Gagawa ako ng RAG chatbot na sumasagot mula sa iyong mga dokumento at nagpapakita ng pinagmulan

Ang iyong mga sagot ay nasa iyong mga dokumento na: mga patakaran sa pagbabalik, mga manwal ng produkto, mga listahan ng presyo, mga kontrata, mga artikulo sa help-center. Gumagawa ako ng chatbot na unang naghahanap sa mga file na iyon at sumasagot lamang mula sa kung ano ang makikita nito, na nagbabanggit ng file at pahina o seksyon sa likod ng bawat sagot. Kapag hindi sakop ng mga dokumento ang isang tanong, sinasabi nito ito sa halip na manghula.

Ang Starter ay nag-i-index ng hanggang 50 na file (text PDF, Word, plain text o pampublikong web page) sa likod ng isang simpleng web chat, na may gabay upang patakbuhin ito sa iyong sariling host. Ang Standard ay tumatanggap ng hanggang 300 na file, nagdaragdag ng chat widget para sa iyong site o isang Telegram bot at kasaysayan ng chat, at i-set up ko ito sa iyong server. Ang Advanced ay pumapasok sa loob ng iyong sariling Postgres o Supabase app na may mga login ng user at mga panuntunan sa pag-access, upang makita lamang ng bawat user ang mga dokumento na pinapayagan silang makita, o tumatakbo sa iyong server na may lokal na modelo, upang ang iyong mga file ay hindi kailanman mapupunta sa isang AI provider.

Bawat package ay nagtatapos sa isang pagsubok sa hanggang 20 ng iyong mga tanong. Makakakuha ka ng isang talahanayan na may bawat sagot, ang pinagmulan na ginamit nito at kung tama ito; pagkatapos ay gagawa ako ng isang round ng mga pagwawasto at muling patakbuhin ang mga tanong. Ang source code ay sa iyo, at ang bot ay tumatakbo sa iyong sariling OpenAI, Claude o Gemini key, kaya makikita mo ang bawat kahilingan sa bill ng iyong provider at hindi ka magbabayad sa akin ng buwanang bayad.

Ang search index ay binuo ng isang maliit na modelo na tumatakbo kasama ng bot at pinananatili sa PostgreSQL na may pgvector, kaya ang iyong mga file ay hindi napupunta sa AI provider, at ang isang Postgres o Supabase app ay hindi nangangailangan ng hiwalay na serbisyo ng vector. Kamakailang trabaho: ang vector search layer ng isang production Supabase backend para sa isang election trading desk, na may filtered similarity search at team-only access rules, kasama ang oras-oras na LLM summaries na sinuri bago sila iimbak.

Sa loob ng 14 na araw pagkatapos ng paghahatid, aayusin ko ang anumang hindi gumagana ayon sa aming napagkasunduan, nang walang bayad.

Walang tawag. Ang saklaw ay napagkasunduan nang nakasulat bago ako magsimula, at makakakuha ka ng nakasulat na update sa pagtatapos ng bawat araw ng trabaho.

Mga hakbang para sa pagkumpleto ng iyong proyekto
1. Mga tanong at dokumento - Ipadala mo ang mga file at ang mga tanong na talagang tinatanong ng mga tao. Kumpirmahin ko nang nakasulat kung ano ang sasagutin ng chatbot, kung saan ito maninirahan at kung aling provider ito tumatakbo.
2. Index at paghahanap - Hahatiin ko ang mga dokumento sa mga sipi, i-index ang mga ito gamit ang isang maliit na embedding model na tumatakbo kasama ng bot, at iimbak ang mga ito sa PostgreSQL na may pgvector, na pinapanatili ang file at pahina o seksyon ng bawat sipi.
3. Mga sagot na may pinagmulan - Ang chatbot ay sumasagot lamang mula sa mga sipi na nakuha nito at malinaw na sinasabi kapag hindi sakop ng mga dokumento ang isang tanong.
4. Subukan sa iyong mga tanong - Hanggang 20 ng iyong mga tanong ay dadaan dito, at makakakuha ka ng talahanayan ng mga sagot, pinagmulan at resulta, pagkatapos ay isang round ng mga pagwawasto.
5. Paghahatid - Source code, isang maikling gabay sa pagpapatakbo nito at, para sa Standard o Advanced, ang widget, Telegram bot o app integration, naka-set up sa iyong server at sinuri.