Explorar las categorías
Explora
Fiverr Pro
Español
$
USD
Construiré un chatbot RAG con base de conocimientos personalizada usando python
Muhammad H
Acerca de este Servicio
Traducción automática
Construiré un chatbot RAG (Retrieval-Augmented Generation) listo para producción que responde preguntas de TUS documentos, sitios web o bases de datos usando Python, LangChain y OpenAI o Claude.
Lo que entrego:
Pipeline de ingestión de documentos PDF, DOCX, TXT, HTML, CSV o páginas web
Segmentación inteligente y embeddings con Pinecone o pgvector
Respuestas precisas con citas de fuentes para reducir alucinaciones
Memoria de conversación para chat natural de múltiples turnos
Backend FastAPI con endpoints REST limpios
Endpoint de administrador para subir y actualizar tu base de conocimientos
Código listo para Docker con soporte para despliegue en AWS
He construido sistemas RAG utilizados en productos reales, incluyendo un chatbot RAG empresarial multi-inquilino (MeiChat) que atiende a múltiples clientes con bases de conocimientos personalizadas.
Tecnologías: Python, LangChain, LangGraph, OpenAI GPT-4o, Claude, Pinecone, pgvector, PostgreSQL, Redis, FastAPI, Docker, AWS
Ya sea que necesites un bot simple de preguntas y respuestas sobre documentos o un sistema completo de producción con citas, memoria y monitoreo, entrego código limpio y escalable que funciona.
Conoce a Muhammad H
Muhammad H
AI Engineer specializing in LLM Agents RAG Systems Python and FastAPI
- DePakistán
- Miembro desdejul 2026
Idiomas
Inglés, Urdu, Punjabí
I build production AI systems - AI agents, RAG pipelines, LLM applications, and multi-tenant SaaS backends - using Python, FastAPI, LangGraph, and PydanticAI. Over 5 years I have shipped agentic assistants with tool calling and real-time streaming, multi-tenant RAG chatbot platforms with Pinecone and OpenAI/Claude integrations, and scalable backend systems on AWS with PostgreSQL, Redis, and Docker. I work with startups and product teams who need AI that works in production, not just demos. Let's connect.
Traducción automática
FAQ
Traducción automática
¿Qué fuentes de datos puede usar el chatbot?
Archivos PDF, DOCX, TXT, HTML, CSV, sitios web y bases de datos como PostgreSQL. Construyo un pipeline de ingestión que segmenta y embebe tu contenido en una base de datos vectorial como Pinecone o pgvector.
¿El chatbot inventará cosas (hallucinará)?
Fundamento cada respuesta en tus datos usando recuperación y añado citas de fuentes. Cuando la respuesta no está en tu base de conocimientos, el bot lo dice en lugar de adivinar. También ajusto prompts y configuraciones de recuperación para maximizar la precisión.
¿Puedes desplegarlo e integrarlo con mi sitio web?
Sí. Entrego código listo para Docker, puedo desplegar en AWS y expongo una API REST limpia que puedes conectar a cualquier sitio web o app. Enviaré un cuestionario breve después de que hagas tu pedido para recopilar tus fuentes de datos y requisitos.
