Sfoglia categorie
Esplora
Fiverr Pro
Italiano
$
USD
Costruirò una pipeline rag di produzione sulla tua conoscenza aziendale
Ehsan
Informazioni su questo servizio
Traduzione automatica.
Le demo RAG sono facili. RAG che sopravvive alle domande reali non lo è.
Costruisco pipeline di retrieval che reggono quando un utente reale fa una domanda imbarazzante: retrieval ibrido ( vettore più keyword), una fase di reranking, chunking progettato intorno alla forma del tuo documento piuttosto che a un conteggio fisso di token, e un set di valutazione così puoi dimostrare l'accuratezza invece di sperarci.
Ciò che ottieni:
- Ingestione delle tue fonti reali: PDF, documenti, fogli, siti web, tabelle di database, ticket di supporto
- Pulizia e una rappresentazione canonica del documento, il passaggio che la maggior parte delle pipeline salta
- Retrieval ibrido più reranking con cross-encoder, ottimizzato contro le tue domande
- Un set di domande d'oro con risultati valutati, così una regressione è visibile prima che i tuoi utenti la trovino
- Generazione basata su fonti con citazioni che rimandano al chunk di origine
- Deploy come API di tua proprietà, o direttamente nella tua app esistente
Lo gestisco su un sistema multi-tenant di produzione, inclusi i parti meno glamour: re-indicizzazione quando il contenuto cambia, costo per query, budget di latenza e corsie di failover.
Dimmi quali sono i tuoi documenti e cosa le persone devono chiedere loro.
Scopri di più su Ehsan
Ehsan
AI Agent and RAG Engineer
- DaIndia
- Membro dagiu 2024
- Tempo di risposta medio1 ora
Lingue
Inglese
I build AI agents that answer from your business, not from guesswork.
My focus is retrieval - RAG: getting your catalogue, docs and policies into a pipeline the agent can be held to, so it cites real sources and escalates what it cannot ground.
I run a multi-tenant agent platform in production, so I work on the unglamorous parts daily: re-indexing, evals, cost per query, human handoff.
Typical work: WhatsApp and website support agents, internal knowledge assistants, custom tool-using agents, and audits of RAG systems that fail in production.
I say so when an agent is the wrong tool.
Traduzione automatica.
FAQ
Traduzione automatica.
Quale vector database usi?
Postgres con pgvector di default: economico, e un sistema in meno da gestire. Pinecone, Qdrant o Weaviate se li usi già o li preferisci.
Su quale LLM funzionerà?
Il tuo o il mio. OpenAI, Anthropic, Gemini, o modelli open-weight che ospiti tu. L'auto-ospitazione diventa davvero più economica oltre una certa quantità e ti dirò onestamente dove si trova quella soglia per il tuo uso.
Può funzionare interamente sulla nostra infrastruttura?
Sì, inclusi modelli self-hosted, senza che il contenuto dei documenti lasci il tuo ambiente. Dimmi i tuoi vincoli di residenza dei dati in anticipo e li considererò nel scope.
Come posso essere sicuro che il retrieval sia effettivamente accurato?
Ottieni un set di domande d'oro con risultati di retrieval valutati sui tuoi dati. L'accuratezza viene riportata con numeri, non affermata. Su Standard e Premium ottieni anche i punteggi prima e dopo.
Puoi lavorare con documenti scannerizzati o immagini?
Sì, con OCR. Segnalo quando mi scrivi così posso considerarlo correttamente, perché le fonti scannerizzate cambiano significativamente il lavoro di ingestion.
