Vou implementar busca vetorial rag e busca semântica de IA para seu ecommerce

V
valhallasoft
V
valhallasoft
Martin Poli
Algumas informações foram traduzidas automaticamente.

Sobre este Serviço

Tradução automática

Pare de perder vendas por causa de uma busca ruim.


Se a busca do seu ecommerce não retorna resultados quando os clientes digitam consultas naturais ao invés de SKUs exatos, você está deixando dinheiro na mesa. Eu implemento uma busca RAG e semântica de nível de produção que entende a intenção, não só palavras-chave.


Resultado real: atualmente lidero a migração de busca de IA para uma das maiores redes de varejo da América Latina (mais de 200 lojas, mais de 1 milhão de usuários diários, mais de 50 mil produtos), substituindo a API do Google Search por um sistema baseado em RAG que deve economizar 500 mil dólares por ano.


O que você recebe:

  • Configuração de banco de dados vetorial (Pinecone, Weaviate, Qdrant, pgvector)
  • - Estratégia de embedding e seleção de modelo
  • - Busca híbrida: palavras-chave + semântica + reranking
  • - Implantação em produção com monitoramento e fallback
  • - Configuração de testes A/B para comprovar o aumento

Pilha: Python (FastAPI), OpenAI / sentence-transformers, AWS, Docker, Kubernetes.


Por que me escolher: mais de 10 anos construindo backends de produção em escala. Engenheiro de Plataforma Sênior com responsabilidade de arquitetura entre equipes. Entrego entregáveis testados e documentados para que sua equipe assuma o sistema após a entrega.


Me envie uma mensagem com sua pilha, tamanho do catálogo e o que está quebrado na sua busca atual. Respondo em até 1 hora com passos concretos.

Conheça mais sobre Martin Poli

Martin Poli

Senior RAG and AI Search Engineer for Backend at Scale

  • A partir deUruguai
  • Membro desdemar. de 2020
  • Idiomas

    Inglês
Senior Platform Engineer with 10+ years building production systems at scale. Currently leading platform infra and AI search for Argentina's largest retail chain (200+ stores, 1M+ users/day), replacing Google Search API with RAG-based semantic search across 50K+ products. What I do best: - RAG, embeddings, OpenAI/Anthropic/Bedrock - Vector DBs: Pinecone, Weaviate, Qdrant, pgvector - Backend at scale: Python, Go, Node.js, PHP 8 - AWS EKS, Karpenter, Terraform, multi-account IaC Have a search problem or an LLM pipeline that won't ship? Send me your stack.

Tradução automática

Meu portfólio

Tags relacionadas