Herramienta gratuita Sin cuenta Experimental
Vectorscope

El fragmentado semántico, a la vista: mira qué sobrevive el viaje al espacio vectorial.

Vectorscope es un visor gratuito de fragmentado semántico: corta una URL en los pasajes que guardaría un sistema de recuperación, los agrupa por significado y muestra cuánto de la página no llega nunca al índice.

p. ej.

Un límite gratuito por visitante, sin necesidad de cuenta.

Resultado
lo que la máquina lee de verdadcorte en h2, luego ventanas de 2000 caracteresmáx. 26 fragmentos / páginaagrupado por significadosin cuenta
  1. 1. Descargada
  2. 2. Extraído
  3. 3. Dividida
  4. 4. Vectores
  5. 5. Agrupado
pasajes leídos
huecos usados del límite de 26 pasajes
texto único en pasajes, caracteres
en pasajes con solapamiento e introducción, caracteres
caracteres más allá del límite
dentro del límitemás allá, sin leer

Pega una URL arriba. La página se corta en pasajes por sus titulares h2; los que caben en el límite se leen, y lo que el límite deja fuera, no.

¿Qué significa esto?

La lectura muestra qué pasajes de tu página puede recibir un sistema de recuperación y cómo se agrupan por significado: la pregunta del fragmentado semántico, hecha a pasajes ya cortados. Es una vista previa de lo que ve la máquina, no una garantía de lo que hará con ella un asistente.

¿Un pasaje importante fuera del límite?

Súbelo en la página, o divide la página para que ese pasaje tenga su propio presupuesto. Esta lectura toma como máximo 26 pasajes de una página.

Los modelos y los límites varían.

Esto no demuestra que ningún asistente haya indexado la página. Cada sistema corta a su manera —ventanas fijas, titulares o fragmentado semántico— e incrusta y limita a su manera; esta es la cadena que ejecuta el producto. Fuentes y metodología

Cómo leer tu resultado

Cuatro lecturas deciden si una página es legible para un sistema de recuperación. Esto es lo que significa cada una cuando va mal.

Fragmentos que nunca llegan al índice

Un sistema de recuperación lee un número fijo de fragmentos de una página e ignora el resto, así que todo lo que queda por debajo de ese corte es invisible por bueno que sea. Vectorscope aplica el mismo límite que el producto y nombra los fragmentos que se quedaron fuera.

Si tu respuesta, tu diferencia o tu FAQ están por debajo del corte, la solución no es más texto, y el fragmentado semántico tampoco lo arregla: un fragmento bien cortado más allá del límite sigue sin leerlo nadie. Sube ese fragmento, o divide la página para que tenga su propio presupuesto de fragmentos.

La proporción de extracción

La proporción de extracción es cuánto de la página se convirtió en texto legible; una baja significa que la mayor parte de lo que publicaste era navegación, plantilla o marcado que ningún modelo verá. Una página larga con una proporción baja es una página corta para la recuperación.

La extracción ocurre antes de cualquier corte, también antes del fragmentado semántico, así que el texto perdido aquí se pierde para cualquier estrategia. Causas habituales, por frecuencia: texto que solo dibuja JavaScript; un artículo envuelto en tanto armazón que el cuerpo es minoría del documento; e imágenes que llevan palabras que no existen en el HTML.

Grupos, y qué significa un grupo apretado

Los grupos son la parte semántica de esta lectura, lo más cerca que llega del fragmentado semántico: fragmentos que el embedding sitúa cerca por significado, bajo el titular que sea. Un grupo enorme suele significar que la página dice una cosa muchas veces, y eso se lee como pobre para un recuperador aunque se lea como exhaustivo para un editor.

Varios grupos pequeños de un fragmento cada uno es el problema contrario: una página que cambia de tema constantemente no le da al recuperador nada completo que citar.

El fragmento que una pregunta recupera de verdad

Preguntarle a la página devuelve los fragmentos que responden, ordenados, usando solo esa página — lo más cerca que se puede estar de ver a un modelo decidir para qué sirve tu página. Si el fragmento devuelto no es el que habrías elegido, la página no está organizada como crees.

También es la forma más rápida de probar un titular reescrito: cambia el titular, vuelve a pasar la página, haz la misma pregunta.

¿Qué es el fragmentado semántico?

El fragmentado semántico es dividir una página en pasajes allí donde cambia su significado, en lugar de cada N caracteres o en cada titular. Vectorscope no corta así: corta en cada h2 y después en ventanas de longitud fija, y su paso semántico llega tras el corte, cuando los pasajes se agrupan por significado.

01

Fragmentado de longitud fija

El fragmentado de longitud fija corta cada N caracteres y es el predeterminado en casi todos los pipelines porque es trivial de implementar. También corta en medio de una frase, separa un titular de la respuesta que lleva debajo y produce fragmentos que empiezan con media palabra.

