10 yılı aşkın süredir blockchain tabanlı finans projeleri geliştiriyoruz: merkezi ve merkeziyetsiz kripto borsaları, kripto botları, ödeme ağ geçitleri, gayrimenkul tokenizasyonu, DeFi ve NFT projeleri.
Hangi hizmetin uygun olduğundan emin değil misiniz?İhtiyacınızı anlatın, size uygun yaklaşımı önerelim.Teklif isteyin
AI & ML
2023'ten beri işletmeler için yapay zekâ geliştiriyoruz: özel AI ve LLM geliştirme, AI ajanları, sohbet botları ve verilerinize, ürünlerinize ve süreçlerinize bağlanan kurumsal AI.
Merehead, çalışanlarınız ve müşterileriniz için retrieval-augmented generation sistemleri geliştirir: dahili bilgi araması, müşteri destek asistanları ve mevcut bir ürünün içinde yapay zeka özellikleri.
Çoğu proje, kapsamı belirlenmiş bir pilotla ya da zaten sahip olduğunuz bir sistemin incelenmesiyle başlar. Hiçbir şey canlıya alınmadan önce yanıt kalitesi sizin gerçek sorularınızla test edilir.
Ekibiniz inceler ve üzerinde anlaşılan görevleri devralır
“Devrin kalitesi öne çıktı. Testleri, dokümantasyonu ve bilgi tabanını güncellemek için net bir süreci teslim aldık. Mühendislerimiz sistemi kısa sürede kavradı ve yükleniciye uzun süre ihtiyaç duymadan desteğini devraldı.”
Oliver BennettCTO, Birleşik Krallık
Bütçe
RAG Geliştirme Bütçenizi Ne Belirler
Aynı özellik listesine sahip iki RAG sistemi çok farklı iş yükleri gerektirebilir, çünkü emeğin büyük kısmı arkadaki verilerdedir. Bu yüzden her projeyi bir fiyat listesine göre değil, girdilerine göre tahmin ederiz.
1
Girdileri paylaşırsınız
Hangi kaynaklar, kaç kullanıcı, erişim kuralları, nerede çalışacağı, hangi araçlar ve yanlış bir yanıtın size maliyeti.
2
Modül bazında saat dökümü
Bu gereksinimleri paylaştığınızda Solutions Architect'imiz modül bazında saat dökümünü gönderir.
3
Veri denetiminden sonra güncellenir
Veri denetiminin ardından tahmin, denetimin kaynaklarınızda bulduklarıyla güncellenir.
Maliyeti Ne Belirler
01
Kaynakların sayısı ve formatları
Tek bir wiki'deki temiz metni dizinlemek kolaydır. Taranmış PDF'ler, elektronik tablolar ve karmaşık tablolar ek ayrıştırma ve kontrol gerektirir.
02
Veri kalitesi
Kopyalar, eski sürümler ve çelişen belgeler temizlenmeli veya sıralanmalıdır; aksi halde sistem yanlış belgeden yanıt verir.
03
Erişim kontrolü gereksinimleri
SharePoint veya bir CRM'deki izinleri aramaya taşımak ayrı bir mühendislik işidir.
04
Kalite testinin derinliği
Herkese açık dokümanlar için bir destek asistanı, hukuk ekibinizin güvendiği bir araca göre daha az uzman incelemesi gerektirir.
05
Entegrasyonlar
Her hedef sistem kimlik doğrulama, arayüz ve bakım işi ekler.
06
Dağıtım modeli
Yönetilen bir bulut kurulumu, genellikle kendi barındırılan modelle özel bulut veya on-premises dağıtımdan daha hızlı ayağa kalkar.
07
Sorgu hacmi
Geliştirme emeğinden çok altyapı boyutlandırmasını ve model kullanım maliyetlerini etkiler.
Referans olarak
Sigorta şirketi asistanı, departman düzeyinde erişimle 12.000 belgeyi kapsadı ve dört kişilik bir ekip tarafından 10 haftada geliştirildi.
Lansman Sonrası İşletme Maliyetleri
Bu rakamı en çok sorgu hacmi ve model seçimi etkiler, bu yüzden tahminin bir parçası olarak beklenen kullanımınıza göre modelleriz.
