Vou construir um chatbot de base de conhecimento rag com citações de fontes
Sobre este Serviço
Tradução automática
Vou criar um sistema de geração com recuperação aprimorada que permite aos usuários fazer perguntas a partir da sua documentação, políticas, centro de ajuda, PDFs ou conhecimento interno, recebendo respostas fundamentadas na fonte. Este serviço é pensado para produtos SaaS, portais de suporte ao cliente e sistemas internos de negócios. Eu cuido de mais do que a interface de chat: ingestão de documentos, segmentação, metadados, embeddings, recuperação, citações, permissões e salvaguardas de produção são implementados de acordo com o escopo acordado.
Recursos possíveis:
- Ingestão de PDFs, documentos ou centro de ajuda
- Recuperação com PostgreSQL/pgvector ou Qdrant
- Acesso ao conhecimento com consciência de inquilino e função
- Citações de fontes
- Histórico de conversas
- Workflow de upload e reindexação pelo administrador
- Avaliação de recuperação e feedback
- Integração com OpenAI ou Claude
Posso integrar o assistente diretamente em uma aplicação Laravel/PHP existente ou expô-lo por meio de APIs seguras para outra plataforma. A qualidade do RAG depende da qualidade dos documentos e das regras de recuperação necessárias. Me envie uma mensagem antes de fazer o pedido com exemplos de documentos, funções de usuário e perguntas esperadas.
Conheça mais sobre Asad Rafique
Senior Laravel and AI Automation Engineer n8n APIs SaaS
- A partir dePaquistão
- Membro desdenov. de 2012
- Responde em aprox.:1 hora
- Última entrega8 meses
Idiomas
Urdu, Panjabi, Inglês, Hindi
Tradução automática
Meu portfólio
Perguntas frequentes
Tradução automática
Isso é diferente de um chatbot básico?
Sim. Um assistente RAG busca informações relevantes nas suas fontes de conhecimento aprovadas antes de gerar uma resposta. A implementação pode incluir citações, filtros de metadados e regras de acesso, ao invés de depender apenas do conhecimento geral do modelo.
Qual banco de vetores você vai usar?
Vou recomendar PostgreSQL com pgvector ou Qdrant, dependendo da sua infraestrutura atual, volume de documentos, necessidades de filtragem e requisitos operacionais. A escolha do banco de dados é finalizada durante o escopo.
Clientes ou equipes diferentes podem ter documentos separados?
Sim. Recuperação consciente do inquilino ou da função pode ser implementada no escopo Padrão ou Premium após revisar seu modelo de autorização.
Você garante que todas as respostas estarão corretas?
Nenhum sistema de RAG responsável pode garantir respostas perfeitas. Posso implementar citações, casos de avaliação, comportamento de fallback e controles de feedback para reduzir respostas não suportadas e medir a qualidade.
Custos de API de IA e hospedagem estão incluídos?
Não. Uso do modelo, hospedagem de vetores, armazenamento e outras taxas de terceiros são pagas pelo cliente diretamente.
Você consegue ingerir qualquer site automaticamente?
Somente conteúdo que o cliente possui ou tem autorização para processar. A fonte deve permitir acesso e ser tecnicamente adequada. A varredura de sites é escopo separado da ingestão de documentos.
