Experto en agentes de IA locales (Ollama/Linux) para diagnosticar y mejorar mi sistema

$15-25 USD / hour

Posted 1 minute ago

•

Ends in 6 days

$15-25 USD / hour

Tengo 16 agentes de IA locales en una PC con Pop!_OS (Linux), Ryzen 7 9700X y RTX 5050 de 8 GB, usando Ollama (Qwen, Gemma, Llama, Phi, DeepSeek, gpt-oss, entre otros). Los agentes aprenden habilidades con 25 exámenes automáticos (leer PDF/Excel/Word, buscar en internet, extraer datos, memoria, etc.), pero se estancan: repiten errores y no avanzan de forma autónoma. Busco un experto en agentes de IA con modelos locales para: 1) diagnóstico por videollamada (1-2 horas) de mi sistema actual; 2) recomendación concreta: qué framework usar (smolagents, Letta u otro) y cómo hacer que mejoren con el hardware que ya tengo; 3) si conviene, implementar la mejora y dejar un agente haciendo una tarea real de mi negocio (leer cotizaciones y pasarlas a tabla) de forma autónoma. Requisito: experiencia comprobable con Ollama y modelos locales en Linux. Prueba técnica corta en mi propia PC antes de contratar el proyecto completo. Pago por hora para el diagnóstico. Además, tengo MedGemma (modelo médico de Google) corriendo local y quiero que funcione bien dentro del mismo sistema, junto con mis otros proyectos de IA local (ESMFold para predicción de estructura de proteínas). El experto debe poder revisar y mejorar también esa parte.

Project ID: 40812687

About the project

12 proposals

Open for bidding

Remote project

Active 9 secs ago

Place your bid

Bid amount Email address

Benefits of bidding on Freelancer

Set your budget and timeframe

It's free to sign up and bid on jobs

12 freelancers are bidding on average $25 USD/hour for this job

User Avatar
Flag of UNITED STATES

Hi, I am Elias from the sunny state of Florida. I see you’re working with local AI agents on a Linux system and looking to diagnose and improve performance. The main goal is to ensure these agents operate efficiently, given the complexities of running multiple instances on a single machine. A common issue in systems like this is managing resource allocation to prevent bottlenecks. The tricky part is ensuring seamless communication among agents while maintaining system stability. Future scalability and maintainability are also crucial, especially if you plan to expand functionalities later. My approach would involve setting up a robust monitoring system to analyze resource usage, optimizing the agents' configurations, and implementing automation for load distribution. I have worked on similar systems where I focused on enhancing the performance of AI-driven applications, ensuring they are both scalable and maintainable. A few questions to better understand the scope: Q1 – What specific performance issues are you currently facing with the AI agents? Q2 – Are there any particular integrations or workflows you have in mind? Q3 – What are your expectations for scalability or future expansion? Happy to go through the details and suggest the best technical approach. Looking forward to hearing from you.

User Avatar
Flag of PAKISTAN

Hi, Entiendo que tienes 16 agentes locales en Pop!_OS con Ollama y varios modelos, pero los exámenes actuales no están logrando aprendizaje ni mejora autónoma. Revisaría el flujo completo, memoria, herramientas, registros, uso de la RTX y la forma en que se evalúan los errores. Con Python y Linux puedo probar una solución concreta con smolagents, Letta u otra opción adecuada, y dejar un agente trabajando con cotizaciones para convertirlas en una tabla. También revisaría la integración de MedGemma y la convivencia con ESMFold sin afectar tus proyectos actuales. La prueba corta en tu PC puede servir para confirmar el camino antes de ampliar el trabajo. ¿Cómo se almacenan actualmente la memoria, los errores y los resultados de los 25 exámenes para identificar por qué los agentes repiten fallos? ¿Puedes compartir cómo están definidos hoy los exámenes, la memoria y los registros de cada agente para preparar la primera revisión? Inicia el chat y lo revisamos juntos.

User Avatar
Flag of UNITED STATES

Hello!, I am a US-based senior software engineer and I can help diagnose and improve your local Ollama setup on Pop!_OS, especially with 16 agents running on a Ryzen 7 9700X and 8 GB RTX VRAM. The main pain point is usually not hardware alone, but fixing the real bottlenecks: model choice, context size, concurrency, memory pressure, GPU offload, and how the agents are orchestrated. My approach would be: 1) inspect your current Ollama config, models, prompts, and agent flow 2) profile CPU/GPU/RAM usage and identify where latency or crashes start 3) tune models, quantization, context windows, and thread settings 4) stabilize the agent pipeline so it runs efficiently and predictably on your machine I’ve built AI automation and Python/Linux systems where reliability matters more than theory, so I’ll focus on practical fixes, not vague advice. If needed, I can also suggest a leaner architecture so all 16 agents don’t fight each other for resources. Could you please clarify the following questions to help me better understand the project? 1) What exactly is failing right now: slow response, GPU memory errors, crashes, or poor agent quality? 2) Which models are you using in Ollama, and are the 16 agents running simultaneously or in stages? 3) Do you want a diagnosis only, or hands-on optimization with config/code changes too? Relevant work: local AI assistant stack for a Linux ops team, Python automation for a multi-agent research workflow, and an Ollama-based internal copilot

User Avatar
Flag of UKRAINE

Hello, El punto crítico de tu sistema no es tener 16 agentes, sino convertir los 25 exámenes en un ciclo de evaluación, memoria y mejora que evite repetir errores. Puedo comenzar con una videollamada de 1-2 horas para revisar Ollama, modelos, uso de la RTX 5050, herramientas y trazas de ejecución directamente en Pop!_OS. Tengo experiencia con agentes, integraciones LLM, automatización local y flujos de documentos. Haré una prueba técnica corta en tu PC y entregaré una recomendación concreta entre smolagents, Letta u otra opción, sin asumir cambios innecesarios. Después podemos implementar un primer agente autónomo para leer cotizaciones y convertirlas en tablas, revisando también la integración de MedGemma y ESMFold. Propongo iniciar con el diagnóstico y la prueba técnica esta semana, dejando documentados los hallazgos y el siguiente hito. Best regards, Bohdan

