas con JavaScript
Para sitios web con contenido renderizado con JavaScript (React, Vue, etc.), usamos la API de Jina Reader para una mejor extracción:
- Renderiza el JavaScript antes de la extracción
- Devuelve markdown limpio
- Maneja contenido dinámico en apps web modernas
Jina Reader se ejecuta primero de forma predeterminada; si no puede extraer el contenido, recurrimos a un rastreo HTML tradicional.
Reentrenamiento automático
Los planes Standard y Pro incluyen reentrenamiento automático diario para las fuentes de sitio web. Cuando está activado:
- Tus fuentes web se vuelven a rastrear cada 24 horas
- Los cambios de contenido se detectan automáticamente
- Tu agente se mantiene actualizado sin trabajo manual
Activa el reentrenamiento automático
- Ve a la pestaña Playground
- Busca el panel de fuentes de entrenamiento
- Activa Reentrenamiento automático de fuentes web
| Plan | Reentrenamiento automático |
|---|---|
| Free | No disponible |
| Hobby | No disponible |
| Standard | Diario |
| Pro | Diario |
Reentrenamiento manual
Para actualizaciones inmediatas o para reentrenar páginas específicas:
- Ve a Fuentes > Sitio web
- Busca la fuente que quieres actualizar
- Haz clic en el botón Reentrenar
- Espera a que termine el procesamiento
Límites de enlaces
| Plan | Enlaces de sitio web |
|---|---|
| Free | 10 |
| Hobby | Ilimitados |
| Standard | Ilimitados |
| Pro | Ilimitados |
Solución de problemas
"No se pudo rastrear la página"
- Verifica que la URL sea de acceso público
- Revisa si la página requiere inicio de sesión
- Prueba con otra página de tu sitio
"No se extrajo contenido"
- La página puede depender mucho de JavaScript (Jina Reader maneja la mayoría de las páginas con JS)
- Revisa si el contenido está detrás de pestañas o acordeones
- Confirma que la página tenga contenido de texto real
"El contenido parece desactualizado"
- Activa el reentrenamiento automático para las actualizaciones automáticas
- Reentrena la fuente manualmente
- Revisa la marca de tiempo "Último entrenamiento"
Próximos pasos
- Prueba en el Playground para verificar que el contenido rastreado funcione
- Agrega fuentes de documentos para archivos PDF o Word
- Crea pares de preguntas y respuestas para respuestas exactas