Je vais corriger et optimiser la récupération et les hallucinations du chatbot RAG

Votre chatbot RAG récupère-t-il des preuves faibles, cite-t-il la mauvaise source ou fonctionne-t-il mal à mesure que vos données augmentent ?

Je diagnostique, répare et optimise les chatbots RAG existants qui manquent des passages pertinents, classent mal les preuves ou répondent au-delà de leurs sources.

J’inspecte l’ingestion, le découpage, les métadonnées, la recherche lexicale et vectorielle, la fusion hybride, le classement, la construction du contexte, la cartographie des citations et le comportement de preuve insuffisante. Vous recevez des cas de test reproductibles, des résultats prioritaires et des résultats clairs avant et après. Les options Standard et Premium incluent les modifications de code convenues.

Mon backend de récupération en production combine la recherche en texte intégral et sémantique avec une fusion de rangs pondérée, la déduplication des sources, la lecture des preuves, la mise en cache et les vérifications de régression. Lorsque c’est pertinent, je peux optimiser la récupération vectorielle de base en un pipeline hybride mieux testé. Je me concentre sur la précision de récupération mesurable, pas seulement sur les modifications de prompt.

Je travaille avec Python ou JavaScript, REST APIs, FastAPI, Cloudflare Workers, PostgreSQL pgvector, Qdrant, SQLite FTS5 et des stacks comparables.

Contactez-moi avant de commander avec votre stack, des exemples d’échec, la méthode d’accès et 2 à 5 questions réelles.