Parcourir les catégories
Explorer
Fiverr Pro
Français
$
USD
Je vais construire une application rag personnalisée avec python, qdrant et llms
Rahman
À propos de ce service
Traduction automatique
Vous avez besoin d'une application RAG capable de répondre aux questions à partir de vos propres documents ?
Je vais créer une application Retrieval-Augmented Generation (RAG) sur mesure en Python qui récupère les informations pertinentes de vos documents et utilise un LLM pour générer des réponses fondées.
Ce que je peux réaliser :
- Chargement de documents et découpage du texte
- Génération d'embeddings avec Sentence Transformers
- Recherche vectorielle avec Qdrant
- Reranking des résultats récupérés
- Génération de réponses avec un LLM
- Vérification de la pertinence par rapport aux preuves récupérées
- Intégration FastAPI si nécessaire
- Code Python propre et facile à maintenir
- Code source inclus avec votre commande
Je peux travailler avec votre application existante ou créer la composante RAG en tant que service autonome.
Les fonctionnalités exactes dépendent du package choisi. Si vos besoins sont plus complexes que ceux listés, contactez-moi avant de commander pour définir clairement le périmètre.
Mon objectif est de construire des systèmes RAG structurés, testables et conçus autour d'une récupération fiable plutôt que de simplement connecter un LLM à un prompt.
Découvrez Rahman
Rahman
AI ML GenAI Engineer RAG Agentic AI
- DeNépal
- Membre depuisaoût 2026
- Temps de réponse moy.1 heure
Langues
Népalais, Anglais
I’m an AI/ML and GenAI engineer focused on building reliable, production-oriented AI systems.
I build RAG applications, agentic AI workflows, LLM-powered services, and Python APIs using technologies such as LangGraph, FastAPI, vector databases, embeddings, reranking, and grounding verification.
My focus goes beyond making an LLM generate an answer. I care about retrieval quality, evidence grounding, structured workflows, validation, testing, and production reliability.
I can help turn an AI idea into a structured, testable system designed to work beyond a simple prototype.
Traduction automatique
Mon portfolio
FAQ
Traduction automatique
De quoi avez-vous besoin de ma part pour construire l'application RAG ?
J'ai besoin de vos exigences, des documents ou données avec lesquels vous souhaitez que le système travaille, et des détails sur votre application existante si vous avez besoin d'une intégration.
Pouvez-vous construire une application RAG à partir de zéro ?
Oui. Je peux créer la composante RAG en tant qu'application autonome ou l'intégrer dans une application Python existante, selon le package choisi.
Le système RAG peut-il utiliser mes propres documents ?
Oui. Le système peut être conçu pour récupérer des informations à partir de vos documents fournis et utiliser les preuves récupérées pour la génération de réponses.
Quelles technologies utilisez-vous ?
Je travaille principalement avec Python, Sentence Transformers, Qdrant, LangChain, FastAPI et LLMs. Les technologies exactes dépendent des besoins du projet et du package sélectionné.
Pouvez-vous intégrer RAG dans mon application existante ?
Oui. La fonctionnalité RAG peut être intégrée dans une application existante lorsque les interfaces nécessaires et la structure du projet sont disponibles.
Fournissez-vous le code source ?
Oui. Le code source est inclus selon le package que vous choisissez.
Faites-vous du fine-tuning des LLM ?
L'ajustement fin n'est pas inclus dans cette prestation. Ce service se concentre sur l'architecture RAG, la récupération, le reranking, la pertinence et l'intégration LLM.
Pouvez-vous construire un système RAG plus complexe que ce que décrivent les packages ?
Oui. Si vous avez des exigences impliquant une récupération supplémentaire, une API, une évaluation ou une fonctionnalité de pertinence, contactez-moi avant de commander pour définir le périmètre et le prix.
