Explorar las categorías
Explora
Fiverr Pro
Español
$
USD
Construiré un sistema RAG de producción sobre tus documentos
Cheolhee Lee
Acerca de este Servicio
Traducción automática
Construyo sistemas RAG de producción que responden desde TUS documentos con citas, no con alucinaciones.
Lo que obtienes
- Canal de ingesta de documentos (PDF, DOCX, HTML, Notion, Confluence) con segmentación consciente del diseño
- Recuperación híbrida: BM25 + vectores densos + reordenamiento, ajustado en tu propio conjunto de evaluación
- Síntesis de respuestas con citas en línea y rechazo cuando falta evidencia
- Servicio FastAPI / Node, Docker, CI y un panel de administración para reindexar
Por qué yo
Implemento sistemas LLM en producción. Resultados recientes medidos: 70% menos latencia p95, 38% menos costo de servicio, 49% menos tokens de salida mediante caché de contexto, salida estructurada y enrutamiento de modelos.
Pila tecnológica
Python, TypeScript, LangChain, LlamaIndex, OpenAI / Anthropic / vLLM, pgvector, Qdrant, Elasticsearch, Postgres, Redis, Docker, AWS.
Envíame una muestra de tus documentos y las preguntas que necesitas responder, y te diré exactamente qué es posible antes de que hagas el pedido.
Conoce a Cheolhee Lee
Cheolhee Lee
AI Full Stack Developer specializing in LLM and RAG optimization
- DeCorea del Sur
- Miembro desdeabr 2021
- Responde aprox. en:1 hora
Idiomas
Coreano, Inglés
I keep my employer and my clients unnamed here.
I ship production AI systems end to end at an undisclosed B2B AI SaaS company - a sales-automation SaaS and a public-sector AI evaluation platform.
Measured: LLM p95 latency -70%, serving cost -38%, output tokens -49% via context caching and structured output. 125x list speedup, threads query 411ms to 1.6ms, bundle 21.7MB to 2.3MB. Re-homed three LLM models to an on-prem DGX with zero downtime; passed TTA review for Korea's AI Verification program.
TypeScript, Python, Rust, Go, React, PostgreSQL, AWS, RAG, vLLM, MCP.
Traducción automática
