Ein System zur automatischen Verarbeitung großer Informationsmengen mithilfe von KI wird benötigt. Derzeit verwende ich meinen eigenen Prompt in Claude. Bei kleinen Texten funktioniert er gut, aber bei großen Mengen kann das neuronale Netzwerk Teile überspringen, vor dem Ende stoppen oder melden, dass die Verarbeitung abgeschlossen ist, obwohl das Material nicht vollständig bearbeitet wurde. Ein System wird benötigt, das sofort ein Buch mit 200+ Seiten, mehrere Bücher, PDF, DOCX, TXT, Untertitel, Transkripte von Audio und Video oder andere große Informationsmengen annimmt und diese automatisch von Anfang bis Ende verarbeitet. Ein Hauptformat für das Ergebnis für jeden sinnvollen Satz: Englische Version. •••••••••••••••••••••••••••• Russische Version. •••••••••••••••••••••••••••• Englische Version. •••••••••••••••••••••••••••• Englische Version. •••••••••••••••••••••••••••• Russische Version. •••••••••••••••••••••••••••• Englische Version. Jede sinnvolle Zeile wird viermal auf Englisch und zweimal auf Russisch in der angegebenen Reihenfolge ausgegeben. Die Übersetzung muss den Sinn genau wiedergeben. Kurze Sätze können zusammengefasst, lange in abgeschlossene sinnvolle Zeilen unterteilt werden. Das Format muss anpassbar sein: Anzahl der englischen Wiederholungen und Übersetzungen, deren Reihenfolge, Sprachen, Trennzeichen, Zeilenlänge, Hauptprompt und Speicherung verschiedener Vorlagen. Zum Beispiel kann anstelle von Englisch-Russisch-Englisch-Englisch-Russisch-Englisch jede andere Reihenfolge gewählt werden. Wenn das Dokument nicht in einer Anfrage verarbeitet werden kann, sollte das Programm es selbst in interne Blöcke aufteilen, diese an Claude, ChatGPT, Gemini oder ein anderes Modell senden, das Ergebnis überprüfen, problematische Teile wiederholen und alles in einer Datei zusammenführen. Der Benutzer sollte den Text nicht manuell über vier Seiten kopieren müssen. Es muss überprüft werden, dass kein Satz, Absatz oder sinnvoller Fragment übersprungen wurde, keine Duplikate zwischen den Blöcken vorhanden sind und die Struktur dem Muster entspricht. Die Überprüfung sollte nicht nur auf der Behauptung des neuronalen Netzwerks basieren. Audioverarbeitung Das System sollte auch große Archive von Audio verarbeiten, zum Beispiel einen Telegram-Kanal mit 300 Sendungen von jeweils etwa einer Stunde. Es wäre wünschenswert, das Audio automatisch herunterzuladen oder das gesamte Archiv zu akzeptieren, die Sprache zu erkennen und alles ohne manuelle Beteiligung zu verarbeiten. Für jede Sendung sollte eine strukturierte Zusammenfassung erstellt werden: Thema, Hauptgedanken, wichtige Fakten, Beispiele, Empfehlungen und Schlussfolgerungen. Begrüßungen, Werbung, gesprächsbedingter Müll und sinnlose Wiederholungen werden entfernt, aber nützliche Informationen bleiben erhalten. Nach der Verarbeitung sind nicht nur einzelne Zusammenfassungen erforderlich, sondern auch ein gemeinsames lesbares Dokument, in dem die Informationen nach Themen zusammengefasst sind. Wenn ein Thema in verschiedenen Sendungen behandelt wurde, werden die Materialien in einem Abschnitt zusammengefasst, Duplikate entfernt und Links zu den Originalaufzeichnungen beibehalten. Das Ergebnis sollte Folgendes umfassen: — eine Zusammenfassung für jede Sendung; — ein allgemeines thematisches Dokument; — eine Suche nach Wörtern und Themen; — eine Verbindung der Schlussfolgerungen mit dem ursprünglichen Audio; — Speicherung des Fortschritts und Fortsetzung nach Fehlern. Die meisten dieser Aktionen kann ich bereits selbst durchführen, jedoch nur bei kleinen Mengen und manuell. Daher bin ich auch bereit, einen effizienteren Weg zum Herunterladen und Umwandeln von Audio in Text in Betracht zu ziehen, wenn der Ausführende eine bessere Lösung als die von mir verwendete anbietet. Was in der Antwort angegeben werden soll Bitte schreiben Sie: — wie das System umgesetzt wird und welches Produkt ich erhalten werde; — welche KI- und Spracherkennungsmodelle verwendet werden; — wie die Vollständigkeit überprüft und Auslassungen und Wiederholungen ausgeschlossen werden; — ob die Prompts, die Anzahl der Übersetzungen, Wiederholungen und deren Reihenfolge geändert werden können; — ob Materialien aus Telegram heruntergeladen werden können; — die Kosten für die Entwicklung, API, Fristen und Preise für weitere Anpassungen. Das Hauptziel ist ein universelles System, das ohne manuelle Beteiligung große Bücher und Hunderte von Stunden Audio verarbeitet, keine Informationen verliert und ein fertiges Ergebnis strikt nach dem gewählten Muster liefert.
Wir suchen einen erfahrenen Blockchain Full-Stack Entwickler, der uns hilft, ein Next-Generation Endless Runner Web3-Spiel mit On-Chain-Gameplay-Mechaniken, NFTs und tokenisierten Belohnungen zu entwickeln. Dies ist eine Gelegenheit, an einem innovativen Spiel zu arbeiten, das moderne Webtechnologien mit Blockchain-Infrastruktur kombiniert. Sie werden mit Spielentwicklern, Backend-Ingenieuren und Designern zusammenarbeiten, um skalierbare Smart Contracts, Web3-Integrationen und ein nahtloses Spielerlebnis zu schaffen.
