Costruirò un chatbot rag sui tuoi documenti con fonti e valutazione


Informazioni su questo servizio
Traduzione automatica.
La maggior parte delle demo RAG fallisce in produzione perché il recupero è sbagliato, non il modello. Io costruisco il recupero nel modo giusto: chunking semantico, embeddings, ricerca ibrida dense+sparse, re-ranking - e lo valuto con un set di valutazione, così ogni modifica è un numero, non un'impressione.
Ciò che ottieni: un chatbot che risponde dai TUOI documenti, cita le sue fonti e dice "Non lo so" quando dovrebbe. Consegnato come API (FastAPI) con chat web, Dockerizzato, con tracce e costo per query.
Pila tecnologica: Python, LangChain/LangGraph, Qdrant o Elasticsearch, OpenAI/Gemini/Mistral o modelli open sulla tua infrastruttura.
Lavori recenti: motore RAG in produzione per due marchi retail (gruppo Mulliez), pipeline OCR+RAG per una startup EventTech, motore anti-frode documenti per una banca.
Senior AI Engineer, oltre 6 anni, con sede in Francia. Guida team di 2 a 5 ingegneri.
Scopri di più su Younes B
Senior AI Engineer
- DaFrancia
- Membro daapr 2025
- Tempo di risposta medio1 ora
Lingue
Francese, Inglese, Arabo
Traduzione automatica.
Il mio portfolio
FAQ
Traduzione automatica.
Quale LLM usi?
La tua scelta: OpenAI, Gemini, Mistral o un modello open ospitato da te per la riservatezza. Ti consiglio uno in base ai tuoi documenti e al budget.
I miei documenti sono PDF scannerizzati. È un problema?
No. OCR vision di LLM fa parte della pipeline: scansioni, foto e layout non standard sono gestiti.
Dove funziona il chatbot?
In Docker sul tuo server o sul tuo cloud (GCP, Azure, AWS). Nulla rimane da parte mia dopo la consegna.
Come faccio a sapere che funziona?
Ottieni un set di valutazione: le tue domande, le risposte attese e un punteggio per ogni versione. Ogni modifica viene misurata, non indovinata.

