Parcourir les catégories
Explorer
Fiverr Pro
Français
$
USD
Je vais construire une pipeline RAG sur vos documents
Michael S.
À propos de ce service
Traduction automatique
Un système RAG qui donne des réponses erronées avec confiance est pire que l'absence de RAG. Le travail réside dans le découpage, la qualité de la récupération et les citations, pas dans l'appel à une API d'embedding.
Ce que vous obtenez :
- Ingestion de documents avec découpage respectant la structure réelle de vos documents
- Une base de vecteurs configurée et indexée, avec filtrage par métadonnées
- Récupération avec reranking, pour que le passage correct atteigne le modèle
- Réponses avec citations renvoyant au document source
- Un petit ensemble d’évaluation, pour mesurer la qualité de la récupération plutôt que de deviner
J'ai dirigé une plateforme SaaS d'IA pendant 1,5 ans avec une équipe de 9 à 11 personnes utilisant l'API OpenAI, l'API Claude et LangChain, avec 18 ans d'expérience en ingénierie backend derrière l'infrastructure.
Je travaille depuis l'Ukraine en CET.
Envoyez-moi un échantillon de vos documents et les questions que vos utilisateurs poseront. Je vous indiquerai quel package convient et signalerai tout ce qui pourrait ne pas fonctionner avant que vous passiez commande.
Découvrez Michael S.
Michael S.
CTO and AI Developer, 18 Years: LangChain, RAG, Voice AI, Python Backends
- DeUkraine
- Membre depuisfévr. 2023
- Temps de réponse moy.1 heure
Langues
Russe, Ukrainien, Anglais, Allemand
I'm Michael, founder and CTO at Meduzzen, 18 years in backend and AI engineering. Most AI projects don't fail on the API call. They fail on latency, hallucination and cost once real users arrive. My team and I build the part that holds up: FastAPI backends, LangChain and RAG, Whisper and ElevenLabs voice, voice agent audits, n8n automation and full stack AI SaaS. Earlier, I worked on a 5G VoIP platform at Siemens, IoT security for WeWork, and blockchain threat detection at Cyvers. Send your repo or workflow and I will tell you honestly what it takes.
Traduction automatique
Mon portfolio
FAQ
Traduction automatique
1. Quels formats de documents supportez-vous ?
PDF, Word, HTML, exports Notion et texte brut. Envoyez-moi un échantillon et je confirmerai avant que vous commandiez.
2. Quelle base de données vectorielle utilisez-vous ?
Pinecone, Weaviate, pgvector ou FAISS. Je choisis en fonction du projet, de votre échelle, de votre budget et si vous souhaitez l'héberger vous-même.
3. Le RAG peut-il fonctionner sur ma propre infrastructure ?
Oui. Je peux le déployer sur vos serveurs avec un modèle local si vos données ne peuvent pas quitter votre environnement.
4. Comment vous assurez-vous que les réponses citent la bonne source ?
Chaque réponse comporte des citations renvoyant au document source, et le reranking place le passage correct devant le modèle avant qu'il ne réponde.
5. Combien de documents peut-il gérer ?
Jusqu'à 100 avec Basic, jusqu'à 1000 avec Standard. Au-delà, je mets en place une réindexation incrémentielle avec Premium, ou nous le définissons comme une commande personnalisée.
6. Fournissez-vous une évaluation de la qualité de la récupération ?
Oui. Vous disposez d’un petit ensemble d’évaluation pour mesurer si une modification améliore ou détériore la récupération, plutôt que de deviner.
7. Pouvez-vous le connecter à mon chatbot ou application existante ?
Oui. Vous avez un endpoint de requête avec Basic et un endpoint de chat avec Standard, pour que votre application puisse l’appeler directement.
