Ik bouw een ai chatbot met rag over je documenten

De meeste document chatbots falen op dezelfde manier: ze antwoorden vol vertrouwen en verkeerd, en niemand merkt het totdat een klant dat doet.

Ik bouw retrieval die meetbaar is, niet gebaseerd op veronderstellingen. Hybride zoekopdracht die keyword en vector similarity combineert, chunking die wordt getest in plaats van geraden, en een set evaluatievragen zodat je de kwaliteit kunt zien in plaats van op een demo te vertrouwen.

WAT JE KRIJGT

Een werkende chatbot over je documenten (PDF, Word, webpagina's of database), geïmplementeerd en gedocumenteerd, met een evaluatieset zodat kwaliteit een getal is en geen gevoel.

WAAROM IK

Ik heb integraties van LLM in productie uitgerold over vier producten op OpenAI, Anthropic en Google Gemini. Mijn open-source project draait hybride RAG over 9.125 chunks met automatische retrieval grading in CI: een set van 32 vragen die de build laat falen als de kwaliteit daalt. Je kunt de code bekijken: github.com/RodrigoFK06/PrecioVivo

Twee Anthropic-certificeringen. Oprichter van een softwareadviesbureau: meer dan 50 projecten voor 45+ klanten sinds 2020.

Stuur me een bericht met wat je documenten zijn en wat mensen zullen vragen. Ik vertel je eerlijk of RAG de juiste oplossing is voor jouw situatie, en als dat niet zo is, zeg ik dat ook.