RAG 知識庫問答機器人建置

yan
125
・2026/09/21 更新
125
・2026/09/21 更新
軟體測試AI 聊天機器人AI 系統開發AI 知識庫

服務內容

把你的文件(PDF、網頁、Excel、掃描檔)做成能用口語問的 AI 問答系統,每則回答附來源,查不到就明講、不編。 包含:需求釐清 1 次(視訊或文字)→資料整理與切分→向量檢索+LLM 串接(Anthropic/OpenAI/Groq 皆可,可用免費層控成本)→介面(網頁或 LINE)→交付前用 30 題真實問題測試並附結果。 交付:可執行程式碼+部署說明+30 題測試紀錄+你可自行重跑的驗證步驟。 進行方式:先做 10 頁文件的免費小樣,你確認回答品質再正式開始。8,000 元為單一資料源、網頁介面的基準價,文件量大或要接 LINE/內部系統另報。 以 AI 工具開發、人工逐項驗證,過程透明;不碰需要你帳號密碼的系統,需登入的操作只給指引。

使用的技能專長

Python
RAG
Playwright
OCR
OpenAI API
Streamlit

關於專家

8提案數
1諮詢數
0成交數
0%回覆率

比較常做的是把 LLM 接進真的會被用的系統。像 RAG 知識庫、自動抓網頁和 PDF 圖片轉文字、多代理流程編排。模型 API 方面 Anthropic、OpenAI、Groq、DeepSeek、Gemini 都串過。 另外我花不少時間確認系統是不是真的在運作。舉個例子,之前一個比賽作品用了圖資料庫,我把資料庫連線關掉重跑,三個對外展示區塊算出來的數字一模一樣,等於它根本沒參與運算。同一次還找出兩處時間計算錯誤,是上一輪修正漏掉的。這種錯不會報錯,畫面看起來都正常。 接案時我會附上你可以自己重跑的步驟和實際輸出,也會直接講系統哪裡做不到。 做過的東西 一套多市場量化研究框架。在開源專案上加了免費資料源(美股、台股、外匯)和決策追蹤層。用配對檢定測了 910 筆和 1,080 筆選股決策,兩個訊號來源都不顯著,p 值 0.22 到 0.77。查過同領域研究後接受這個結果,沒拿去實際交易。 自己寫的 AI 代理工具鏈。把「產出後要截圖親眼確認」「交接文件寫的完成要先驗證」這些檢查做成程式自動擋,不靠記性。

查看工作室