Construiré un agente de IA personalizado o un sistema multi-agente

Diseño y construyo agentes de IA que realmente hacen trabajo, no solo chatean. Usando LangGraph para orquestación, pipelines RAG para respuestas fundamentadas y llamadas a herramientas para que los agentes puedan actuar sobre datos reales, creo sistemas que planifican, buscan, verifican y completan tareas de múltiples pasos.

Construcción reciente: un sistema de orquestación de investigación con 24 agentes que redujo la resolución de consultas de múltiples pasos a menos de 90 segundos (p95), mejoró la precisión un 40% respecto a una línea base de un solo agente y alcanzó más del 90% de precisión en citas, todo mientras mantenía el costo de inferencia por debajo de $0.50 por consulta mediante enrutamiento escalonado de LLM y almacenamiento en caché de prompts.

Con qué trabajo:

LangChain / LangGraph, pipelines RAG, Chroma vector DB, llamadas a herramientas, FastAPI, LiteLLM (enrutamiento multi-proveedor), ingeniería y almacenamiento en caché de prompts, Python.

Cómo trabajo:

Antes de escribir código, definiré exactamente el flujo de trabajo que necesitas automatizar, dime la tarea (investigación, soporte, extracción de datos, informes, etc.) y confirmaré la arquitectura del agente contigo antes de comenzar, para que no haya sorpresas en la entrega.