User Avatar
Flag of SLOVAKIA

Hello, Soy Legislatíva Lauko, con más de 10 años de experiencia en Python, Linux y sistemas de IA local, incluyendo integración y depuración de entornos con Ollama. Entendí tu caso: revisaré tu stack en Pop!_OS, detectaré por qué los agentes repiten errores y propondré el framework más adecuado para tu hardware. También puedo validar MedGemma y ESMFold dentro del mismo ecosistema, dejando una base más estable para automatizar tareas reales. Escríbeme y abrimos chat para coordinar la revisión técnica y la prueba corta en tu PC. Regards, Legislatíva Lauko

User Avatar
Flag of SWEDEN

Hello, Mi experiencia con Python en sistemas automatizados puede aportar una base sólida para revisar la lógica de sus agentes y sus exámenes, especialmente en la extracción de datos y la conversión de información en flujos estructurados. También estoy acostumbrado a trabajar con software donde la validación, el manejo de errores, la automatización y las pruebas son fundamentales, capacidades relevantes para identificar por qué los agentes repiten fallos en lugar de mejorar. Puedo participar en el diagnóstico de su arquitectura actual y evaluar técnicamente la integración de los modelos y tareas que menciona, incluyendo el procesamiento de cotizaciones hacia tablas. Mi enfoque de ingeniería prioriza código mantenible, comportamiento verificable y pruebas claras, algo especialmente importante cuando varios agentes locales deben ejecutar tareas de forma autónoma. Mi perfil no se centra específicamente en Ollama, Linux, MedGemma o ESMFold, por lo que abordaré esas áreas con precisión y sin asumir experiencia que no está demostrada. Estoy preparado para realizar una evaluación técnica acotada en Python y aportar un análisis honesto de las mejoras viables en su sistema actual. Me gustaría que me elija para el diagnóstico inicial y la posible implementación. Thanks!

User Avatar
Flag of NORWAY

Hello, Puedo aportar Python para revisar y mejorar la lógica de tus agentes y automatizar el flujo de lectura de cotizaciones hacia tablas. Aunque mi perfil se centra en desarrollo full-stack y plataformas de streaming, mi experiencia en backend, APIs, procesamiento de datos y construcción de soluciones mantenibles es relevante para integrar tareas automatizadas dentro de tu sistema local. También trabajo con procesamiento técnico mediante herramientas como FFmpeg y con integraciones de servicios, lo que demuestra una base sólida para conectar componentes y resolver problemas de arquitectura. Aplicaría ese enfoque al diagnóstico de tus agentes, la integración de Ollama y la organización de los flujos relacionados con documentos, memoria y automatización, manteniendo el alcance alineado con el hardware disponible. Puedo realizar el diagnóstico por hora y la prueba técnica en tu PC con un enfoque práctico y honesto sobre qué puede mejorarse. Elige mi perfil para revisar tu sistema en Python y convertir el caso de cotizaciones en una automatización útil. Thanks!

User Avatar
Flag of UNITED STATES

Hello, La combinación de agentes de IA, machine learning y Python me permite analizar sistemas locales como el tuyo desde la perspectiva correcta: no solo qué modelo responde mejor, sino cómo están diseñadas la memoria, las herramientas, la evaluación y los ciclos de mejora. Puedo revisar tu arquitectura con Ollama en Linux y detectar por qué los agentes repiten errores o no progresan de forma autónoma. Mi experiencia en integración de IA y automatización también encaja con el objetivo de convertir cotizaciones en tablas y conectar los agentes con flujos reales de negocio. Además, puedo evaluar la integración de MedGemma y ESMFold dentro de un sistema común, considerando el uso eficiente del hardware disponible y la mantenibilidad del código en Python. Puedo participar en el diagnóstico por videollamada, realizar la prueba técnica en tu PC y recomendar con criterio entre frameworks como smolagents, Letta u otras opciones antes de implementar la mejora. Estoy preparado para ayudarte a convertir tus agentes locales en herramientas más fiables y útiles. Thanks!

User Avatar
Flag of UNITED STATES

Hello, Mi experiencia como desarrollador full stack durante más de 12 años, junto con mi dominio de Python, me permite abordar su sistema local desde la integración y la arquitectura hasta la automatización de tareas reales del negocio. Puedo revisar cómo se comunican sus agentes, cómo se almacenan sus resultados y por qué los exámenes no están generando una mejora efectiva. También cuento con experiencia en desarrollo de APIs, diseño de bases de datos, integraciones de terceros, optimización de rendimiento, despliegue y mantenimiento. Estas capacidades son relevantes para evaluar su entorno Linux/Ollama, conectar modelos y herramientas, organizar memoria y registros de evaluación, e integrar un flujo que convierta cotizaciones en tablas. Puedo revisar igualmente la integración de MedGemma y sus proyectos locales de IA, manteniendo una arquitectura limpia y mantenible. Estoy preparado para realizar una prueba técnica breve en su PC y participar en el diagnóstico por hora con un enfoque práctico y orientado a resultados. Elíjame para convertir su conjunto de agentes en un sistema local más coherente, útil y fácil de mejorar. Thanks!

内容来自 Freelancer News,版权归原作者所有。

阅读原文 ↗

把喜欢的内容,留在你的新标签页。

打开我的订阅