Kategorien durchsuchen
Deutsch
$
USD
Verbinden Sie sich mit Ihrer KI
Ich baue einen rag-Chatbot oder KI-Chatbot, der auf deinen Dokumenten mit AWS Bedrock trainiert wird
Devendra V
Über diesen Service
Automatische Übersetzung
Ich erstelle einen RAG-Chatbot, der aus deinen eigenen Dokumenten antwortet, seine Quellen anzeigt und sagt, wenn er es nicht weiß. Ich habe 4,75 Jahre Erfahrung im Betrieb von AWS in der Produktion.
Generische Chatbots erfinden Dinge. Ein RAG-Chatbot ist ein KI-Chatbot, der auf deinen Daten durch Retrieval trainiert wird, sodass jede Antwort in deinen PDFs, Dokumenten und deiner Wissensdatenbank verankert bleibt.
Was du bekommst:
- PDFs, Webseiten, Notion, Google Drive oder eine Datenbank einbinden
- Vektor- oder Hybridsuche mit Neu-Ranking
- OpenAI-, Claude- oder Amazon Bedrock-Modelle
- API, Web-Chat oder Slack- und Teams-Bot
- Auf AWS bereitgestellt mit Authentifizierung und Kostenkontrolle
Aktuelles Ergebnis: Ein produktionsreifer RAG-Chatbot auf AWS Fargate und Aurora, bei dem ich die Retrieval-Genauigkeit von 26/31 auf 31/31 erhöht habe, bei weniger als 1 Cent pro Frage, mit nächtlichen Auswertungen.
Warum ich:
- Top bewertet auf Upwork mit über 130 abgeschlossenen Jobs
- HashiCorp Terraform Associate (003) zertifiziert
- 4,75 Jahre praktische AWS DevOps-Erfahrung
Schick mir eine Nachricht mit deinen Dokumenten und deinem Anwendungsfall, bevor du bestellst, damit ich das passende Paket bestätigen kann.
Lerne Devendra V kennen
Devendra V
AI and DevOps Engineer, RAG, LLM Apps, AWS
- AusIndien
- Mitglied seitAug. 2026
- ⌀ Antwortzeit1 Stunde
Sprachen
Hindi, Englisch, 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.
Automatische Übersetzung
Mein Portfolio
FAQ
Automatische Übersetzung
Welche Vektordatenbank verwendest du?
pgvector auf Postgres, OpenSearch, Pinecone, Qdrant oder Chroma. Für die meisten Kunden hält pgvector es einfach und günstig.
Bleiben meine Daten privat?
Ja. Es kann in deinem eigenen AWS-Konto laufen, und mit Bedrock bleiben deine Daten innerhalb von AWS. Es wird nichts verwendet, um öffentliche Modelle zu trainieren.
Was brauchst du von mir, um anzufangen?
Beispieldokumente oder Zugriff auf den Ort, an dem sie gespeichert sind, eine kurze Liste mit echten Fragen, die Nutzer stellen, und ein AWS-Konto oder API-Schlüssel für das Modell, das du bevorzugst. Ich schicke dir eine Checkliste, nachdem du bestellt hast, und benötige niemals dein AWS-Root-Passwort.
Wie lange dauert es und wie viele Revisionen sind inklusive?
Jedes Paket gibt seine Lieferzeit und die Anzahl der Revisionen an. Große Dokumentenmengen oder individuelle Integrationen können länger dauern, deshalb bestätige ich den Zeitplan mit dir, bevor du bestellst.
Sind AWS- und Model-API-Kosten im Preis inbegriffen?
Nein. AWS-Hosting und die Nutzung der Model-API werden auf deinen eigenen Konten abgerechnet. Ich plane für niedrige Betriebskosten, und mein eigener Produktions-RAG-Chatbot beantwortet Fragen für weniger als 1 Cent pro Anfrage.
