rag-deployment-templates

name	rag-deployment-templates
description	Plantillas Bicep IaC para desplegar Azure OpenAI, AI Search y Application Insights. Reutilizables en cualquier proyecto RAG. Incluye main.bicep y orquestación deploy.sh.

RAG Reference: Retrieval-augmented Generation (RAG) in Azure AI Search - Microsoft Learn

Estado: Producción Versión: 1.0 Assets incluidos: main.bicep, deploy.sh, deployer.py, indexer_runner.py, document_indexer.py

Propósito

Plantillas Infrastructure-as-Code y orquestación de despliegue para stack Azure completo:

• Azure Cognitive Services (OpenAI) con múltiples deployments de modelos
• Azure AI Search (tier Standard para vector search)
• Application Insights + Log Analytics
• Indexación de documentos y runners de despliegue
• Todo configurado, vinculado y automatizado
• Compatible con cualquier suscripción Azure: deploy.sh auto-detecta modelos/SKU válidos por región y ejecuta what-if antes de desplegar

Uso

# Auto (recomendado): detecta modelo/SKU por región y valida with what-if
cd .github/skills/rag-deployment-templates
./deploy.sh <resource-group> <region>

# Ejemplo
./deploy.sh rag-rg northeurope

# Mínima (Basic Search, 30d logs, LRS)
cd infra/
az deployment group create \
  --resource-group rag-rg \
  --template-file main.bicep \
  --parameters searchTier=basic searchReplicaCount=1 searchPartitionCount=1 \
               storageRedundancy=Standard_LRS logRetentionDays=30

# Estándar (Standard Search, 2 replicas, 90d logs)
az deployment group create \
  --resource-group rag-rg \
  --template-file main.bicep \
  --parameters searchTier=standard searchReplicaCount=2 searchPartitionCount=1 \
               storageRedundancy=Standard_LRS logRetentionDays=90

# Máxima (Standard Search, 3 replicas, 2 partitions, ZRS, 1 year logs)
az deployment group create \
  --resource-group rag-rg \
  --template-file main.bicep \
  --parameters searchTier=standard searchReplicaCount=3 searchPartitionCount=2 \
               storageRedundancy=Standard_ZRS logRetentionDays=365

Overrides opcionales (si quieres forzar un modelo específico)

CHAT_MODEL_NAME=gpt-5.4-mini \
CHAT_MODEL_VERSION=2026-03-17 \
CHAT_SKU_NAME=GlobalStandard \
EMBED_MODEL_NAME=text-embedding-3-small \
EMBED_MODEL_VERSION=1 \
EMBED_SKU_NAME=GlobalStandard \
./deploy.sh rag-rg northeurope

Recursos Desplegados

• Azure OpenAI Service (tier S0, pago por token)

  • Deployments: gpt-4o (GlobalStandard, capacidad 10), text-embedding-3-small (Standard, capacidad 50)
  • Nota: gpt-4o-mini no se despliega (por debajo de barra de calidad para RAG)
  • Disponibilidad de modelos varía por región — verificar con cost_analyzer.check_model_availability()

• Azure AI Search (Basic o Standard, configurable)

  • Basic: $25/mes — suficiente para PoC/Mínima (soporta indexers incluyendo SharePoint)
  • Standard S1: $295/mes por réplica — para volumen de producción
  • Vector + búsqueda semántica habilitada
  • Índice: rag-documents

• Storage Account (LRS o ZRS, configurable)

  • Blob container: documents
  • Tier de acceso Hot

• Application Insights + Log Analytics

  • Tier PerGB2018, 5 GB/mes ingestión gratis
  • Retención: 30/90/365 días (configurable)

Estimación de Coste por Tier

Todos los precios son estimaciones en USD. Verificar en https://azure.microsoft.com/en-us/pricing/calculator/

Mínima (Basic Search, 1 réplica, LRS, 30d logs):

• OpenAI (pago por token): ~$5-10/mes
• Search Basic: $25/mes
• Storage LRS: ~$1/mes
• App Insights: $0 (bajo 5GB gratis)
• Total: ~$30-35/mes

Estándar (Standard Search, 2 réplicas, LRS, 90d logs):

• OpenAI: ~$50-100/mes
• Search Standard (2 réplicas): $590/mes
• Storage LRS: ~$2/mes
• App Insights: ~$5/mes
• Total: ~$650-700/mes

Máxima (Standard Search, 3 réplicas + 2 particiones, ZRS, 365d logs):

• OpenAI: ~$200-500/mes
• Search Standard (3R + 2P = 6 unidades): $1,770/mes
• Storage ZRS: ~$3/mes
• App Insights: ~$15/mes
• Total: ~$2,000-2,300/mes

Ver rag-cost-analyst/SKILL.md para desglose completo.

Limpieza

az group delete --name rag-rg --yes --no-wait