Explorar las categorías
Explora
Fiverr Pro
Español
$
USD
Crearé un arnés de evaluación de llm para tu agente de IA o chatbot
Akash L
Acerca de este Servicio
Traducción automática
La mayoría de los agentes de IA se entregan sin ningún número asociado a ellos. Cambias un prompt, cambias un modelo, añades una herramienta, y nadie puede decir si mejoró o simplemente empeoró silenciosamente.
Yo construyo el arnés de evaluación que responde a eso.
Soy ingeniero de IA con 4 años de experiencia en producción. Fui el único autor del agente conversacional detrás del asistente integrado en una plataforma de cadena de suministro en EE. UU., una pipeline multi-agente LangGraph sobre una superficie de herramientas de 125 parámetros, y construí su capa de validación de tres pasadas: 38 campos verificados por enum, corrección de valores basada en LLM y una pasada de alucinaciones.
LO QUE OBTIENES
- Un conjunto de pruebas construido a partir de tu tráfico real o tu especificación
- Métricas que se ajustan a tu caso de uso: coincidencia exacta, similitud semántica, fidelidad, precisión en llamadas a herramientas, latencia y costo
- Puntuación como juez con rubricas calibradas
- Un comando que ejecuta toda la suite y genera un informe con puntuaciones
- Lineamientos de regresión para que puedas comparar cualquier par de versiones
- Opcionalmente, control de CI para que un prompt malo nunca llegue a producción
Pila: Python, pytest, LangChain, LangGraph, OpenAI, Anthropic, Llama, Ragas, DeepEval, MLflow.
Cuéntame qué hace tu agente y te diré qué mediría.
Conoce a Akash L
Akash L
AI Engineer, LLM Agents, RAG and MLOps
- DeIndia
- Miembro desdemar 2020
Idiomas
Tamil, Inglés
AI engineer with 4 years building LLM systems that run in production, not just demos.
I was sole author of a multi-agent LangGraph assistant for a US supply-chain platform. Plain-English questions turned into validated calls across a 125-parameter tool surface. It survived a re-platform and still runs today.
I build the unglamorous parts too: RAG pipelines, tool schemas, validation that degrades gracefully instead of crashing, and eval harnesses that catch regressions before your users do.
Python, LangGraph, LangChain, RAG, FastAPI, AWS.
Tell me what you are building.
Traducción automática
FAQ
Traducción automática
No tengo un conjunto de pruebas. ¿Aún puedes ayudarme?
Sí. La mayoría de los clientes no lo tienen. Yo construyo uno a partir de tus logs de producción, tus documentos o una especificación de lo que se supone que debe hacer el agente, y te muestro los casos antes de puntuar cualquier cosa.
¿Necesito dar acceso a mi código?
No. El arnés puede ejecutarse contra un endpoint API o un wrapper delgado que tú proporciones. El acceso al repositorio solo ayuda si quieres que el control de CI esté conectado directamente. Firmo un NDA si lo solicitas.
¿Qué frameworks y modelos soportas?
LangChain, LangGraph, LlamaIndex, CrewAI o una app en Python simple, funcionando en OpenAI, Anthropic, Llama o cualquier modelo detrás de una API. Si recibe texto y devuelve texto o llamadas a herramientas, puedo puntuarlo.
