Sfoglia categorie
Esplora
Fiverr Pro
Italiano
$
USD
Auditerò e ottimizzerò il tuo pipeline rag per un miglior recupero
Said
Informazioni su questo servizio
Traduzione automatica.
Il tuo pipeline RAG recupera frammenti sbagliati e il tuo LLM hallucina. Il problema non è il modello. È il retrieval.
Ottimizzo sistemi RAG con oltre 9 anni di esperienza in ingegneria della rilevanza di ricerca. La maggior parte dei fallimenti RAG sono fallimenti di retrieval, e li correggo alla fonte.
Ciò che correggo:
- Strategie di chunking scadenti che dividono il contesto
- Selezione sbagliata del modello di embedding
- Mancanza di fase di reranking
- Assenza di ricerca ibrida (parola chiave + vettore combinati)
- Mancanza di metriche di valutazione del retrieval
Ciò che ottieni:
- Valutazione della qualità del retrieval con metriche prima/dopo
- Ottimizzazione della strategia di chunking per i tuoi dati
- Valutazione e raccomandazione del modello di embedding
- Configurazione del pipeline di reranking (cross-encoder o ColBERT)
- Implementazione della ricerca ibrida (BM25 + vettore + RRF)
- Framework di valutazione (precisione, recall, NDCG, MRR)
Lavoro con qualsiasi stack: LangChain, LlamaIndex, pipeline personalizzate. Store di vettori: Elasticsearch, OpenSearch, Pinecone, Weaviate, Qdrant, Meilisearch, pgvector.
Questo non è un servizio di creazione chatbot. Risolvo la qualità del retrieval affinché il tuo LLM smetta di hallucinate.
Contattami con il tuo stack attuale, tipo di dati e i problemi che riscontri prima di ordinare.
Scopri di più su Said
Said
Search and AI Architect specializing in Elasticsearch Solr RAG and Vector Search
- DaFrancia
- Membro dagiu 2019
- Tempo di risposta medio1 ora
- Ultima consegna5 anni
Lingue
Francese, Arabo, Inglese
I build and fix search systems handling 10M+ queries per day. 9+ years making search return the RIGHT results.
What I do:
- Search relevance tuning (BM25, analyzers, hybrid search)
- RAG pipeline optimization (chunking, embeddings, reranking)
- Elasticsearch, Solr, OpenSearch architecture at scale
- Vector search and AI-powered retrieval
Built search for platforms with 5M+ monthly users. Relevance engineering at LexisNexis. Multilingual search across FR, EN, DE.
I don't build generic chatbots. I fix retrieval quality.
Message me before ordering to discuss your challenge.
Traduzione automatica.
Il mio portfolio
FAQ
Traduzione automatica.
Con quale stack RAG lavori?
Qualsiasi. LangChain, LlamaIndex, pipeline personalizzate. Store di vettori: Elasticsearch, Pinecone, Weaviate, Qdrant, pgvector. Mi adatto al tuo stack.
Costruirai un sistema RAG da zero?
Questo servizio è per l'auditing e l'ottimizzazione di pipeline esistenti. Per nuove costruzioni, contattami per discutere il scope separatamente.
Quali metriche usi?
Precisione del retrieval, recall, NDCG, MRR e tasso di successo. Misuro prima e dopo per quantificare il miglioramento.
Ottimizzi anche i prompt LLM?
Il mio focus è sulla qualità del retrieval. Un miglior retrieval riduce le hallucination senza trucchi nei prompt. Ma posso consigliare sulla struttura del prompt.
