Explorar las categorías
Explora
Fiverr Pro
Español
$
USD
Construiré una pipeline de RAG de producción con langchain, chromadb y fastapi
Manas J
Acerca de este Servicio
Traducción automática
¿Estás creando un producto de IA que realmente funcione en producción y no solo una demostración?
Construyo pipelines de RAG de nivel producción usando LangChain, ChromaDB y FastAPI. He implementado sistemas RAG con recuperación de múltiples documentos, búsqueda semántica, memoria de conversación e interfaces de voz, incluyendo un proyecto reconocido en el Google GenAI Hackathon 2025. También publiqué una biblioteca AutoML de código abierto en PyPI y desarrollé un marco de evaluación de LLM de 7 métricas desde cero.
Lo que obtienes:
Pipeline RAG de múltiples documentos con LangChain + ChromaDB
Backend asincrónico con FastAPI y endpoints REST limpios
Búsqueda semántica con estrategia inteligente de fragmentación
Memoria de conversación + citación de fuentes
Despliegue en Docker listo para enviar
Código fuente + documentación detallada
No hago prototipos. Diseño sistemas pensados para usuarios reales y escalas reales.
Contáctame antes de ordenar, quiero entender tu caso de uso y asegurarme de entregarte exactamente lo que necesitas.
Conoce a Manas J
Manas J
Freelance AI Engineer
- DeIndia
- Miembro desdemay 2026
- Responde aprox. en:1 hora
Idiomas
Hindi, Oriya, Inglés, Punjabí
I am an AI Engineer and Backend Developer specializing in RAG pipelines, multi-agent systems, and LLM fine-tuning. I have extensive experience building production-grade backends with FastAPI, Celery, and Docker, and I have successfully led teams in high-stakes environment to deliver complex ML solutions.
Traducción automática
Mi porfolio
FAQ
Traducción automática
¿Qué tipo de documentos o fuentes de datos puede manejar la pipeline RAG?
PDF, texto plano, documentos Word y contenido obtenido mediante web-scraping. La pipeline utiliza una estrategia inteligente de fragmentación para manejar documentos grandes de manera eficiente, preservando el contexto entre fragmentos para una recuperación precisa.
¿Qué LLMs puedo usar con este sistema RAG?
OpenAI (GPT-4, GPT-3.5), Google Gemini, Anthropic Claude o modelos de código abierto a través de Ollama/HuggingFace. La arquitectura es independiente del modelo — cambiar el LLM requiere cambios mínimos.
¿Podré ejecutar esto en mi propio servidor?
Sí. Todo el sistema está containerizado con Docker y Docker Compose. Obtienes una configuración auto-hospedada sin dependencia de un proveedor. También te proporcionaré instrucciones claras para el despliegue.
¿Necesito saber Python o IA para usar el sistema entregado?
No. Entrego una API funcional con documentación. Si tienes un equipo de desarrollo, podrán extenderlo fácilmente. Si no, el sistema funciona desde el primer momento mediante los endpoints de FastAPI.
¿Qué necesitas de mí para empezar?
Una breve descripción de tu caso de uso, los datos/documentos que quieres consultar y qué proveedor de LLM prefieres. Confirmaré el alcance antes de comenzar.
