Construiré y desplegaré un sistema multimodal rag para ti

Tus documentos, imágenes, sitios web y APIs en vivo contienen respuestas, pero solo si algo puede buscar en todos ellos al mismo tiempo. Construyo sistemas multimodales RAG (generación aumentada por recuperación) que hacen exactamente eso: un asistente de IA, basado en todas las fuentes que tienes, que responde con citas reales en lugar de suposiciones.

Lo que incluye:

• Ingesta de documentos, imágenes y URLs, OCR y embeddings de visión para imágenes, indexados en una base de datos vectorial (Pinecone, Chroma o Weaviate)
• Búsqueda semántica híbrida con re-ranking, para que la recuperación siga siendo precisa a medida que crece tu base de conocimientos
• Integración en API en vivo, para que las respuestas combinen conocimientos almacenados con datos en tiempo real, no solo archivos estáticos
• Integración con LLM (OpenAI, Claude o modelos de código abierto como Qwen) con ingeniería de prompts ajustada para reducir alucinaciones
• Una interfaz de chat limpia o endpoint de API, con citas de fuentes en cada respuesta

Por qué trabajar conmigo:

Soy ingeniero en visión por computadora y aprendizaje automático con 5 años de experiencia en producción, incluyendo ajuste fino de LLM (QLoRA en Qwen) y sistemas de visión, las habilidades exactas que necesita un multimodal RAG, no solo envolver prompts.

Cuéntame tus fuentes de datos y caso de uso antes de ordenar, y diseñaré la arquitectura adecuada