Kategorien durchsuchen
Entdecken
Fiverr Pro
Deutsch
$
USD
Ich werde eine Produktions-RAG-Pipeline mit langchain, chromadb und fastapi aufbauen
Manas J
Über diesen Service
Automatische Übersetzung
Baust du ein KI-Produkt, das in der Produktion wirklich funktionieren soll, nicht nur eine Demo?
Ich entwickle produktionsreife RAG-Pipelines mit LangChain, ChromaDB und FastAPI. Ich habe RAG-Systeme mit Multi-Dokumenten-Retrieval, semantischer Suche, Gesprächsspeicher und Sprachschnittstellen geliefert, darunter ein Projekt, das beim Google GenAI Hackathon 2025 anerkannt wurde. Außerdem habe ich eine Open-Source-AutoML-Bibliothek auf PyPI veröffentlicht und einen 7-Metrik-LLM-Bewertungsrahmen von Grund auf aufgebaut.
Was du bekommst:
Multi-Dokumenten RAG-Pipeline mit LangChain + ChromaDB
Asynchrones FastAPI-Backend mit sauberen REST-Endpunkten
Semantische Suche mit intelligenter Chunking-Strategie
Gesprächsspeicher + Quellenangabe
Docker-Bereitstellung zum Versand
Quellcode + detaillierte Dokumentation
Ich erstelle keine Prototypen. Ich architekkiere Systeme, die für echte Nutzer und echten Umfang gebaut sind.
Schreib mir vor der Bestellung, ich möchte deinen Anwendungsfall verstehen und sicherstellen, dass ich genau das liefere, was du brauchst.
Lerne Manas J kennen
Manas J
Freelance AI Engineer
- AusIndien
- Mitglied seitMai 2026
- ⌀ Antwortzeit1 Stunde
Sprachen
Hindi, Oriya, Englisch, Punjabi
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.
Automatische Übersetzung
Mein Portfolio
FAQ
Automatische Übersetzung
Welche Arten von Dokumenten oder Datenquellen kann die RAG-Pipeline verarbeiten?
PDF, Klartext, Word-Dokumente und webgescrapete Inhalte. Die Pipeline nutzt eine intelligente Chunking-Strategie, um große Dokumente effizient zu verarbeiten und den Kontext über die Chunks hinweg zu bewahren, für eine genaue Abfrage.
Welche LLMs kann ich mit diesem RAG-System verwenden?
OpenAI (GPT-4o, GPT-3.5), Google Gemini, Anthropic Claude oder Open-Source-Modelle über Ollama/HuggingFace. Die Architektur ist modellunabhängig — der Austausch des LLM erfordert nur minimale Änderungen.
Werde ich das auf meinem eigenen Server laufen lassen können?
Ja. Das gesamte System ist mit Docker und Docker Compose containerisiert. Du erhältst eine selbsthostbare Lösung ohne Vendor-Lock-in. Ich liefere auch klare Deployment-Anleitungen.
Muss ich Python oder KI kennen, um das System zu nutzen?
Nein. Ich liefere eine funktionierende API mit Dokumentation. Wenn du ein Entwicklungsteam hast, können sie es leicht erweitern. Ansonsten funktioniert das System sofort über die FastAPI-Endpunkte.
Was benötigen Sie von mir, um zu beginnen?
Eine kurze Beschreibung deines Anwendungsfalls, der Daten/Dokumente, die das System abfragen soll, und welcher LLM-Anbieter dir am liebsten ist. Ich bestätige den Umfang vor Beginn.
