Je vais créer un chatbot AI personnalisé pour vos documents en utilisant rag et fastapi

M
mohamedhany575
M
mohamedhany575
Mohamed Hany
Certaines informations ont été traduites automatiquement.

À propos de ce service

Traduction automatique

La plupart des chatbots RAG les plus basiques échouent en production, car une recherche par vecteurs simple manque les codes produit exacts, les clauses ou le contexte de suivi. Je conçois des pipelines de récupération production-ready FastAPI + Qdrant optimisés pour des données réelles.

Ce que je construis pour vous :

  • Recherche hybride (Dense + BM25) : Capture à la fois le sens conceptuel et les numéros de pièce exacts, les SKU, les noms et les clauses que les bots standards manquent.
  • Reranking en deux étapes : Chaque morceau est réévalué via un reranker Cross-Encoder avant d’atteindre le LLM, réduisant les hallucinations et renvoyant des citations sources exactes.
  • Mémoire de suivi : Réécrit automatiquement les questions de suivi multi-tours en requêtes de recherche autonomes.
  • Backend LLM 100 % Flexible : Fonctionne avec OpenAI, Groq, OpenRouter ou des modèles locaux privés (Ollama, LM Studio, vLLM) afin que vous contrôliez vos données et vos coûts API.

Ce que vous recevez :

  • Microservice FastAPI + Qdrant asynchrone, conteneurisé avec Docker Compose.
  • Points d’entrée live pour téléverser, indexer et supprimer des fichiers PDF/TXT.
  • Interface de démonstration HTML intégrée + docs Swagger pour tester visuellement les téléversements et les citations (design frontend personnalisé non inclus).
  • Guide d’installation et 2 ajustements dans le cadre du périmètre.


Envoyez-moi un message avec un document d’exemple pour commencer !

Découvrez Mohamed Hany

Mohamed Hany

Ai Engineer

  • DeÉgypte
  • Membre depuismai 2021
  • Langues

    Arabe, Anglais
I am a software developer specializing in Artificial Intelligence and backend architecture. I focus on building robust, scalable, and highly optimized solutions using Python, FastAPI, and Streamlit. I have hands-on experience developing end-to-end, context-aware RAG pipelines using ChromaDB and building clean web interfaces with Streamlit. Whether you need an intelligent backend integration, efficient vector database architecture, or a reliable AI chat API from scratch, I deliver clean, maintainable, and well-documented code that solves complex problems.

Traduction automatique