Ver categorias
Português
$
USD
Conecte-se à sua IA
Vou criar um chatbot rag ou chatbot IA treinado com seus documentos usando AWS bedrock
Devendra V
Sobre este Serviço
Tradução automática
Eu crio um chatbot RAG que responde a partir dos seus próprios documentos, mostra suas fontes e diz quando não sabe a resposta. Tenho 4,75 anos de experiência operando AWS em produção.
Chatbots genéricos inventam coisas. Um chatbot RAG é um IA treinada com seus dados por meio de retrieval, então cada resposta fica baseada nos seus PDFs, documentos e base de conhecimento.
O que você recebe:
- Ingestão de PDFs, páginas web, Notion, Google Drive ou banco de dados
- Busca vetorial ou híbrida com reranking
- Modelos OpenAI, Claude ou Amazon Bedrock
- API, chat na web ou bot para Slack e Teams
- Deploy na AWS com autenticação e controle de custos
Resultado recente: um chatbot RAG em produção na AWS Fargate e Aurora, onde aumentei a precisão de retrieval de 26/31 para 31/31, gastando menos de 1 centavo por pergunta, com avaliações noturnas.
Por que me escolher:
- Top Rated na Upwork com mais de 130 trabalhos concluídos
- Certificado HashiCorp Terraform Associate (003)
- 4,75 anos de experiência prática em AWS DevOps
Me envie uma mensagem com seus documentos e caso de uso antes de fazer o pedido, assim posso confirmar o pacote ideal.
Conheça mais sobre Devendra V
Devendra V
AI and DevOps Engineer, RAG, LLM Apps, AWS
- A partir deÍndia
- Membro desdeago. de 2026
- Responde em aprox.:1 hora
Idiomas
Hindi, Inglês, Gujarati
I build AI systems that run in production, not demos that break in week one. RAG pipelines over messy internal docs, LLM apps, and agents that do real work.
The difference is what sits underneath. 4.75 years on AWS, Terraform, Docker and CI/CD means I handle deployment, monitoring and cost control, not just the model call.
Recent work: a RAG backend serving live client queries, monitoring stacks for multi-tenant hosting, and a large AWS bill cut without downtime.
Tell me what you want to build and I will tell you straight whether it is a two day job or a two month one.
Tradução automática
Meu portfólio
Perguntas frequentes
Tradução automática
Qual banco de dados vetorial você usa?
pgvector no Postgres, OpenSearch, Pinecone, Qdrant ou Chroma. Para a maioria dos clientes, o pgvector mantém as coisas simples e baratas.
Meus dados ficarão privados?
Sim. Pode rodar na sua própria conta AWS, e com Bedrock seus dados permanecem dentro da AWS. Nada é usado para treinar modelos públicos.
O que você precisa de mim para começar?
Documentos de exemplo ou acesso ao local onde eles estão, uma lista curta de perguntas reais que os usuários fazem, e uma conta AWS ou uma chave de API para o modelo que você prefere. Eu envio uma lista de verificação após você fazer o pedido e nunca preciso da sua senha de root da AWS.
Quanto tempo leva e quantas revisões estão incluídas?
Cada pacote informa o prazo de entrega e o número de revisões. Conjuntos grandes de documentos ou integrações personalizadas podem levar mais tempo, então confirmo o prazo com você antes de você fazer o pedido.
Os custos de AWS e da API do modelo estão incluídos no preço?
Não. Hospedagem na AWS e uso da API do modelo são cobrados na sua própria conta. Eu projeto para ter baixo custo de operação, e meu próprio chatbot RAG de produção responde por menos de 1 centavo por pergunta.
