Door categorieën bladeren
Ontdekken
Fiverr Pro
Nederlands
$
USD
Ik bouw een production rag pipeline met langchain, chromadb en fastapi
Manas J
Over deze dienst
Automatische vertaling
Ben je bezig met het ontwikkelen van een AI-product dat echt in productie moet werken, niet alleen een demo?
Ik bouw productieklare RAG-pipelines met LangChain, ChromaDB en FastAPI. Ik heb systemen geleverd met multi-document retrieval, semantisch zoeken, gesprekgeheugen en voice interfaces, waaronder een project dat werd erkend op de Google GenAI Hackathon 2025. Ik heb ook een open-source AutoML-bibliotheek gepubliceerd op PyPI en een LLM-evaluatieframework van 7 metrics vanaf nul opgebouwd.
Wat je krijgt:
Multi-document RAG-pipeline met LangChain + ChromaDB
Asynchrone FastAPI backend met nette REST-endpoints
Semantisch zoeken met slimme chunking-strategie
Gesprekgeheugen + bronvermelding
Docker-implementatie klaar om te verzenden
Broncode + gedetailleerde documentatie
Ik doe geen prototypes. Ik ontwerp systemen die gebouwd zijn voor echte gebruikers en echte schaal.
Stuur me een bericht voordat je bestelt, ik wil je use case begrijpen en zeker weten dat ik precies lever wat jij nodig hebt.
Maak kennis met Manas J
Manas J
Freelance AI Engineer
- Afkomstig uitIndia
- Lid sindsmei 2026
- Gem. reactietijd1 uur
Talen
Hindi, Odia, Engels, 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 vertaling
Mijn portfolio
Veelgestelde vragen
Automatische vertaling
Welke documenten of databronnen kan de RAG-pipeline verwerken?
PDF, platte tekst, Word-documenten en web-scraped content. De pipeline gebruikt een slimme chunking-strategie om grote documenten efficiënt te verwerken, waarbij de context over chunks behouden blijft voor nauwkeurige retrieval.
Welke LLMs kan ik gebruiken met dit RAG-systeem?
OpenAI (GPT-4o, GPT-3.5), Google Gemini, Anthropic Claude, of open-source modellen via Ollama/HuggingFace. De architectuur is model-agnostisch — het wisselen van de LLM vereist minimale aanpassingen.
Kan ik dit op mijn eigen server draaien?
Ja. Het hele systeem is gecontaineriseerd met Docker en Docker Compose. Je krijgt een zelf-hostable setup zonder vendor lock-in. Ik geef ook duidelijke instructies voor deployment.
Moet ik Python of AI kennen om het systeem te gebruiken?
Nee. Ik lever een werkende API met documentatie. Als je een development team hebt, kunnen zij het gemakkelijk uitbreiden. Zo niet, dan werkt het systeem direct via de FastAPI-endpoints.
Wat heb je van mij nodig om te beginnen?
Een korte beschrijving van je use case, de data/documenten die je wilt dat het systeem bevraagt, en welke LLM-provider je prefereert. Ik bevestig de scope voordat ik begin.
