Costruirò sistemi RAG di produzione e agenti AI con valutazioni LLM


Informazioni su questo servizio
Traduzione automatica.
Costruisco sistemi di AI applicata per prodotti reali, strumenti interni e flussi di lavoro aziendali.
Il mio focus:
Sistemi RAG orientati alla produzione
Agenti AI e chiamate a strumenti
Integrazioni LLM e output strutturati
Dataset di valutazione e test di regressione
Backend AI in Python e API
Posso aiutarti con:
Ingestione di documenti, chunking, embeddings, retrieval e reranking
Citazioni, basi di conoscenza e chatbot RAG
Agenti con strumenti, API e workflow di approvazione
Valutazioni, controlli di qualità, logging, tracing e caching
SQL, NoSQL, Redis e integrazioni API esistenti
Servizi FastAPI, basi Docker e consegna per il deployment
Inizio comprendendo cosa deve fare il sistema, quali dati utilizzerà, chi si affiderà ad esso e come misurare il successo.
L’obiettivo è un sistema che possa essere testato, migliorato e mantenuto.
Il mio focus è sull'Applied AI engineering, non sulla ricerca ML innovativa o sull’addestramento di modelli da zero.
Scrivimi con il tuo caso d’uso, fonte dei dati, utenti previsti, stack attuale e integrazioni richieste.
Scopri di più su lladyy
AI Engineer I Python SWE
- DaSpagna
- Membro damar 2026
- Tempo di risposta medio1 ora
Lingue
Inglese, Spagnolo, Portoghese, Catalano
Traduzione automatica.
Il mio portfolio
FAQ
Traduzione automatica.
Che tipo di sistemi AI costruisci?
Costruisco sistemi RAG, assistenti documentali, basi di conoscenza, agenti AI, workflow LLM, copiloti interni e funzionalità AI collegate a software esistenti, con valutazioni.
Puoi collegare il sistema AI al mio database o API?
Sì. Posso integrare SQL, NoSQL, Redis, API interne, servizi esterni e backend Python esistenti.
Come valuti la qualità di un sistema AI?
Utilizzo casi di test rappresentativi, comportamenti attesi, dataset di valutazione, controlli di retrieval e test di regressione in base agli obiettivi del progetto.
Puoi costruire un agente che utilizza strumenti o API?
Sì. Gli agenti possono usare output strutturati, API esterne, strumenti interni, passaggi di approvazione e workflow controllati.
Addestri modelli di machine learning personalizzati?
Il mio focus è sull'Applied AI engineering: RAG, applicazioni LLM, agenti, integrazioni, valutazioni e sistemi backend. Non offro ricerca ML innovativa né training di modelli da zero.
Di cosa hai bisogno prima di iniziare?
Ho bisogno del tuo caso d’uso, fonti di dati, utenti previsti, integrazioni richieste, stack attuale, ambiente di deployment preferito ed esempi di output di successo.
Puoi migliorare un RAG o agente AI esistente?
Sì. Posso rivedere la qualità del retrieval, prompt, chiamate agli strumenti, copertura delle valutazioni, latenza, costi, logging e integrazione backend.