Sistem canlıya geçtikten sonra LLM kullanımı (API üzerinden token başına ya da model sizin ortamınızda çalışıyorsa GPU barındırma), vektör veritabanı barındırma, içe aktarma ve senkronizasyon işleri için işlem gücü ile izleme ve loglar için ödeme yaparsınız. Buna, arama sorunlarını düzeltmek ve içerik değiştiğinde testleri yeniden çalıştırmak için destek süresini ekleyin.
Yeni projeler genellikle dört aşamadan geçer. Her biri, bir sonraki başlamadan önce sizin vereceğiniz bir kararla biter. Zaten bir RAG sisteminiz varsa, iş onun incelenmesiyle başlar ve aşamalar düzeltilmesi gerekenlere göre uyarlanır.
1
Keşif ve veri denetimi
Sizden neye ihtiyacımız var
Örnek kaynaklara erişim, her kaynak için bir sorumlu, bir güvenlik irtibat kişisi
Karar noktasıPilot kapsamı: hangi kullanım senaryosu, hangi kaynaklar, hangi kullanıcılar
2
Pilot
Sizden neye ihtiyacımız var
Test soruları yazan ve yanıtları değerlendiren alan uzmanları
Karar noktasıÜzerinde anlaşılan kalite kriterlerine göre canlıya geçip geçmeme kararı
3
Canlı ortam geliştirmesi
Sizden neye ihtiyacımız var
Güvenlik ve altyapı gereksinimleri, entegre olduğumuz sistemlere erişim
Karar noktasıSon testlerden sonra canlı sistemin kabulü
4
Yaygınlaştırma ve destek
Sizden neye ihtiyacımız var
Her kaynak için bir sorumlu ve kullanıcı geri bildirimi için bir kanal
Karar noktasıSırada hangi kaynakların veya kullanım senaryolarının olduğu
Zaman çizelgesi veri denetiminden sonra netleşir. O noktada kaç belgenin temizlenmesi gerektiğini, izinlerin nasıl saklandığını ve hangi entegrasyonların işin içinde olduğunu biliriz; takvimi de özellik listesinden çok bu etkenler belirler.
Veri ve güvenlik
Veri, Entegrasyonlar ve Güvenlik
Geliştirme başlamadan önce kararlaştırılır: veriler nereden gelir, nasıl güncel kalır, kimler görebilir ve sistem nerede çalışır.
Değişiklikler takvime göre yeniden indekslenir, silinen belgeler yanıtlarda görünmez.
Yalnızca doğru kişilere
İzinler her sorguda SSO’nuz üzerinden kontrol edilir; OWASP LLM08:2025 içinde tanımlanan risk ortadan kalkar.
Karar verdiğiniz yerde çalışır
Genel bulut, VPC veya şirket içi; ticari ya da kendi barındırdığınız bir modelle. Prompt injection ve veri sızıntısı OWASP Top 10 for LLM Applications doğrultusunda ele alınır.
Kalite testi
Lansmandan Önce Yanıt Kalitesini Nasıl Test Ediyoruz
Doğru yanıtın ne olduğunu uzmanlarınız belirler. Temsilciniz sonuçları onaylamadan hiçbir şey canlıya çıkmaz.
01
Topla
Taleplerden, sohbetlerden ve arama kayıtlarından gerçek sorular; beklenen yanıtlar uzmanlarınızca onaylanır.
Canlıya çıkın, düzeltin, kapsamı daraltın ya da durdurun. Pilottan sonra bu, tam geliştirmeden sonrasına göre çok daha ucuzdur.
“Pilot eksikleri ortaya çıkardı; biz de belgeleri düzene soktuk ve aramayı iyileştirdik. Artık yeni çalışanlar ihtiyaç duyduklarını daha hızlı buluyor, yöneticiler de aynı şeyleri tekrar tekrar açıklamaya daha az zaman harcıyor.”
Iryna KovalOperasyon Direktörü, Ukrayna
Özel mi, yönetilen mi
Özel Bir RAG Çözümüne İhtiyacınız Var mı?
