Recomendar contenido
Todo catálogo, blog o base de conocimiento termina necesitando una fila de 'también le puede interesar', y construir eso desde cero implica embeddings, índices vectoriales y un equipo que los mantenga. Este endpoint recibe un ítem de origen y su grupo de candidatos, y devuelve las coincidencias más cercanas, ya ordenadas, para que la lógica de recomendación deje de ser un proyecto y se convierta en una línea de código.
Ejecútela online
Ejecute esto en nuestros servidores con su cuenta. Las herramientas gratuitas corren en su navegador; esta cobra de su saldo del KIT según el precio de arriba.
Quién necesita esto en realidad
Los equipos que administran un catálogo de productos, un archivo de artículos o una biblioteca de soporte chocan siempre con el mismo muro: intuyen qué ítems están relacionados, pero no tienen una forma sistemática de mostrarlo a escala. Un editor puede elegir a mano los 'artículos relacionados' de cincuenta notas; nadie puede hacerlo para cincuenta mil. Esto está pensado para ese vacío, para equipos de tiendas en línea, medios, plataformas de cursos y herramientas internas que necesitan relación semántica sin contratar a alguien que la mantenga.
Qué ocurre cuando lo llama
Envía el ítem sobre el que quiere recomendaciones junto con el grupo contra el que debe compararse (o una referencia a un conjunto de datos que ya tiene indexado), y la tarea corre de forma asíncrona: devuelve un task_id de inmediato y entrega la lista ordenada de ítems relacionados mediante su webhook firmado, o mediante un enlace válido por 24 horas si prefiere consultarlo usted mismo. No hay una conexión abierta esperando mientras el cálculo de similitud ocurre en segundo plano.
La idea detrás de la relación semántica
Los sistemas de recomendación clásicos se apoyaban en historial de compras conjuntas o filtrado colaborativo, útiles pero ciegos ante productos nuevos sin historial de interacción, el llamado problema del arranque en frío. La recomendación basada en contenido evita eso leyendo el ítem mismo: su título, descripción, etiquetas, categoría, cualquier texto que lo represente, y comparando ese significado contra cada candidato. Un producto publicado hace una hora puede recomendarse correctamente desde el primer día, porque el sistema nunca necesitó que alguien lo comprara antes.
Dónde encaja en su flujo de trabajo
La mayoría de los equipos llaman a este endpoint con un calendario fijo, por ejemplo cada noche para refrescar todo el catálogo, o bajo demanda justo después de publicar un ítem nuevo, y guardan el resultado en caché detrás de su tienda o su gestor de contenido. Como el precio es por solicitud más por consulta, un trabajo por lotes que actualiza las recomendaciones de diez mil productos tiene un costo que puede calcular de antemano, no una factura sorpresa. Las tareas fallidas se reintentan automáticamente y nunca se cobran, así que un fallo pasajero no se convierte en gasto perdido.
Lo que este servicio no hace
No es una caja negra que 'lee la mente' del usuario: no incorporará historial de compras, tasas de clics ni sesiones de usuario a menos que usted mismo incluya ese contexto dentro de la descripción del ítem. Es una herramienta precisa y honesta para relación semántica de contenido, ideal para combinar con sus propias señales de comportamiento si busca un motor de recomendación híbrido.
Qué puede hacer con ella
Venta cruzada en e-commerce
Una tienda en línea envía cada ficha de producto al endpoint y muestra los cinco productos relacionados como 'otros clientes también vieron', actualizado automáticamente cada vez que cambia el catálogo.
Lanzamiento de producto nuevo
Un ítem recién agregado sin historial de ventas obtiene 'productos relacionados' precisos desde el primer minuto, porque la coincidencia se basa en descripción y atributos, no en datos de compra.
'Artículos relacionados' editoriales
Un medio de noticias ejecuta esto cada noche contra sus últimos dos años de artículos publicados, para que cada nota enlace automáticamente a cobertura pasada realmente relevante, no solo a lo más reciente.
Base de conocimiento interna
Un equipo de soporte muestra artículos de ayuda relacionados al final de cada respuesta de ticket, reduciendo preguntas repetidas al enlazar documentación que sí corresponde al problema del usuario.
Preguntas frecuentes
¿Cómo decide la API de recomendación qué está relacionado?
Compara el significado del texto del ítem de origen contra cada candidato de su grupo y ordena por cercanía semántica, no por coincidencia de palabras clave ni historial de compras.
¿Existe un plan gratuito para search.recommend?
