Ver categorias
Explorar
Fiverr Pro
Português
$
USD
Vou construir uma pipeline de RAG de produção com langchain, chromadb e fastapi
Manas J
Sobre este Serviço
Tradução automática
Você está criando um produto de IA que precisa realmente funcionar em produção, não apenas uma demonstração?
Eu construo pipelines de RAG de nível de produção usando LangChain, ChromaDB e FastAPI. Já implementei sistemas de RAG com recuperação de múltiplos documentos, busca semântica, memória de conversa e interfaces de voz, incluindo um projeto reconhecido no Google GenAI Hackathon 2025. Também publiquei uma biblioteca AutoML de código aberto no PyPI e criei uma estrutura de avaliação de LLM com 7 métricas do zero.
O que você recebe:
Pipeline de RAG com múltiplos documentos usando LangChain + ChromaDB
Backend assíncrono com FastAPI e endpoints REST limpos
Busca semântica com estratégia inteligente de chunking
Memória de conversa + citação de fontes
Pronto para implantação em Docker
Código fonte + documentação detalhada
Eu não faço protótipos. Eu projeto sistemas feitos para usuários reais e escala real.
Me envie uma mensagem antes de fazer o pedido, quero entender seu caso de uso e garantir que entregarei exatamente o que você precisa.
Conheça mais sobre Manas J
Manas J
Freelance AI Engineer
- A partir deÍndia
- Membro desdemai. de 2026
- Responde em aprox.:1 hora
Idiomas
Hindi, Oriá, Inglês, Panjabi
I am an AI Engineer and Backend Developer specializing in RAG pipelines, multi-agent systems, and LLM fine-tuning. I have extensive experience building production-grade backends with FastAPI, Celery, and Docker, and I have successfully led teams in high-stakes environment to deliver complex ML solutions.
Tradução automática
Meu portfólio
Perguntas frequentes
Tradução automática
Que tipo de documentos ou fontes de dados o pipeline de RAG pode lidar?
PDF, texto simples, documentos Word e conteúdo raspado da web. O pipeline usa uma estratégia inteligente de chunking para lidar com documentos grandes de forma eficiente, preservando o contexto entre os chunks para uma recuperação precisa.
Quais LLMs posso usar com esse sistema de RAG?
OpenAI (GPT-4, GPT-3.5), Google Gemini, Anthropic Claude ou modelos de código aberto via Ollama/HuggingFace. A arquitetura é independente do modelo — trocar o LLM requer poucas mudanças.
Vou poder rodar isso no meu próprio servidor?
Sim. Todo o sistema é containerizado com Docker e Docker Compose. Você tem uma configuração auto-hospedável, sem dependência de fornecedor. Também fornecerei instruções claras de implantação.
Preciso saber Python ou IA para usar o sistema entregue?
Não. Eu entrego uma API funcional com documentação. Se você tiver uma equipe de desenvolvimento, eles podem expandi-la facilmente. Se não, o sistema funciona imediatamente pelas endpoints do FastAPI.
O que você precisa de mim para começar?
Uma breve descrição do seu caso de uso, os dados/documentos que você quer que o sistema consulte e qual provedor de LLM você prefere. Confirmarei o escopo antes de começar.
