Ver categorias
Explorar
Fiverr Pro
Português
$
USD
Vou construir um chatbot rag com base de conhecimento personalizada usando python
Muhammad H
Sobre este Serviço
Tradução automática
Vou criar um chatbot RAG (Retrieval-Augmented Generation) pronto para produção, que responde perguntas com base nos SEUS documentos de dados, sites ou bancos de dados usando Python, LangChain e OpenAI ou Claude.
O que eu entrego:
Pipeline de ingestão de documentos PDF, DOCX, TXT, HTML, CSV ou páginas web
Segmentação inteligente e embeddings com Pinecone ou pgvector
Respostas precisas com citações de fontes para reduzir alucinações
Memória de conversa para um chat natural de múltiplas rodadas
Backend FastAPI com endpoints REST limpos
Endpoint de administração para fazer upload e atualizar sua base de conhecimento
Código pronto para Docker com suporte para implantação na AWS
Já desenvolvi sistemas RAG usados em produtos reais, incluindo um chatbot RAG multi-inquilino (MeiChat) que atende vários clientes com bases de conhecimento personalizadas.
Tecnologias: Python, LangChain, LangGraph, OpenAI GPT-4o, Claude, Pinecone, pgvector, PostgreSQL, Redis, FastAPI, Docker, AWS
Se você precisa de um bot simples de perguntas e respostas de documentos ou de um sistema completo de produção com citações, memória e monitoramento, eu entrego código limpo, escalável e que funciona.
Conheça mais sobre Muhammad H
Muhammad H
AI Engineer specializing in LLM Agents RAG Systems Python and FastAPI
- A partir dePaquistão
- Membro desdejul. de 2026
Idiomas
Inglês, Urdu, Panjabi
I build production AI systems - AI agents, RAG pipelines, LLM applications, and multi-tenant SaaS backends - using Python, FastAPI, LangGraph, and PydanticAI. Over 5 years I have shipped agentic assistants with tool calling and real-time streaming, multi-tenant RAG chatbot platforms with Pinecone and OpenAI/Claude integrations, and scalable backend systems on AWS with PostgreSQL, Redis, and Docker. I work with startups and product teams who need AI that works in production, not just demos. Let's connect.
Tradução automática
Perguntas frequentes
Tradução automática
Quais fontes de dados o chatbot pode usar?
Arquivos PDF, DOCX, TXT, HTML, CSV, sites e bancos de dados como PostgreSQL. Eu construo um pipeline de ingestão que segmenta e embeda seu conteúdo em um banco vetorial como Pinecone ou pgvector.
O chatbot vai inventar respostas (alucinar)?
Eu fundamenta cada resposta nos seus dados usando retrieval e adiciono citações de fontes. Quando a resposta não está na sua base de conhecimento, o bot informa isso ao invés de adivinhar. Também ajusto prompts e configurações de retrieval para maximizar a precisão.
Você consegue implantar e integrar com meu site?
Sim. Entrego código pronto para Docker, posso implantar na AWS e expor uma API REST limpa que você pode conectar a qualquer site ou aplicativo. Enviarei um questionário rápido após seu pedido para coletar suas fontes de dados e requisitos.
