Sfoglia categorie
Esplora
Fiverr Pro
Italiano
$
USD
Costruirò un chatbot rag con knowledge base personalizzata usando python
Muhammad H
Informazioni su questo servizio
Traduzione automatica.
Costruirò un chatbot RAG (Retrieval-Augmented Generation) pronto per la produzione che risponde alle domande dai TUOI documenti, siti web o database usando Python, LangChain e OpenAI o Claude.
Cosa consegno:
Pipeline di ingestione documenti PDF, DOCX, TXT, HTML, CSV o pagine web
Chunking intelligente e embeddings con Pinecone o pgvector
Risposte precise con citazioni delle fonti per ridurre le hallucination
Memoria della conversazione per chat naturale a più turni
Backend FastAPI con endpoint REST puliti
Endpoint di amministrazione per caricare e aggiornare la tua knowledge base
Codice pronto per Docker con supporto al deployment su AWS
Ho costruito sistemi RAG usati in prodotti reali, tra cui un chatbot RAG multi-tenant (MeiChat) che serve più clienti con knowledge base personalizzate.
Tecnologie: Python, LangChain, LangGraph, OpenAI GPT-4o, Claude, Pinecone, pgvector, PostgreSQL, Redis, FastAPI, Docker, AWS
Che tu abbia bisogno di un semplice bot Q&A su documenti o di un sistema completo di produzione con citazioni, memoria e monitoraggio, consegno codice pulito e scalabile che funziona.
Scopri di più su Muhammad H
Muhammad H
AI Engineer specializing in LLM Agents RAG Systems Python and FastAPI
- DaPakistan
- Membro dalug 2026
Lingue
Inglese, Urdu, Punjabi
I build production AI systems - AI agents, RAG pipelines, LLM applications, and multi-tenant SaaS backends - using Python, FastAPI, LangGraph, and PydanticAI. Over 5 years I have shipped agentic assistants with tool calling and real-time streaming, multi-tenant RAG chatbot platforms with Pinecone and OpenAI/Claude integrations, and scalable backend systems on AWS with PostgreSQL, Redis, and Docker. I work with startups and product teams who need AI that works in production, not just demos. Let's connect.
Traduzione automatica.
FAQ
Traduzione automatica.
Quali fonti di dati può usare il chatbot?
File PDF, DOCX, TXT, HTML, CSV, siti web e database come PostgreSQL. Costruisco una pipeline di ingestione che suddivide e embedding il contenuto in un database vettoriale come Pinecone o pgvector.
Il chatbot inventerà cose (hallucinerà)?
Ogni risposta si basa sui tuoi dati usando retrieval e aggiungo citazioni delle fonti. Quando l'informazione non è nel tuo knowledge base, il bot lo dice invece di indovinare. Tuning anche prompt e impostazioni di retrieval per massimizzare l'accuratezza.
Puoi deployarlo e integrarlo con il mio sito web?
Sì. Consegnò codice pronto per Docker, posso deployarlo su AWS e fornisco un'API REST pulita a cui puoi collegare qualsiasi sito o app. Ti invierò un breve questionario dopo l'ordine per raccogliere le tue fonti di dati e requisiti.
