initial commit: slides + practica_resueltos + README

Co-Authored-By: Claude Sonnet 4.6 <noreply@anthropic.com>

slides/pages/rag/11.md

@@ -0,0 +1,34 @@
+---
+layout: default
+---
+
+# MemoryVectorStore - Para desarrollo
+
+<v-clicks>
+
+**MemoryVectorStore** almacena embeddings en memoria (se pierden al cerrar)
+
+```typescript
+import { MemoryVectorStore } from "@langchain/classic/vectorstores/memory";
+import { OpenAIEmbeddings } from "@langchain/openai";
+
+const vectorStore = await MemoryVectorStore.fromTexts(
+  [
+    "LangChain es un framework para aplicaciones con LLMs",
+    "Los embeddings capturan el significado del texto",
+    "RAG combina búsqueda con generación de texto",
+  ],
+  [{ id: 1 }, { id: 2 }, { id: 3 }], // metadata
+  new OpenAIEmbeddings()
+);
+
+// Buscar documentos similares
+const results = await vectorStore.similaritySearch(
+  "¿Qué es RAG?",
+  2 // número de resultados
+);
+
+console.log(results);
+```
+
+</v-clicks>