Sparanzza

🚨EL WEB SCRAPING HA MUERTO🚨 Han creado PixelRAG. Un sistema open source que pasa de parsear HTML. En vez de convertir una web en texto... hace una captura de pantalla. Y luego un modelo vision-language lee la respuesta directamente desde los píxeles. Brutal. Porque el scraping tradicional rompe muchísima información: → tablas → gráficos → layouts → columnas → botones → PDFs → páginas mal estructuradas Todo eso se pierde cuando conviertes una web en texto plano. PixelRAG hace algo mucho más simple: indexa la página tal y como la ve una persona. El equipo ha creado un índice visual de Wikipedia entero: +30 millones de screenshots. Y aun así supera al mejor RAG basado en texto por un 18,1% en QA. Tiene también un plugin para Claude Code. Básicamente le da ojos a Claude. Le pasas una URL, un paper de arXiv o tu web local… y Claude no scrapea el DOM. La mira. Cómo funciona: → renderiza webs, PDFs e imágenes en tiles → los embebe con Qwen3-VL-Embedding → construye un índice FAISS → busca visualmente sobre píxeles Todo open source bajo Apache-2.0. Link al repo en los comentarios 👇🏻