Kaynaklarınız karmaşık veya hassas olduğunda, kullanıcıların farklı erişim haklarına ihtiyaç duyduğunda ya da sistemin sizin ortamınızda veya ürününüzün içinde çalışması gerektiğinde özel geliştirme mantıklıdır. Daha basit durumlarda yönetilen bir RAG platformu sizi çalışan bir sonuca daha hızlı ulaştırır.
vs
Sizin durumunuz için geliştirilir
Özel uygulama
En uygun olduğu durumÇok sayıda veya alışılmadık kaynak, sıkı erişim kuralları, ürününüze entegrasyon
Veri ve dağıtım kontrolüBulut, özel bulut veya on-premises seçimi ile model seçimi sizde
Entegrasyon derinliğiSistemleriniz için geliştirilen, API'lerinin sunduğu sınırlar içinde bağlayıcılar
ÖzelleştirmeSizin durumunuz için geliştirilen arama, sıralama, prompt'lar ve arayüz
İlk sonuca kadar geçen süreDaha uzun, çünkü keşif ve geliştirme gerektirir
Sürekli maliyet modeliKontrolünüzdeki altyapı ve model kullanımı, artı bakım
Hizmet olarak RAG
Yönetilen platform
En uygun olduğu durumYaygın dosya türleri ve desteklenen bağlayıcılar üzerinde standart belge soru-cevap
Veri ve dağıtım kontrolüSağlayıcının barındırma ve model seçenekleriyle sınırlı
Entegrasyon derinliğiPlatformun bağlayıcıları ve widget'ları
İlk sonuca kadar geçen süreDesteklenen kaynaklar için daha kısa
Sürekli maliyet modeliSağlayıcının belirlediği abonelik veya kullanım ücretleri
İkisi birbirini dışlamaz
Özel bir sistem genellikle barındırılan bir vektör veritabanı veya ticari bir LLM API'si gibi yönetilen bileşenler kullanır; yukarıdaki sigorta asistanı OpenAI API ve AWS üzerinde çalışır.
Fine-tuning farklı bir araçtır
Bir modelin davranışını, örneğin tonunu, çıktı formatını veya alan terimlerini ele alışını değiştirir, ancak modele güncel belgelerinize erişim vermez. Hem güncel bilgiye hem de belirli bir yanıt stiline ihtiyaç duyduğunuzda RAG ile birleştirebilirsiniz.
Sahiplik, veri hazırlığı, entegrasyon, teknoloji yığını seçimi ve lansman sonrası destek.
Verileriniz sizin olarak kalır; koda, yapılandırmaya ve indekse ait haklar çalışma başlamadan önce sözleşmede belirlenir.
Hayır. Çoğu ekip dağınık kaynaklarla başlar. Başlangıçta önemli olan, hangi belgelerin esas alındığını ve kimin sorumlu olduğunu bilmektir. Veri denetimi neyin temizlenmesi gerektiğini gösterir ve yanıt kalitesini etkileyen temizlik projenin kapsamına girer.
Evet. Arama ve yanıt üretimi, ürününüzün çağırdığı bir API olarak sunulabilir. Ana tasarım soruları, izinlerin uygulanması için uygulamanızın kullanıcı kimliğini nasıl ileteceği ve yanıtların arayüzünüzde kaynaklarını nasıl göstereceğidir.
Seçimi veri denetiminden sonra; verilerinizin nerede işlenebileceğine, beklenen sorgu hacmine ve test setinizdeki sonuçlara göre yaparız. Yukarıda anlatılan sigorta asistanı Python, FastAPI, LangChain, pgvector ile PostgreSQL ve AWS üzerinde OpenAI API kullandı. Veriler ortamınızdan çıkamıyorsa, harici API'nin yerini altyapınızda barındırılan açık kaynaklı bir model alır.
Destek; izlemeyi, senkronizasyon ve arama sorunlarının giderilmesini ve kaynak veya model değişikliklerinden sonra test setinin yeniden çalıştırılmasını kapsar. Yeni kaynaklar veya kullanım senaryoları eklemek geliştirme işidir ve ayrıca kapsamlandırılır. Desteğin kapsamı ve yanıt süreleri ayrı bir sözleşmede belirlenir.
İletişim
RAG Projenizi Anlatın
Bir tahmin almak için sistemin kullanması gereken kaynakların listesini, beklenen kullanıcı sayısını ve varsa güvenlik veya dağıtım gereksinimlerinizi bize gönderin.
Eklemeniz faydalı olur
Sistemin kullanması gereken kaynaklar
Beklenen kullanıcı sayısı
Güvenlik veya dağıtım gereksinimleri
Varsa zaten kullandığınız bir RAG sistemi
Merehead'de çerezler
Trafiği ölçmek ve pazarlamamızı geliştirmek için çerezler kullanıyoruz. Zorunlu çerezler sitenin çalışmasını sağlar ve her zaman açıktır. Çerez politikası