No hay capa gratuita: las capas gratis se abusan y ralentizan a todos. El acceso funciona con un saldo prepago de ForHosting KIT: se recarga desde $10.00 (no caduca) y cada solicitud se cobra a su precio publicado, así que una llamada sin saldo devuelve HTTP 402. Sin suscripción, sin tokens ni créditos inventados, y una tarea fallida no se cobra.
¿Cuánto cuesta ejecutar recomendaciones para todo un catálogo?
El precio es de $0.002 por solicitud más $0.002 por consulta, así que el total de un trabajo por lotes es predecible antes de ejecutarlo.
¿Puede recomendar ítems sin historial de ventas?
Sí. Las recomendaciones se basan en contenido, comparando texto y atributos del ítem, así que los productos nuevos funcionan bien desde la primera llamada, sin retraso de arranque en frío.
¿Cómo recibo los resultados?
Cada llamada devuelve un task_id de inmediato; las recomendaciones ordenadas se entregan mediante webhook firmado o mediante un enlace firmado válido por 24 horas.
¿Qué pasa si una tarea de recomendación falla?
Se reintenta automáticamente hasta tres veces, y nunca se cobra por una tarea que finalmente falla.
¿Puedo combinar esto con mis propios datos de clics o compras?
Sí, puede incluir ese contexto de comportamiento dentro del texto del ítem que envía, o mezclar el resultado con sus propias señales de ranking más adelante; el endpoint en sí trabaja solo con contenido.
¿Sirve para catálogos grandes?
Sí, está pensado para uso masivo: procese todo un catálogo por la noche y guarde los resultados en caché, ya que el precio escala de forma lineal con el número de consultas que ejecute.
Para desarrolladores — acceso por API
Todo lo de esta página está disponible por programación. Esta sección es para equipos que quieren integrarlo en sus sistemas; el resto puede usar la herramienta de arriba sin más.
Endpoint de API
¿Prefiere automatizarlo? Un POST autenticado crea la tarea; el resultado llega por webhook o enlace firmado. La misma capacidad también se ejecuta aquí en la web, y pronto desde nuestra app, el email y Telegram.
Llámela desde su stack
curl -X POST https://api.kit.forhosting.com/search/recommend \
-H "Authorization: Bearer $KIT_KEY" \
-H "Content-Type: application/json" \
-d '{"input":"…"}'const res = await fetch("https://api.kit.forhosting.com/search/recommend", {
method: "POST",
headers: {
"Authorization": `Bearer ${process.env.KIT_KEY}`,
"Content-Type": "application/json"
},
body: JSON.stringify({
"input": "…"
})
});
const { task_id } = await res.json();import os, requests
res = requests.post(
"https://api.kit.forhosting.com/search/recommend",
headers={"Authorization": f"Bearer {os.environ['KIT_KEY']}"},
json={
"input": "…"
},
)
task_id = res.json()["task_id"]<?php
$res = file_get_contents("https://api.kit.forhosting.com/search/recommend", false, stream_context_create([
"http" => [
"method" => "POST",
"header" => "Authorization: Bearer " . getenv("KIT_KEY") . "\r\nContent-Type: application/json",
"content" => '{"input":"…"}',
],
]));
$task = json_decode($res, true);body := bytes.NewBufferString(`{"input":"…"}`)
req, _ := http.NewRequest("POST", "https://api.kit.forhosting.com/search/recommend", body)
req.Header.Set("Authorization", "Bearer "+os.Getenv("KIT_KEY"))
req.Header.Set("Content-Type", "application/json")
res, _ := http.DefaultClient.Do(req)Ejemplo de solicitud
{
"input": "…"
}Ejemplo de respuesta
{
"task_id": "tsk_a1b2c3d4e5f6a1b2c3d4e5f6",
"type": "search.recommend",
"status": "queued",
"_links": {
"result": "/tasks/tsk_…/result"
}
}La API es asíncrona: la llamada devuelve un task_id al instante y el resultado llega por webhook. El polling está limitado a 1 req/s por tarea.
Precio
Precio publicado — sin tokens ni créditos inventados. Una tarea fallida no se cobra.
Límites
max_chunks | 10000 |
max_tokens | 20000 |
Errores
| HTTP | Código | Significado |
|---|---|---|
401 | unauthorized | API key ausente o inválida. |
402 | insufficient_balance | El saldo no cubre el precio de la tarea. |
404 | unknown_type | El tipo de tarea no existe. |
429 | rate_limited | Demasiadas peticiones. Use el webhook en vez de sondear. |