Ben je op zoek naar een productieklare, hoog-precisie Retrieval-Augmented Generation (RAG) systeem dat nauwkeurige resultaten levert zonder hallucinaties?
Ik ben gespecialiseerd in het ontwerpen van geavanceerde AI-systemen, agentische workflows en zelfcorrigerende RAG-pijplijnen met behulp van cutting-edge frameworks zoals LangChain, LangGraph en FastAPI.
Wat ik aanbied
- Standaard RAG setup: Aangepaste vector database-integratie, geoptimaliseerde documentchunking en efficiënte contextretrieval.
- Geavanceerde & agentgerichte RAG: Implementatie van CRAG (Corrective RAG), Self-RAG en Graph RAG voor meerstaps redeneren, dynamische query-routing en automatische zelfcorrectie.
- Tooling & MCP-integratie: Verbinden van je LLM met vooraf gebouwde tools en aangepaste Model Context Protocol (MCP)-servers voor externe API-aanroepen en sandbox-uitvoering.
- LLM-evaluatie & tracing: Geautomatiseerde evaluatiepijplijnen om continu de precisie van responses te monitoren en hallucinaties te minimaliseren.
Tech stack
- Frameworks: LangGraph, LangChain, FastAPI
- Databases: Supabase, FAISS, Pinecone, Qdrant, ChromaDB
- Modellen: OpenAI (GPT-4o), Anthropic (Claude 3.5), Gemini Open-Source LLMs
Opmerking: Klanten moeten hun eigen API-sleutels (bijvoorbeeld OpenAI, Anthropic) aanleveren voor deployment en testen