Explorar las categorías
Explora
Fiverr Pro
Español
$
USD
Construiré una pipeline de RAG de producción sobre tu conocimiento empresarial
Ehsan
Acerca de este Servicio
Traducción automática
Las demos de RAG son fáciles. Lo que no es fácil es que RAG sobreviva a preguntas reales.
Construyo pipelines de recuperación que aguantan cuando un usuario real hace una pregunta incómoda: recuperación híbrida (vector más palabra clave), una etapa de reordenamiento, segmentación diseñada en torno a la forma de tu documento en lugar de un conteo fijo de tokens, y un conjunto de evaluación para que puedas demostrar la precisión en lugar de esperar que la tenga.
Lo que obtienes:
- Ingesta de tus fuentes reales: PDFs, documentos, hojas, sitios web, tablas de bases de datos, tickets de soporte
- Limpieza y una representación canónica del documento, el paso que la mayoría de los pipelines omiten
- Recuperación híbrida más reordenamiento con cross-encoder, ajustado a tus propias preguntas
- Un conjunto de preguntas de oro con resultados calificados, para que puedas ver una regresión antes de que la encuentren tus usuarios
- Generación fundamentada con citas que remiten al fragmento fuente
- Implementado como una API que tú posees, o directamente en tu app existente
Ejecutamos esto en un sistema de producción multi-inquilino, incluyendo las partes menos glamurosas: reindexación cuando cambia el contenido, costo por consulta, presupuestos de latencia y carriles de respaldo.
Cuéntame cuáles son tus documentos y qué necesitan preguntarles las personas.
Conoce a Ehsan
Ehsan
AI Agent and RAG Engineer
- DeIndia
- Miembro desdejun 2024
- Responde aprox. en:1 hora
Idiomas
Inglés
I build AI agents that answer from your business, not from guesswork.
My focus is retrieval - RAG: getting your catalogue, docs and policies into a pipeline the agent can be held to, so it cites real sources and escalates what it cannot ground.
I run a multi-tenant agent platform in production, so I work on the unglamorous parts daily: re-indexing, evals, cost per query, human handoff.
Typical work: WhatsApp and website support agents, internal knowledge assistants, custom tool-using agents, and audits of RAG systems that fail in production.
I say so when an agent is the wrong tool.
Traducción automática
FAQ
Traducción automática
¿Qué base de datos vectorial usas?
Postgres con pgvector por defecto: barato y con un sistema menos que mantener. Pinecone, Qdrant o Weaviate si ya los usas o prefieres esas opciones.
¿En qué LLM se ejecutará?
En el tuyo o en el mío. OpenAI, Anthropic, Gemini, o modelos de peso abierto que tú hospedas. La auto-hospedaje realmente resulta más barato después de cierto volumen y te diré honestamente dónde está ese límite para tu uso.
¿Puede funcionar completamente en nuestra infraestructura?
Sí, incluyendo modelos auto-hospedados, sin que el contenido de los documentos salga de tu entorno. Dímelo desde el principio tus restricciones de residencia de datos y ajustaré el alcance a ellas.
¿Cómo sé que la recuperación es realmente precisa?
Obtienes un conjunto de preguntas de oro con resultados de recuperación calificados en tus propios datos. La precisión se reporta con números, no solo se afirma. En Standard y Premium también obtienes puntuaciones antes y después.
¿Puedes trabajar con documentos o imágenes escaneadas?
Sí, con OCR. Menciónalo cuando me envíes un mensaje para que lo tenga en cuenta, porque las fuentes escaneadas cambian significativamente el trabajo de ingesta.
