Descripción del proyecto
TraducidoTenemos una gran biblioteca de contenido: catálogo de productos, artículos de ayuda y documentos internos, y nuestra búsqueda por palabras clave actual constantemente nos falla. Encuentra palabras exactas pero no entiende el significado: un cliente escribe 'no puedo iniciar sesión' y no encontramos el artículo 'solución de problemas de autorización' porque la redacción no coincide. Sinónimos, paráfrasis y diferentes ortografías simplemente se escapan, y el soporte se inunda con preguntas cuyas respuestas ya están en el sitio. Necesitamos una búsqueda que entienda la intención, no solo palabras literales.
Estamos buscando un ingeniero para construir un sistema de búsqueda semántica (por vectores) sobre nuestro contenido existente. Esto significa: generar incrustaciones para cada objeto indexado, almacenar estos vectores en una base de datos de vectores adecuada y servir consultas a través de una API clara que nuestras aplicaciones puedan llamar. Esperamos una clasificación híbrida que combine la coincidencia clásica de palabras clave con la similitud de vectores, de modo que las coincidencias exactas permanezcan en la parte superior cuando sea apropiado, pero los resultados semánticamente cercanos surjan cuando la redacción diverge. El ajuste de relevancia es importante para nosotros: queremos analizar registros de consultas reales, ajustar pesos y umbrales y medir si los mejores resultados son realmente mejores.
Para ser claros sobre el alcance: este es un sistema de búsqueda y clasificación, no un chatbot; un asistente generativo que escribe sus propias respuestas no lo necesitamos. Necesitamos clasificación consciente del significado, API documentada, un pipeline de indexación que mantenga las incrustaciones actualizadas a medida que el contenido cambia, y una recomendación sobre qué modelo de incrustación y almacenamiento de vectores se adaptan a nuestro volumen y presupuesto.
Lo que queremos obtener:
— un pipeline de incrustaciones para catálogo y documentos;
— una base de datos de vectores con clasificación híbrida (palabras clave + vectores);
— una API de búsqueda con filtros, paginación y control de relevancia.
Estamos buscando un ingeniero para construir un sistema de búsqueda semántica (por vectores) sobre nuestro contenido existente. Esto significa: generar incrustaciones para cada objeto indexado, almacenar estos vectores en una base de datos de vectores adecuada y servir consultas a través de una API clara que nuestras aplicaciones puedan llamar. Esperamos una clasificación híbrida que combine la coincidencia clásica de palabras clave con la similitud de vectores, de modo que las coincidencias exactas permanezcan en la parte superior cuando sea apropiado, pero los resultados semánticamente cercanos surjan cuando la redacción diverge. El ajuste de relevancia es importante para nosotros: queremos analizar registros de consultas reales, ajustar pesos y umbrales y medir si los mejores resultados son realmente mejores.
Para ser claros sobre el alcance: este es un sistema de búsqueda y clasificación, no un chatbot; un asistente generativo que escribe sus propias respuestas no lo necesitamos. Necesitamos clasificación consciente del significado, API documentada, un pipeline de indexación que mantenga las incrustaciones actualizadas a medida que el contenido cambia, y una recomendación sobre qué modelo de incrustación y almacenamiento de vectores se adaptan a nuestro volumen y presupuesto.
Lo que queremos obtener:
— un pipeline de incrustaciones para catálogo y documentos;
— una base de datos de vectores con clasificación híbrida (palabras clave + vectores);
— una API de búsqueda con filtros, paginación y control de relevancia.
Desarrollo de software Efectivo, Transferencia bancaria
