Kategorien durchsuchen
Entdecken
Fiverr Pro
Deutsch
$
USD
Ich werde eine benutzerdefinierte RAG-Anwendung mit Python, Qdrant und LLMs erstellen
Rahman
Über diesen Service
Automatische Übersetzung
Suchst du eine RAG-Anwendung, die Fragen aus deinen eigenen Dokumenten beantworten kann?
Ich entwickle eine maßgeschneiderte Retrieval-Augmented Generation (RAG)-Anwendung in Python, die relevante Informationen aus deinen Dokumenten abruft und ein LLM nutzt, um fundierte Antworten zu generieren.
Was ich bauen kann:
- Dokumentenladen und Textaufteilung
- Embedding-Erstellung mit Sentence Transformers
- Vektor-Suche mit Qdrant
- Reranking der gefundenen Ergebnisse
- Antwortgenerierung basierend auf LLM
- Verifizierung der Grounding gegen die gefundenen Beweise
- FastAPI-Integration, wo erforderlich
- Sauberer, wartbarer Python-Code
- Quellcode ist im Auftrag enthalten
Ich kann mit deiner bestehenden Anwendung arbeiten oder die RAG-Komponente als eigenständigen Service bauen.
Die genauen Funktionen hängen vom gewählten Paket ab. Wenn deine Anforderungen komplexer sind als die aufgelisteten Pakete, schreib mir vor der Bestellung, damit wir den Umfang klar definieren können.
Mein Fokus liegt darauf, strukturierte, testbare RAG-Systeme zu bauen, die auf zuverlässigem Retrieval basieren, anstatt nur ein LLM an einen Prompt anzuschließen.
Lerne Rahman kennen
Rahman
AI ML GenAI Engineer RAG Agentic AI
- AusNepal
- Mitglied seitAug. 2026
- ⌀ Antwortzeit1 Stunde
Sprachen
Nepali, Englisch
I’m an AI/ML and GenAI engineer focused on building reliable, production-oriented AI systems.
I build RAG applications, agentic AI workflows, LLM-powered services, and Python APIs using technologies such as LangGraph, FastAPI, vector databases, embeddings, reranking, and grounding verification.
My focus goes beyond making an LLM generate an answer. I care about retrieval quality, evidence grounding, structured workflows, validation, testing, and production reliability.
I can help turn an AI idea into a structured, testable system designed to work beyond a simple prototype.
Automatische Übersetzung
Mein Portfolio
FAQ
Automatische Übersetzung
Was brauchst du von mir, um die RAG-Anwendung zu bauen?
Ich brauche deine Anforderungen, die Dokumente oder Daten, mit denen das System arbeiten soll, und Details zu deiner bestehenden Anwendung, falls du eine Integration möchtest.
Kannst du eine RAG-Anwendung von Grund auf neu bauen?
Ja. Ich kann die RAG-Komponente als eigenständige Anwendung entwickeln oder in eine bestehende Python-Anwendung integrieren, abhängig vom gewählten Paket.
Kann das RAG-System meine eigenen Dokumente verwenden?
Ja. Das System kann so gestaltet werden, dass es Informationen aus deinen bereitgestellten Dokumenten abruft und die gefundenen Beweise für die Antwortgenerierung nutzt.
Welche Technologien nutzen Sie?
Ich arbeite hauptsächlich mit Python, Sentence Transformers, Qdrant, LangChain, FastAPI und LLMs. Die genauen Technologien hängen von den Projektanforderungen und dem gewählten Paket ab.
Kannst du RAG in meine bestehende Anwendung integrieren?
Ja. Die RAG-Funktionalität kann in eine bestehende Anwendung integriert werden, wenn die erforderlichen Schnittstellen und die Projektstruktur vorhanden sind.
Stellen Sie den Quellcode zur Verfügung?
Ja. Quellcode ist je nach gewähltem Paket enthalten.
Fasst du LLMs fein ab?
Feinabstimmung ist in diesem Gig nicht enthalten. Dieser Service konzentriert sich auf RAG-Architektur, Retrieval, Reranking, Grounding und LLM-Integration.
Kannst du ein komplexeres RAG-System bauen als die Pakete beschreiben?
Ja. Wenn du Anforderungen hast, die zusätzliche Retrieval-, API-, Evaluations- oder Grounding-Funktionen beinhalten, kontaktiere mich vor der Bestellung, damit wir den Umfang und die Preise festlegen können.
