Structure the tech specs directory (#836)

Tech spec some subdirectories for different languages

docs/tech-specs/es/architecture-principles.es.md

@@ -0,0 +1,113 @@
+---
+layout: default
+title: "Fundamentos de la Arquitectura del Gráfico de Conocimiento"
+parent: "Spanish (Beta)"
+---
+
+# Fundamentos de la Arquitectura del Gráfico de Conocimiento
+
+> **Beta Translation:** This document was translated via Machine Learning and as such may not be 100% accurate. All non-English languages are currently classified as Beta.
+
+## Fundamento 1: Modelo de Gráfico Sujeto-Predicado-Objeto (SPO)
+**Decisión**: Adoptar SPO/RDF como el modelo de representación de conocimiento central.
+
+**Justificación**:
+Proporciona la máxima flexibilidad e interoperabilidad con las tecnologías de gráficos existentes.
+Permite la traducción fluida a otros lenguajes de consulta de gráficos (por ejemplo, SPO → Cypher, pero no al revés).
+Crea una base que "desbloquea muchas" capacidades posteriores.
+Admite tanto relaciones de nodo a nodo (SPO) como relaciones de nodo a literal (RDF).
+
+**Implementación**:
+Estructura de datos central: `node → edge → {node | literal}`
+Mantener la compatibilidad con los estándares RDF al tiempo que se admiten operaciones SPO extendidas.
+
+## Fundamento 2: Integración Nativa del Gráfico de Conocimiento con LLM
+**Decisión**: Optimizar la estructura y las operaciones del gráfico de conocimiento para la interacción con LLM.
+
+**Justificación**:
+El caso de uso principal implica que los LLM interactúen con los gráficos de conocimiento.
+Las opciones de tecnología de gráficos deben priorizar la compatibilidad con LLM por encima de otras consideraciones.
+Permite flujos de trabajo de procesamiento del lenguaje natural que aprovechan el conocimiento estructurado.
+
+**Implementación**:
+Diseñar esquemas de gráficos que los LLM puedan comprender y razonar eficazmente.
+Optimizar para patrones de interacción comunes con LLM.
+
+## Fundamento 3: Navegación del Gráfico Basada en Incrustaciones
+**Decisión**: Implementar un mapeo directo de las consultas de lenguaje natural a los nodos del gráfico a través de incrustaciones.
+
+**Justificación**:
+Permite la ruta más sencilla posible desde la consulta de PNL hasta la navegación del gráfico.
+Evita pasos complejos de generación de consultas intermedias.
+Proporciona capacidades de búsqueda semántica eficientes dentro de la estructura del gráfico.
+
+**Implementación**:
+`NLP Query → Graph Embeddings → Graph Nodes`
+Mantener representaciones de incrustación para todas las entidades del gráfico.
+Admitir la coincidencia de similitud semántica directa para la resolución de consultas.
+
+## Fundamento 4: Resolución de Entidades Distribuidas con Identificadores Deterministas
+**Decisión**: Admitir la extracción de conocimiento en paralelo con la identificación determinista de entidades (regla del 80%).
+
+**Justificación**:
+**Ideal**: La extracción en un solo proceso con visibilidad completa del estado permite una resolución de entidades perfecta.
+**Realidad**: Los requisitos de escalabilidad exigen capacidades de procesamiento en paralelo.
+**Compromiso**: Diseñar para la identificación determinista de entidades en procesos distribuidos.
+
+**Implementación**:
+Desarrollar mecanismos para generar identificadores consistentes y únicos en diferentes extractores de conocimiento.
+La misma entidad mencionada en diferentes procesos debe resolverse en el mismo identificador.
+Reconocer que aproximadamente el 20% de los casos extremos pueden requerir modelos de procesamiento alternativos.
+Diseñar mecanismos de respaldo para escenarios complejos de resolución de entidades.
+
+## Fundamento 5: Arquitectura Orientada a Eventos con Publicación-Suscripción
+**Decisión**: Implementar un sistema de mensajería de publicación-suscripción para la coordinación del sistema.
+
+**Justificación**:
+Permite un acoplamiento débil entre los componentes de extracción, almacenamiento y consulta de conocimiento.
+Admite actualizaciones y notificaciones en tiempo real en todo el sistema.
+Facilita flujos de trabajo de procesamiento distribuidos y escalables.
+
+**Implementación**:
+Coordinación basada en mensajes entre los componentes del sistema.
+Flujos de eventos para actualizaciones de conocimiento, finalización de la extracción y resultados de consultas.
+
+## Fundamento 6: Comunicación de Agentes Reentrantes
+**Decisión**: Admitir operaciones de publicación-suscripción reentrantes para el procesamiento basado en agentes.
+
+**Justificación**:
+Permite flujos de trabajo sofisticados de agentes donde los agentes pueden activar y responder entre sí.
+Admite canalizaciones complejas de procesamiento de conocimiento con varios pasos.
+Permite patrones de procesamiento recursivos e iterativos.
+
+**Implementación**:
+El sistema de publicación-suscripción debe manejar las llamadas reentrantes de forma segura.
+Mecanismos de coordinación de agentes que previenen bucles infinitos.
+Soporte para la orquestación de flujos de trabajo de agentes.
+
+## Fundamento 7: Integración con Almacenes de Datos Columnares
+**Decisión**: Asegurar la compatibilidad de las consultas con los sistemas de almacenamiento columnar.
+
+**Justificación**:
+Permite consultas analíticas eficientes sobre grandes conjuntos de datos de conocimiento.
+Admite casos de uso de inteligencia empresarial e informes.
+Une la representación de conocimiento basada en gráficos con los flujos de trabajo analíticos tradicionales.
+
+**Implementación**:
+Capa de traducción de consultas: Consultas de gráfico → Consultas de columna.
+Estrategia de almacenamiento híbrida que admite tanto operaciones de gráfico como cargas de trabajo analíticas.
+Mantener el rendimiento de las consultas en ambos paradigmas.
+
+--
+
+## Resumen de los Principios de la Arquitectura
+
+1. **Flexibilidad Primero**: El modelo SPO/RDF proporciona la máxima adaptabilidad.
+2. **Optimización para LLM**: Todas las decisiones de diseño consideran los requisitos de interacción con LLM.
+3. **Eficiencia Semántica**: Mapeo directo de incrustaciones a nodos para un rendimiento de consulta óptimo.
+4. **Escalabilidad Pragmática**: Equilibrar la precisión perfecta con el procesamiento distribuido práctico.
+5. **Coordinación Orientada a Eventos**: La publicación-suscripción permite un acoplamiento débil y la escalabilidad.
+6. **Amigable para Agentes**: Admite flujos de trabajo complejos de procesamiento basados en agentes.
+7. **Compatibilidad Analítica**: Une los paradigmas de gráficos y columnas para consultas integrales.
+
+Estos fundamentos establecen una arquitectura de gráfico de conocimiento que equilibra la rigurosidad teórica con los requisitos prácticos de escalabilidad, optimizada para la integración con LLM y el procesamiento distribuido.