Kategorien durchsuchen
Entdecken
Fiverr Pro
Deutsch
$
USD
Ich werde einen RAG AI-Chatbot mit Zitaten, Wissenslücken und Analytik mit Live-Demo erstellen
Mohammad S
Über diesen Service
Automatische Übersetzung
Ich werde einen produktionsbereiten AI-Chatbot bauen, der Fragen aus DEINEN Dokumenten mit Quellenangaben beantwortet, damit Nutzer jede Antwort überprüfen können.
WAS DU BEKOMMST:
- AI-Chatbot, trainiert auf deinen PDFs, Dokumenten und Hilfeseiten
- Zitationsgestützte Antworten (jede Antwort zeigt, aus welchem Dokument sie stammt)
- Echtzeit-Analytik-Dashboard (Gesprächsvolumen, Stimmung, Top-Fragen)
- Wissenslücken-Erkennung (AI zeigt dir, was fehlt)
- Bereitstellung auf Website-Widget, WhatsApp, Telegram oder REST API
- Vollständiger Quellcode, du besitzt alles, kein Vendor Lock-in
WIE ES FUNKTIONIERT:
- Du schickst mir deine Dokumente (PDFs, Word-Dateien, Text, FAQs)
- Ich baue und trainiere die RAG-Pipeline auf deinem Content
- Ich deploye es auf deinen bevorzugten Kanal(en)
- Du erhältst einen Live-Chatbot + Admin-Dashboard + Analytik
TECH STACK:
FastAPI + Next.js + PostgreSQL + Pinecone + Groq/OpenAI mit LLM-Failover
PROBIERE DIE LIVE-DEMO: rag.fenloai.com
Chatte damit, durchschaue Gespräche, sieh dir Analysen an – alles funktioniert.
Ich habe Enterprise-Grade AI-Systeme mit Workspace-Isolation, Rate Limiting, RBAC-Authentifizierung und semantischem Caching gebaut. Schick mir eine Nachricht mit deinem Anwendungsfall, und ich gebe dir ein individuelles Angebot.
Lerne Mohammad S kennen
Mohammad S
Research Assistant
- AusBangladesch
- Mitglied seitJan. 2021
Sprachen
Bengalisch, Englisch, Hindi, Chinesisch
Full-stack AI developer, 4+ years in production ML, computer vision, and web apps. Research Assistant at NSU Robotics Lab, former AI Engineer at NITEX (multi-modal systems, triton, OCR, data scrapping, trend analysis), Google Summer of Code '22 alum (TensorFlow), research intern at DeepPavlov.ai. I build: AI chatbots with RAG, custom AI agents, ML pipelines & model deployment, computer vision systems, GenAI solutions (ComfyUI, Stable Diffusion), workflow automation (n8n, Zapier), full-stack web apps (FastAPI, Next.js, React).
Live demo: rag.fenloai.com
Portfolio: shoaib6174.github.io
Automatische Übersetzung
FAQ
Automatische Übersetzung
Was ist ein RAG-Chatbot und wie unterscheidet er sich von ChatGPT?
RAG (Retrieval-Augmented Generation) bedeutet, dass der Chatbot nur aus DEINEN Dokumenten antwortet – nicht aus dem Internet. Jede Antwort enthält Zitate, die zeigen, aus welchem Dokument sie stammt. Im Gegensatz zu ChatGPT halluziniert er keine Informationen oder erfindet sie. Er kennt nur, was du ihm beibringst.
Kann ich es vor der Bestellung testen?
Ja! Besuche rag.fenloai.com, um die Live-Demo zu testen. Du kannst mit dem Bot chatten, das Analytik-Dashboard ansehen, Gespräche durchsuchen und die Wissensbasis erkunden – alles live und interaktiv.
Welche Dateiformate unterstützen Sie?
PDFs, Word-Dokumente (.docx) und einfache Textdateien. Ich kümmere mich um das Parsing, Chunking und Embedding. Schick mir einfach deine Dateien, und ich erledige den Rest.
Bekomme ich den Quellcode?
Ja, jedes Paket beinhaltet den vollständigen Quellcode (Frontend + Backend). Du besitzt alles. Keine monatlichen Gebühren, kein Vendor Lock-in. Du kannst es modifizieren, erweitern und auf deinem eigenen Server, AWS oder jeder Cloud-Plattform hosten.
Auf welchen Kanälen kann der Chatbot bereitgestellt werden?
Website-Widget (schwebende Chatblase), WhatsApp Business, Telegram-Bot und REST API für individuelle Integrationen. Das Basic-Paket enthält das Website-Widget. Standard fügt einen weiteren Kanal hinzu. Premium umfasst alle Kanäle.
Wie funktioniert das Analyse-Dashboard?
Das Dashboard zeigt Gesprächsvolumen im Zeitverlauf, Sentiment-Analyse (positiv/negativ/neutral), Qualitätsbewertungen, Top-Fragen und Lead-Scoring. Verfügbar in Standard- und Premium-Paketen. Eine Live-Demo findest du unter rag.fenloai.com/analytics.
Kann ich die Wissensbasis nach der Lieferung aktualisieren?
Absolut. Das Admin-Dashboard ermöglicht das Hochladen neuer Dokumente, das Löschen alter und die Überwachung von Wissenslücken (Fragen, die der Bot nicht beantworten konnte). Das System indexiert automatisch neu, wenn du neuen Content hinzufügst.
Mit welchem Tech-Stack ist das gebaut?
Backend: FastAPI (Python 3.12) mit PostgreSQL und Redis. Frontend: Next.js 15 mit React 19. Vektor-Suche: Pinecone. LLM: Groq (primär) mit OpenAI-Failover. Alles containerisiert und deploymentbereit.
Bietest du Hosting/Deployment an?
Das Premium-Paket beinhaltet vollständiges AWS-Deployment mit CI/CD. Für Basic und Standard liefere ich den Quellcode mit einer Deployment-Anleitung, und du kannst es auf deinem eigenen Server, AWS oder jeder Cloud-Plattform bereitstellen. Ich helfe bei der Deployment-Einrichtung als Zusatzoption.
