Así que te crearé un chatbot basado en RAG que puede usarse como tu proyecto universitario o como un proyecto que puedas agregar a tu currículum para potenciarlo. Estos chatbots también pueden integrarse a nivel empresarial si lo deseas. El chatbot será fácil de desplegar.
Trabajo de la siguiente manera:
Hito 1: Configuración y planificación del proyecto
- Entender los requisitos del cliente
- Finalizar las fuentes de datos (PDFs, sitios web, documentos)
- Configurar la estructura del proyecto y la pila tecnológica
- Entrega: plan del proyecto y confirmación de tecnología
Hito 2: Procesamiento y embebido de datos
- Recolectar y limpiar todos los documentos o datos
- Dividir y embeder los datos usando OpenAI o HuggingFace
- Almacenar los vectores en Pinecone o ChromaDB
- Entrega: base de datos de vectores funcional con datos embebidos
Hito 3: Desarrollo de la pipeline RAG
- Construir la lógica de recuperación usando LangChain
- Conectar la base de datos de vectores con LLM (OpenAI o Gemini)
- Probar la precisión de preguntas y respuestas
- Entrega: pipeline RAG funcional con resultados de prueba
Hito 4: Integración del frontend y la interfaz de usuario
- Crear la interfaz del chatbot usando React o Next.js
- Conectar el frontend con la API del backend RAG
- Agregar historial de chat y formato de respuestas
- Entrega: interfaz de chatbot completamente funcional
Hito 5: Pruebas, despliegue y entrega