About this service
RAG (Retrieval-Augmented Generation) ermöglicht es, ein LLM mit Ihren eigenen Daten zu verbinden – so erhalten Nutzer statt allgemeiner Antworten solche, die direkt aus Ihren Dokumenten, Handbüchern, Datenbanken oder Wissensdatenbanken stammen.
Ich habe dies für einen Karriere-Bot umgesetzt, der Lebensläufe einliest, in ChromaDB indexiert und spezifische Fragen dazu beantwortet, während er automatisch personalisierte Anschreiben generiert.
WAS ICH LIEFER:
✔ Pipeline zur Dokumenteneinlesung (PDF, TXT, DOCX, HTML)
✔ Einbettung und Vektorspeicherung mit ChromaDB oder FAISS
✔ LangChain RAG-Kette verbunden mit OpenAI oder Gemini
✔ FastAPI Chat-Endpunkt mit Quellenangaben in den Antworten
✔ Sauberer, wiederverwendbarer, gut dokumentierter Code
✔ Einrichtungshandbuch, damit Ihr Team das System betreiben und erweitern kann
WAS ICH VON IHNEN BRAUCHE:
— Ihre Dokumente oder Datenquelle
— Bevorzugtes LLM (OpenAI oder Gemini – Sie stellen den API-Schlüssel)
— Beschreibung der Fragen, die Nutzer stellen können sollen
NICHT ENTHALTEN:
— LLM API-Kosten
— Modell-Feinabstimmung
Know what is included
See the price, delivery time and package details before you start.
Talk to the seller
Ask questions and keep project updates in one conversation.
Check the seller details
Review their profile, experience, skills and languages.
What happens after you start
Choose a package, send the seller the details, and review the finished work from your project page.
- 01
Choose your package
Compare what is included and pick the option that fits your project.
- 02
Send the details
Add your brief, files, examples and anything else the seller needs.
- 03
Review the work
Check the delivery, request an included revision if needed, and approve when you are happy.