Je vais construire un système RAG de production sur vos documents

C
chlee9
C
chlee9
Cheolhee Lee
Certaines informations ont été traduites automatiquement.
build a production rag system over your documents
Plein écran
build a production rag system over your documents

À propos de ce service

Traduction automatique

Je crée des systèmes RAG de production qui répondent à partir DE VOS documents avec des citations, et non des hallucinations.


Ce que vous obtenez

- Pipeline d’ingestion de documents (PDF, DOCX, HTML, Notion, Confluence) avec découpage intelligent selon la mise en page

- Récupération hybride : BM25 + vecteurs denses + reranking, ajusté sur votre propre jeu d’évaluation

- Synthèse des réponses avec citations en ligne et refus lorsque les preuves manquent

- Service FastAPI / Node, Docker, CI, et tableau de bord d’administration pour la réindexation


Pourquoi moi

Je déploie des systèmes LLM en production. Résultats mesurés récents : réduction de 70 % de la latence p95, réduction de 38 % du coût de service, diminution de 49 % des tokens en sortie grâce à la mise en cache du contexte, sortie structurée et routage du modèle.


Stack

Python, TypeScript, LangChain, LlamaIndex, OpenAI / Anthropic / vLLM, pgvector, Qdrant, Elasticsearch, Postgres, Redis, Docker, AWS.


Envoyez-moi un exemple de vos documents et les questions auxquelles vous souhaitez répondre, et je vous dirai exactement ce qui est réalisable avant de passer commande.

  • Type d'application

    • Application Web

  • Type d'IA

    • Chat
    • Outils de productivité

  • Langage de programmation

    • JavaScript
    • Python
    • Dactylographiés
    • React
    • SQL

  • Frameworks web

    • React
    • Express.js (Node.js)
    • Flask
    • Next.js

  • Frameworks pour ordinateur

    • Tauri

  • Créateurs no-code low-code

    • Retool
    • Replit

Découvrez Cheolhee Lee

Cheolhee Lee

AI Full Stack Developer specializing in LLM and RAG optimization

  • DeCorée du Sud
  • Membre depuisavr. 2021
  • Temps de réponse moy.1 heure

  • Langues

    Coréen, Anglais
I keep my employer and my clients unnamed here. I ship production AI systems end to end at an undisclosed B2B AI SaaS company - a sales-automation SaaS and a public-sector AI evaluation platform. Measured: LLM p95 latency -70%, serving cost -38%, output tokens -49% via context caching and structured output. 125x list speedup, threads query 411ms to 1.6ms, bundle 21.7MB to 2.3MB. Re-homed three LLM models to an on-prem DGX with zero downtime; passed TTA review for Korea's AI Verification program. TypeScript, Python, Rust, Go, React, PostgreSQL, AWS, RAG, vLLM, MCP.

Traduction automatique

Mon portfolio

Autres services de Développement IA I Offre

Balises associées