Parcourir les catégories
Explorer
Fiverr Pro
Français
$
USD
Je vais être ingénieur n8n rag, conduire la revue qa de document qdrant dify agentic gpt5 lightrag ai
Sheldon Wisdom
À propos de ce service
Traduction automatique
Votre RAG doit trouver la bonne preuve, pas deviner la réponse.
Je vais construire, auditer et optimiser un chatbot RAG pour une question-réponse précise sur des documents, basé sur votre propre base de connaissances, manuel, politiques, règlements ou documentation technique.
Pour les systèmes RAG nouveaux ou existants, je peux travailler sur l’ingestion de documents, le découpage sémantique, les embeddings, la recherche vectorielle, la recherche hybride, le reranking, la récupération, la conception de prompts, les citations de sources, la mise en contexte des réponses et l’évaluation RAG.
Je peux implémenter des solutions RAG en Python avec Claude AI et d’autres LLMs, selon votre architecture et vos besoins.
Que vous ayez besoin d’un chatbot RAG pour un manuel de règles sportives, une base de connaissances d’entreprise, des documents de politique, des manuels, des règlements ou des documents de recherche, l’objectif reste le même : récupérer des preuves pertinentes et générer des réponses fiables et fondées.
Envoyez-moi un message dès aujourd’hui !
La technologie : chatbot RAG, développement RAG, optimisation RAG, audit RAG, évaluation RAG, question-réponse sur documents, base de connaissances IA, Python RAG, Claude AI, recherche hybride, recherche vectorielle, reranking, implémentation IA, agent IA, embeddings, citations de sources, réponses fondées, récupération de documents, dify, llamaindex, qdrant, n8n, lightrag, langgraph, Google Drive
Découvrez Sheldon Wisdom
Sheldon Wisdom
AI Automation Specialist Building Smart Business Workflow Systems
- DeRoyaume-Uni
- Membre depuisjuil. 2026
- Temps de réponse moy.1 heure
Langues
Anglais
I help businesses eliminate repetitive work by designing AI-powered automation systems, workflow integrations, and scalable digital processes. I specialize in connecting platforms through Make.com, Zapier, APIs, webhooks, CRMs, and AI tools to improve operations and productivity. From client onboarding and lead management to internal workflows and reporting systems, I build reliable solutions that save time, reduce manual effort, and help businesses operate smarter.
Traduction automatique
FAQ
Traduction automatique
Pouvez-vous optimiser un RAG existant au lieu de le reconstruire ?
Si vous avez déjà un prototype fonctionnel, je peux commencer avec le pipeline actuel plutôt que de le remplacer. Je peux examiner les questions échouées, le contexte récupéré, les prompts, la structure du document et les sorties du modèle pour localiser le point de défaillance principal. L’objectif est d’améliorer ce qui fonctionne sans reconstruction inutile.
Pouvez-vous construire des systèmes RAG pour des manuels de règles et règlements ?
Oui. Les manuels de règles, politiques, règlements, manuels et autres documents officiels sont des cas d’utilisation forts pour RAG. Le système peut récupérer la section pertinente, garder les réponses ancrées dans des preuves et fournir des citations si nécessaire. Le comportement précis dépend de vos documents et de vos besoins en précision.
Que pouvez-vous améliorer lorsque mon RAG donne des réponses incorrectes ?
Je peux examiner le parsing des documents, le découpage, les métadonnées, les embeddings, la récupération, la recherche hybride, le reranking, l’assemblage du contexte, les prompts et la génération de réponses. Je peux aussi transformer les réponses incorrectes enregistrées en un ensemble d’évaluation pour tester les changements contre des échecs connus plutôt que de juger uniquement par des démos.
Pouvez-vous travailler avec Claude et Python ?
Oui. Ce projet utilise Claude et liste Python comme compétence requise, donc ce service peut supporter des implémentations RAG basées sur Claude et des pipelines Python. Je privilégie votre architecture existante lorsque c’est possible, puis je ne modifie que les composants dont la défaillance est prouvée.
De quoi avez-vous besoin avant de commencer une optimisation RAG ?
Envoyez l’architecture ou la base de code actuelle, des documents sources d’exemple, plusieurs questions ayant produit des réponses incorrectes, et les réponses attendues. Si vous avez enregistré des échecs, incluez aussi ces données. Cela me permet de diagnostiquer le système à partir des preuves et de recommander la prochaine étape à forte valeur ajoutée avant toute modification.
