initial commit: slides + practica_resueltos + README

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

slides/pages/rag/16.md

@@ -0,0 +1,33 @@
+---
+layout: default
+---
+
+# Qdrant - Búsqueda con score
+
+```typescript
+// Búsqueda con puntuación de similitud
+const resultsWithScore = await vectorStore.similaritySearchWithScore(
+  "embeddings y vectores",
+  3
+);
+
+resultsWithScore.forEach(([doc, score], i) => {
+  console.log(`${i + 1}. Score: ${score.toFixed(3)}`);
+  console.log(`   ${doc.pageContent}`);
+});
+```
+
+<v-click>
+
+### Salida ejemplo
+
+```
+1. Score: 0.892
+   Los embeddings capturan el significado del texto
+2. Score: 0.745
+   RAG combina búsqueda con generación de texto
+3. Score: 0.621
+   LangChain es un framework para aplicaciones con LLMs
+```
+
+</v-click>