Generatív AI
AI & LLM integráció
Nagy nyelvi modelleket integrálok valódi termékekbe — nem demókba. RAG pipeline-ok, szemantikus keresés vektor adatbázisokkal és embeddingekkel, LLM-alapú klasszifikáció, és az a mérnöki fegyelem, amitől a generatív AI megbízható, megfigyelhető és költségtudatos lesz.
Pythonban dolgozom (FastAPI, LangChain, LangGraph), és az AI funkciókat meglévő webalkalmazásokba kötöm (Laravel, Vue.js). Hangolom a hiperparamétereket (temperature, top-k/top-p), retrievallel alapozom meg a válaszokat, és kiértékelést meg védőkorlátokat építek, hogy ugyanaz a bemenet megbízható, ismételhető eredményt adjon.
Mit építek
- RAG pipeline-ok a dokumentumaidra és adataidra
- Szemantikus keresés vektor adatbázisokkal és embeddingekkel
- LLM-alapú klasszifikációs és kinyerő rendszerek
- Finomhangolás, benchmark és modell-összehasonlítás
- Determinisztikus, kiértékelt LLM funkciók (temperature, top-k/top-p)
- AI funkciók beépítése Laravel / Vue appokba és API-kba
Miért velem
15+ év éles webfejlesztést ötvözök gyakorlati generatív AI kutatás-fejlesztéssel (jelenleg Senior AI Solutions Engineerként). Ez olyan AI funkciókat jelent, amelyek tényleg élesbe kerülnek, tisztán integrálódnak és kibírják az éles terhelést — nem megrekedt proof-of-conceptek.
Gyakran ismételt kérdések
Milyen modelleket és eszközöket használsz?
OpenAI és Anthropic API-k, LangChain / LangGraph, FastAPI, és vektor adatbázisok (pl. Pinecone vagy pgvector) — a feladathoz és kerethez igazítva.
Be tudod építeni az AI-t a meglévő appomba?
Igen. LLM funkciókat (keresés, chat, klasszifikáció, automatizálás) integrálok meglévő Laravel, Vue.js vagy Python rendszerekbe, a hozzá tartozó backenddel együtt.