Vectorscope lo usa solo dentro de una sección larga: una ventana de 2000 caracteres con 200 de solapamiento, que termina en un final de frase si hay uno lo bastante cerca.

02

Fragmentado que respeta los titulares

El fragmentado que respeta los titulares usa los titulares de la página como líneas de corte, así que un fragmento llega con el titular que lo nombra. Es el primer corte de Vectorscope, y solo lo hace un h2: un h3 se queda dentro del pasaje de su h2, así que una sección con seis preguntas en h3 es un solo pasaje, o varias ventanas de uno.

También significa que el texto de tus titulares trabaja para la recuperación. Una sección llamada «Resumen» no aporta nada al fragmento; una llamada «¿Puedo cancelar cuando quiera?» aporta la pregunta misma.

03

Fragmentado semántico, y en qué se diferencia de agrupar

El fragmentado semántico compara frases vecinas y corta donde se desplaza el significado: da pasajes que se sostienen solos, pero exige pasar embeddings por toda la página antes de que exista un solo fragmento. Vectorscope no hace ese paso. Su parte semántica es el agrupamiento: cada pasaje recibe su embedding una vez cortado, y los pasajes cercanos en significado se dibujan como un grupo.

Así, el mapa hace la pregunta del fragmentado semántico —¿dónde termina una idea?— a los pasajes que ya cortaron tus titulares. Un grupo que cruza tres secciones h2 dice que los titulares partieron una idea; una sección larga cuyas ventanas caen en dos grupos dice que bajo un titular hay dos.

¿Está mi contenido listo para la búsqueda con IA?

Esta página responde a eso para una URL a la vez, con honestidad — lo que significa nombrar lo que no puede ver con la misma claridad que lo que sí.

Lo que esta herramienta puede decirte

  • Cuánto de tu página se convierte en texto legible, como proporción y no como adjetivo.
  • Qué fragmentos exactos recibiría un recuperador, en orden, con los que quedan fuera del límite marcados.
  • Qué pasajes comparten tema cuando se agrupan por significado: la pregunta del fragmentado semántico, hecha a tu propia página.
  • Si tus fragmentos se sostienen solos o dependen del anterior para tener sentido.
  • Qué fragmento recupera una pregunta real de tu página, con los embeddings de la propia página.
  • Si la página pide no ser indexada: una directiva noindex se informa, no se ignora.

Lo que no puede decirte

  • Si un asistente concreto tiene tu página en su índice. Nadie fuera de esas empresas lo ve.
  • Cómo clasifica un modelo tu página frente a la de un competidor. Eso necesita un corpus de ambas, que es el producto y no la demo.
  • Si te citan hoy en una respuesta. Eso es una medición en el tiempo sobre prompts que tú eliges, no una propiedad de una página.

Usar Vectorscope para probar un pipeline RAG

Si construyes recuperación en lugar de contenido, esta página es una implementación de referencia que puedes apuntar a cualquier URL en unos veinte segundos.

  1. 1Pasa una página que ya indexas y compara los límites de fragmento con los de tu fragmentador, sea de ventanas fijas, por titulares o de fragmentado semántico.
  2. 2Mira la proporción de extracción: si la tuya es menor en la misma URL, tu extractor está descartando cuerpo de texto, no armazón.
  3. 3Hazle a la página una pregunta cuya respuesta conoces y comprueba si el fragmento superior es el que la contiene.
  4. 4Pasa una página deliberadamente larguísima. Los fragmentos más allá del límite son los que tu propio top-k tampoco alcanzará.

El fragmentador (cortes en h2, después ventanas de 2000 caracteres con 200 de solapamiento), el modelo de embeddings y el límite aquí son los que el producto ejecuta en producción. Una demo con un pipeline simplificado halagaría al pipeline que existe para demostrar.

¿Para quién es Vectorscope?

Vectorscope es para cualquiera cuya página se lea por pasajes: quienes la escriben y quienes construyen la recuperación que la lee. Ambos reciben la misma lectura: el corte, el límite y la pregunta del fragmentado semántico sobre qué pasajes van juntos.

Equipos de contenido y SEO

Para comprobar que la respuesta que la página existe para dar cabe en un pasaje que un recuperador puede citar, dentro del límite y bajo un titular que la nombre.

Ingenieros que construyen RAG

Para tener una lectura de referencia de cualquier URL con la que contrastar tu propio fragmentador, ya corte por ventanas fijas, por titulares o con fragmentado semántico.

Editores que reorganizan una página

Para decidir dónde va un titular: los grupos muestran qué secciones comparten tema y qué sección son en realidad dos.

Cuando los pasajes están en su sitio, toca mirar las palabras de dentro: PatternScope lee un borrador y señala las frases hechas y las estructuras repetidas que un lector nota.

Palabras usadas en esta página

Los términos en los que se apoya esta página, cada uno definido una vez, porque una página que los usa sin definirlos es una página que un asistente no puede explicarle a nadie.

