About this service
RAG (Retrieval-Augmented Generation) permite ligar um LLM aos seus próprios dados — assim, em vez de obter respostas genéricas, os utilizadores recebem respostas extraídas diretamente dos seus documentos, manuais, bases de dados ou base de conhecimento.
Desenvolvi este sistema para um Career Bot que processa currículos, indexa-os no ChromaDB e responde a perguntas específicas sobre eles, gerando automaticamente cartas de apresentação personalizadas.
O QUE ENTREGUEI:
✔ Pipeline de ingestão de documentos (PDF, TXT, DOCX, HTML)
✔ Embedding e armazenamento vetorial com ChromaDB ou FAISS
✔ Cadeia LangChain RAG ligada à OpenAI ou Gemini
✔ Endpoint de chat FastAPI com referências às fontes nas respostas
✔ Código limpo, reutilizável e bem documentado
✔ Guia de configuração para que a sua equipa possa executar e expandir o sistema
O QUE PRECISO DE SI:
— Os seus documentos ou fonte de dados
— LLM preferido (OpenAI ou Gemini — forneça a chave API)
— Descrição das perguntas que os utilizadores deverão poder fazer
NÃO INCLUÍDO:
— Custos da API do LLM
— Ajuste fino do modelo
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.