Sfoglia categorie
Esplora
Fiverr Pro
Italiano
$
USD
Costruirò chatbot AI rag con citazioni, gap di conoscenza e analisi con demo dal vivo
Mohammad S
Informazioni su questo servizio
Traduzione automatica.
Costruirò un chatbot AI pronto per la produzione che risponde alle domande dai TUOI documenti con citazioni delle fonti, così gli utenti possono verificare ogni risposta.
COSA OTTIENI:
- Chatbot AI addestrato sui tuoi PDF, documenti e articoli di aiuto
- Risposte supportate da citazioni (ogni risposta mostra da quale documento proviene)
- Pannello di analisi in tempo reale (volume delle conversazioni, sentiment, domande più frequenti)
- Rilevamento del gap di conoscenza (l'AI ti dice quali contenuti mancano)
- Deploy su widget del sito, WhatsApp, Telegram o API REST
- Codice sorgente completo, possiedi tutto, niente lock-in con i vendor
COME FUNZIONA:
- Mi invii i tuoi documenti (PDF, Word, testo, FAQ)
- Costruisco e addestro la pipeline RAG sul tuo contenuto
- Lo deployo sul canale(i) che preferisci
- Ottieni un chatbot live + dashboard di amministrazione + analisi
PILASTRA TECNOLOGICA:
FastAPI + Next.js + PostgreSQL + Pinecone + Groq/OpenAI con failover LLM
PROVA LA DEMO DAL VIVO: rag.fenloai.com
Chatta con lui, naviga tra le conversazioni, visualizza le analisi, tutto funziona.
Ho costruito sistemi AI di livello enterprise con isolamento del workspace, rate limiting, RBAC, caching semantico. Scrivimi con il tuo caso d'uso e ti fornirò un preventivo personalizzato.
Scopri di più su Mohammad S
Mohammad S
Research Assistant
- DaBangladesh
- Membro dagen 2021
Lingue
Bengali, Inglese, Hindi, Cinese
Full-stack AI developer, 4+ years in production ML, computer vision, and web apps. Research Assistant at NSU Robotics Lab, former AI Engineer at NITEX (multi-modal systems, triton, OCR, data scrapping, trend analysis), Google Summer of Code '22 alum (TensorFlow), research intern at DeepPavlov.ai. I build: AI chatbots with RAG, custom AI agents, ML pipelines & model deployment, computer vision systems, GenAI solutions (ComfyUI, Stable Diffusion), workflow automation (n8n, Zapier), full-stack web apps (FastAPI, Next.js, React).
Live demo: rag.fenloai.com
Portfolio: shoaib6174.github.io
Traduzione automatica.
FAQ
Traduzione automatica.
Cos'è un chatbot RAG e come si differenzia da ChatGPT?
RAG (Retrieval-Augmented Generation) significa che il chatbot risponde solo dai TUOI documenti — non da internet. Ogni risposta include citazioni che mostrano da quale documento proviene. A differenza di ChatGPT, non hallucina né inventa informazioni. Conosce solo ciò che gli insegni.
Posso provarlo prima di ordinarlo?
Sì! Visita rag.fenloai.com per provare la demo dal vivo. Puoi chattare con il bot, visualizzare il pannello di analisi, navigare tra le conversazioni e vedere la knowledge base — tutto in tempo reale e interattivo.
Quali formati di file supportate?
PDF, documenti Word (.docx) e file di testo semplice. Gestisco io tutto il parsing, il chunking e l'embedding. Inviami i tuoi file e penserò io al resto.
Ottengo il codice sorgente?
Sì, ogni pacchetto include il codice sorgente completo (frontend + backend). Possiedi tutto. Niente costi mensili, niente lock-in con i vendor. Puoi modificarlo, estenderlo e ospitarlo dove vuoi.
A quali canali può essere deployato il chatbot?
Widget del sito (bolla di chat flottante), WhatsApp Business, bot Telegram e API REST per integrazioni personalizzate. Il pacchetto Basic include il widget del sito. Standard aggiunge un canale in più. Premium include tutti i canali.
Come funziona il dashboard di analisi?
Il pannello mostra il volume delle conversazioni nel tempo, analisi del sentiment (positivo/negativo/neutro), punteggi di qualità, domande più frequenti e scoring dei lead. Disponibile nei pacchetti Standard e Premium. Puoi vedere una demo dal vivo su rag.fenloai.com/analytics.
Posso aggiornare la knowledge base dopo la consegna?
Assolutamente sì. Il pannello di amministrazione ti permette di caricare nuovi documenti, eliminare quelli vecchi e monitorare i gap di conoscenza (domande a cui il bot non ha risposto). Il sistema si ri-indicizza automaticamente quando aggiungi nuovo contenuto.
Con quale stack tecnologico è stato costruito?
Backend: FastAPI (Python 3.12) con PostgreSQL e Redis. Frontend: Next.js 15 con React 19. Ricerca vettoriale: Pinecone. LLM: Groq (primario) con failover OpenAI. Tutto containerizzato e pronto per il deployment.
Fornisci hosting/deployment?
Il pacchetto Premium include deployment completo su AWS con CI/CD. Per Basic e Standard, consegno il codice sorgente con guida al deployment, e puoi deployarlo sul tuo server, AWS o qualsiasi cloud provider. Posso aiutarti con la configurazione del deployment come servizio aggiuntivo.