Fragmentado semántico
Cortar un texto en pasajes allí donde cambia su significado, y no por longitud fija ni en cada titular. En esta página el paso basado en el significado es el agrupamiento de pasajes ya cortados, no el corte en sí.
Fragmento (chunk)
Un pasaje de una página, cortado para poder leerse por sí solo. Los sistemas de recuperación guardan y devuelven fragmentos, nunca páginas completas, y por eso la estructura importa más que la longitud.
Embedding
Una lista de números que representa el significado de un pasaje, de modo que dos pasajes sobre lo mismo quedan cerca. Comparar embeddings es cómo un recuperador encuentra un pasaje sin coincidencia de palabras.
Similitud coseno
Una medida de cuánto apuntan dos embeddings en la misma dirección, de 1 para idénticos a 0 para no relacionados. Es el número detrás de toda afirmación de que dos pasajes tratan de lo mismo.
Generación aumentada por recuperación (RAG)
Responder recuperando primero pasajes de una fuente y escribiendo después a partir de ellos, en vez de solo desde la memoria del modelo. Toda respuesta de IA que cita una página hizo esto, y la página que citó era un fragmento.
Extracción
Convertir un documento HTML descargado en el texto legible que recibe un modelo, descartando navegación, scripts y plantilla. Lo que la extracción descarta, ningún modelo lo ve.

Seguir leyendo

Respuestas más largas a las preguntas que esta página solo puede resumir.

Qué es el fragmentado semántico y a qué renunciaLas tres estrategias, lado a lado, en la misma página.Cómo optimizar contenido para la búsqueda con IALo que de verdad cambia las posibilidades de que un pasaje se recupere.MetodologíaCada fórmula detrás de las lecturas de arriba, enunciada por completo.La skill Vectorscope para Claude CodeLa misma lectura, en local dentro de Claude Code, con fuentes.

Preguntas que la gente hace sobre esto

¿Cómo elige AI Mode las fuentes que cita?
Nadie fuera de Google puede afirmar el mecanismo, y esta página no va a fingirlo. Lo observable es que las páginas citadas suelen contener un pasaje que responde la consulta completa por sí solo, y que las páginas cuya respuesta se reparte entre varias secciones se citan menos de lo que su contenido merece. Vectorscope te muestra si tu página tiene tal pasaje.
¿Cómo consigo que me citen en AI Overviews?
Dale a la respuesta su propio pasaje, bajo un titular que nombre la pregunta, lo bastante arriba para sobrevivir al límite de recuperación. No es un truco: es la forma que la recuperación premia, y puedes comprobar si tu página la tiene pasándola por aquí.
¿Es una herramienta de visualización de embeddings?
Sí, para una página a la vez. Genera embeddings de cada pasaje de una URL y los agrupa por significado, así ves qué partes de la página están cerca y cuáles se sostienen solas. No dibuja un corpus de miles de documentos.
¿Qué diferencia hay entre fragmentado por titulares y semántico?
El fragmentado por titulares corta en los titulares de la página; el fragmentado semántico corta donde cambia el significado, haya titular o no. El primero es barato y sigue al autor; el segundo necesita los embeddings de las frases antes del primer corte.
¿Vectorscope usa fragmentado semántico?
No para cortar la página. Vectorscope corta en cada h2 —un h3 no abre un pasaje nuevo— y divide una sección larga en ventanas de 2000 caracteres con 200 de solapamiento. El paso semántico llega después: cada pasaje recibe su embedding y los pasajes cercanos en significado se agrupan, lo que muestra dónde el fragmentado semántico no estaría de acuerdo con tus titulares.
¿Guardáis la página que pruebo?
La lectura se conserva brevemente para poder compartirla con un enlace, y la página descargada no se retiene después de producirla. No hace falta cuenta, así que no hay nada a lo que vincularla.
¿Es gratis de verdad?
Sí, con un límite de frecuencia en lugar de un muro de pago. El límite existe porque cada lectura gasta una llamada de embeddings, y se reinicia en una ventana fija que la página te avisa antes de que la alcances.

Sobre este tema

¿Está mi página lista para la búsqueda con IA?

Término
ChunkingRAGllms.txtStructured Datarobots.txt
Leer
La IA lee tu página a trozos. Tres skills gratuitas muestran cuálesGoogle y la búsqueda en octubre de 2026: cambió más la página que el ranking
Comprobar
La skill Vectorscope para Claude Code

Cada día Rastreos con la lectura de Vectorscope junto a cada página, comprobada de nuevo tras cada corrección. Cómo funciona el producto

Otras herramientas SEO con IA gratis

Lo que esto no puede enseñarte

Una página aislada. Si esa página responde a lo que la gente pregunta de verdad a un asistente, cómo se sostiene frente a la página de un competidor sobre el mismo tema, y para qué temas no tienes página alguna: eso necesita el corpus del sitio entero, medido en el tiempo.

Pedir una invitación