Kategorien durchsuchen
Entdecken
Fiverr Pro
Deutsch
$
USD
Ich werde einen rag-Chatbot mit benutzerdefinierter Wissensbasis mit Python erstellen
Muhammad H
Über diesen Service
Automatische Übersetzung
Ich werde einen produktionsbereiten RAG (Retrieval-Augmented Generation) Chatbot bauen, der Fragen aus DEINEN Daten, Webseiten oder Datenbanken mit Python, LangChain und OpenAI oder Claude beantwortet.
Was ich liefere:
Dokument-Ingestions-Pipeline PDF, DOCX, TXT, HTML, CSV oder Webseiten
Intelligentes Chunking und Embeddings mit Pinecone oder pgvector
Genaue Antworten mit Quellenangaben zur Verringerung von Halluzinationen
Gesprächsspeicher für natürliches Multi-Turn-Chat
FastAPI-Backend mit sauberen REST-Endpunkten
Admin-Endpunkt zum Hochladen und Aktualisieren deiner Wissensbasis
Docker-fertiger Code mit AWS-Deployment-Unterstützung
Ich habe RAG-Systeme entwickelt, die in echten Produkten verwendet werden, darunter ein Multi-Tenant-Enterprise-RAG-Chatbot (MeiChat), der mehrere Kunden mit benutzerdefinierten Wissensbasen bedient.
Technologien: Python, LangChain, LangGraph, OpenAI GPT-4o, Claude, Pinecone, pgvector, PostgreSQL, Redis, FastAPI, Docker, AWS
Ob du einen einfachen Dokumenten-Q&A-Bot oder ein vollständiges Produktionssystem mit Zitaten, Speicher und Überwachung brauchst, ich liefere sauberen, skalierbaren Code, der funktioniert.
Lerne Muhammad H kennen
Muhammad H
AI Engineer specializing in LLM Agents RAG Systems Python and FastAPI
- AusPakistan
- Mitglied seitJuli 2026
Sprachen
Englisch, Urdu, Punjabi
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.
Automatische Übersetzung
FAQ
Automatische Übersetzung
Welche Datenquellen kann der Chatbot nutzen?
PDF-, DOCX-, TXT-, HTML-, CSV-Dateien, Webseiten und Datenbanken wie PostgreSQL. Ich erstelle eine Ingestion-Pipeline, die deine Inhalte chunked und in eine Vektor-Datenbank wie Pinecone oder pgvector embedet.
Wird der Chatbot Dinge erfinden (halluzinieren)?
Ich gründe jede Antwort auf deine Daten durch Retrieval und füge Quellenangaben hinzu. Wenn die Antwort nicht in deiner Wissensbasis ist, sagt der Bot das stattdessen, anstatt zu raten. Ich optimiere auch Prompts und Retrieval-Einstellungen, um die Genauigkeit zu maximieren.
Kannst du es bereitstellen und in meine Webseite integrieren?
Ja. Ich liefere Docker-fertigen Code, kann auf AWS deployen und eine saubere REST-API bereitstellen, die du mit jeder Webseite oder App verbinden kannst. Nach deiner Bestellung sende ich einen kurzen Fragebogen, um deine Datenquellen und Anforderungen zu erfassen.
