Исправить ошибки в работе ИИ агента с векторной базой

Бюджет: 990 PLN Срок: 2 дня

Добрый день,
Я проанализировал проблему с вашим AI-агентом и выявил основную причину — векторная конкуренция между двумя разными типами документов в одном пространстве. Документы Сейма (структурированные статьи) всегда выигрывают у решений SAOS (неструктурированный юридический текст) при стандартном векторном поиске.
Решение
Архитектура с двумя независимыми потоками поиска:

Классификатор запроса — определяет тип поиска (закон/прецедент/оба)
Параллельный поиск — отдельные запросы с оптимальной конфигурацией
Интеллектуальное объединение — слияние с перекрестной ссылкой (решения → законы)

Оптимизация затрат API
Текущая система: ~$0.20-$0.25/запрос
Новая система: ~$0.03-$0.04/запрос
Снижение: 85% (при 1000 запросов/мес = экономия ~800 PLN/мес)
Объем работ
Я выполню удаленно (9-10ч):
Анализ и технический план (2-3ч)
Функции SQL + конфигурация (2-2.5ч)
Классификатор запросов (2ч)
Основной рабочий процесс n8n (3-3.5ч)

Вы выполните самостоятельно (экономия ~4-5ч):

Миграция данных (готовый SQL-скрипт с инструкцией)
Импорт рабочего процесса + конфигурация учетных данных
Тестирование по контрольному списку
Тонкая настройка параметров

Вы получите: SQL-скрипты, JSON рабочего процесса n8n, пошаговые инструкции, контрольный список, поддержку в Telegram
Оценка
Стандартный расчет: 1000-1350 PLN (9-10ч × 25-30 EUR)
Предложение: 990 PLN
Скидка ~30% от стандартной ставки
По желанию: полное внедрение "под ключ" +200 PLN (отладка TeamViewer, расширенные тесты)

Если предложение устраивает, мы можем начать с анализа (2-3ч) — вы получите конкретный план и подтверждение осуществимости.
С уважением,
Евгений Развернуть

Бюджет: 500 PLN Срок: 1 день

я вхожу в топ-5 разработчиков в категории «Искусственный интеллект и машинное обучение» среди ~2100 специалистов на платформе.
Гарантирую:
- Быстрое и качественное выполнение задания
- Четкое соблюдение дедлайнов
- Регулярная связь на протяжении всего процесса
Буду рад обсудить детали вашего проекта в личных сообщениях.
цена условная

Бюджет: 500 PLN Срок: 3 дня

Доброго дня. Подивився опис проблеми типовий кейс

Схоже, що частина даних або не проіндексована через embeddings, або просто не потрапляє в пошук. Плюс зараз у агента немає нормальної логіки відбору, тому він губиться у великій базі і не розуміє, де що шукати.

Я працював із Supabase, vector search і RAG-системами. Можу знайти, чому друга частина даних не знаходиться. Перебудувати логіку пошуку. Зробити так, щоб Gemini підключався тільки коли в БД реально немає відповіді. У результаті агент почне стабільно знаходити дані і відповідати адекватно.

Готовий подивитись на вашу поточну реалізацію і запропонувати рішення.