Parcourir les catégories
Explorer
Fiverr Pro
Français
$
USD
Je vais corriger et optimiser la précision de votre chatbot RAG
Amine E.
À propos de ce service
Traduction automatique
Votre chatbot RAG récupère des morceaux incorrects, manque des identifiants précis ou répond avec assurance à partir de preuves faibles ?
Je retrace le chemin depuis la question jusqu’à la récupération, le contexte, la réponse et la citation pour identifier où le problème commence.
Vous pouvez recevoir :
- Des tests avec vos questions problématiques
- Un diagnostic de récupération, de mise en contexte et de citation
- Des corrections ciblées du code ou de la configuration
- Des résultats avant et après intervention
- Des notes de transfert et des étapes prioritaires à suivre
J’analyse le découpage en morceaux, les filtres de métadonnées, les identifiants précis, la récupération hybride, les citations, la mise en contexte des prompts et le comportement en cas de preuves insuffisantes.
J’ai créé un assistant RAG pour la fabrication, utilisant une récupération hybride sémantique / texte intégral, la gestion des identifiants précis, des réponses en streaming et des citations de pages. Je l’ai évalué sur un benchmark interne de 58 cas, 99 tours, couvrant les faits, la mise en contexte, les citations, la sécurité et le comportement multi-tours.
Stack principal : Node.js, TypeScript, LangChain, OpenAI et PostgreSQL/pgvector.
Contactez-moi avant de commander avec votre stack et trois exemples problématiques. N’envoyez jamais
de mots de passe, clés API ou identifiants privés.
Découvrez Amine E.
Amine E.
RAG and Full Stack AI Developer
- DeMaroc
- Membre depuisaoût 2026
Langues
Arabe, Anglais, Français
I build source-grounded AI chatbots that answer from PDFs, manuals, procedures, and knowledge bases with verifiable citations. I work with document ingestion, chunking, embeddings, vector and full-text retrieval, OpenAI, LangChain, TypeScript APIs, React interfaces, authentication, evaluation, and deployment.
My flagship project is a manufacturing service assistant with PostgreSQL/pgvector, exact-identifier search, streamed answers, page-level sources, multi-turn troubleshooting, administration, and pilot monitoring. I choose the smallest reliable architecture for each workflow.
Traduction automatique
Mon portfolio
FAQ
Traduction automatique
Ai-je besoin d’un chatbot RAG existant ?
Oui. Ce service est principalement destiné à diagnostiquer et améliorer un chatbot RAG ou un pipeline de récupération existant. Si vous avez besoin d’un nouvel assistant RAG construit de zéro, veuillez utiliser l’un de mes services de développement RAG.
Pouvez-vous garantir zéro hallucination ?
Aucun système RAG responsable ne peut garantir qu’un LLM ne produira jamais de réponse incorrecte. Je me concentre sur l’amélioration de la récupération, de l’ancrage, des citations et du comportement en cas de preuves insuffisantes, ainsi que sur la mesure du système avec des questions de test.
Quels problèmes RAG pouvez-vous examiner ?
Les exemples incluent la récupération hors sujet, l’absence de documents, un découpage faible, des filtres de métadonnées, l’absence d’identifiants précis, une mauvaise construction du contexte, des problèmes de citation et des réponses non supportées.
Avec quelles technologies travaillez-vous ?
Ma principale stack est Node.js/TypeScript, LangChain, PostgreSQL/pgvector et OpenAI. Je peux également examiner des architectures RAG personnalisées où le code et les composants sont accessibles.
De quoi as-tu besoin de moi ?
J’ai besoin d’une description du problème, de votre architecture ou dépôt actuel, d’échantillons de documents/données si nécessaire, et d’exemples de questions où le système fonctionne mal.
Mesurerez-vous l’amélioration ?
Les options Standard et Premium peuvent inclure un ensemble d’évaluation et des tests avant/après pour que les améliorations soient basées sur des cas de test concrets plutôt que sur des impressions subjectives.
Pouvez-vous mettre en œuvre une recherche hybride ?
Oui, lorsque cela est pertinent pour le problème. Cela peut combiner la récupération sémantique avec la recherche par mots-clés ou en texte intégral, notamment lorsque les utilisateurs ont besoin à la fois d’une recherche en langage naturel et d’identifiants précis.