Wir beschäftigen uns mit der Beschaffung von Zuschüssen für bereits bestehende Unternehmen, die Investitionen planen. Wir haben die Idee, eine Hilfe zur Erstellung / Verbindung verfügbarer KI-Modelle zu entwickeln, um Unternehmen zu finden, die Investitionen planen oder bereits in der Umsetzung sind, und ihnen dafür Zuschüsse anzubieten (hauptsächlich beschäftigen wir uns mit Zuschüssen für den Kauf von Maschinen und Geräten). Die KI würde verfügbare Seiten und Register durchsuchen, um Investoren zu finden. Anschließend würde sie sich auch um die Automatisierung des Mailings an diese Unternehmen kümmern und in der Antwort Unternehmen herausfiltern, die: - in die Lead-Kategorie fallen (ich denke, 5-6 Parameter); - auf die E-Mail geantwortet haben und an einem Zuschuss interessiert sind; Natürlich sind zusätzliche Vorschläge willkommen, ich denke auch über Voice Calling und den Versand von SMS nach. Ich möchte betonen, dass ich nicht nur an der Suche nach großen oder sehr großen Unternehmen interessiert bin, sondern auch an kleineren, z.B. mit 8-50 Mitarbeitern. Und nicht nur große Städte, sondern auch kleinere Städte. Beispielziel für den Test: PODKARPACKIE Für mikro, kleine und mittlere Unternehmen (KMU) sowie große Unternehmen aus der Woiwodschaft Karpatenvorland, die zur Sicherheits- und Verteidigungsbranche gehören. Unter einem Unternehmen aus der Sicherheits- und Verteidigungsbranche versteht man ein Unternehmen, das: Produkte, Technologien oder Systeme entwickelt oder herstellt, die für militärische Anwendungen bestimmt sind, die mit nationaler Sicherheit, dem Schutz kritischer Infrastrukturen oder der Sicherheit der Bürger verbunden sind oder Dienstleistungen anbietet, die Sicherheitssysteme und Verteidigung unterstützen (z.B. im Bereich der Cybersicherheit) oder Forschung und Entwicklung im Bereich militärischer Technologien und Sicherheitssysteme betreibt und die einen wesentlichen Anteil an Einnahmen aus dem Verkauf von Produkten, Technologien, Systemen oder Dienstleistungen im Bereich Sicherheit und Verteidigung erzielen, d.h. über 5 % des gesamten Nettoumsatzes (insgesamt in den letzten 3 abgeschlossenen Rechnungsperioden). Unterstützung verfügbar für Unternehmen, die ihre Geschäftstätigkeit in organisierter und kontinuierlicher Weise in der Woiwodschaft Karpatenvorland seit mindestens 24 Monaten rückblickend ab dem Tag der Bekanntgabe der Ausschreibung ausüben. Wir haben Vorschläge für Seiten zur Suche. Ziel ist es, dass das Programm täglich eine Übersicht über solche Investoren für uns erstellt. Kann uns jemand dabei helfen? Ich habe gelesen, dass dies möglich ist, aber ich habe selbst keine Zeit, mich darum zu kümmern :)
Es ist notwendig, einen Dienst auf der Basis von Claude oder einem anderen geeigneten KI-Modell zu entwickeln, der automatisch Wettbewerbsunternehmen finden, sie per E-Mail und Telefon kontaktieren, die erforderlichen Informationen sammeln und die Ergebnisse in einer einzigen Tabelle erfassen kann. Hauptaufgabe des Dienstes Der Benutzer stellt eine spezifische Anfrage, zum Beispiel: - den Preis für eine bestimmte Art von Fleisch erfahren; - den Preis für eine bestimmte Art von Holz erfahren; - den Preis eines Produkts oder einer Dienstleistung klären; - die Verfügbarkeit eines Produkts überprüfen; - die Lieferzeiten erfahren; - die Bedingungen der Zusammenarbeit erhalten. Danach sollte das System: 1. Geeignete Unternehmen finden. 2. Ihre Kontaktdaten sammeln. 3. Ihnen personalisierte E-Mails senden. 4. Die Unternehmen mit Hilfe eines KI-Bots anrufen. 5. Antworten auf die gestellten Fragen erhalten. 6. Alle Ergebnisse in Google Sheets oder einer anderen Tabelle speichern. Für jede neue Aufgabe sollte der Benutzer in der Lage sein, Suchanfragen, Auswahlkriterien, den Text der E-Mail und das Skript für das Telefonat zu ändern. Phase 1. Sammlung der Unternehmensdaten Phase 2. E-Mail-Versand und Sammlung der Antworten Phase 3. KI-Anrufe bei Unternehmen --- Wichtige technische Anforderungen - Möglichkeit, Claude zur Generierung von E-Mails, zur Analyse von Antworten und zur Steuerung des Dialogs zu verwenden. - Möglichkeit, das KI-Modell ohne vollständige Überarbeitung des Systems zu ersetzen. - Integration mit Google Sheets. - Integration mit Gmail oder einem anderen E-Mail-Dienst. - Integration mit einem KI-Telefoniedienst. - Historie aller E-Mails, Anrufe und Änderungen. - Möglichkeit, Aufgaben zu stoppen oder auf Pause zu setzen. - Kontrolle der Ausgaben für Anrufe, E-Mails und KI-Anfragen. - Begrenzung der Anzahl der Anrufe pro Tag. - Schutz vor wiederholtem Versand von E-Mails und wiederholten Anrufen bei einem Unternehmen. - Einhaltung der Gesetzgebung zu Telefonanrufen, Aufzeichnung von Gesprächen, E-Mail-Versand und Verwendung personenbezogener Daten. --- Erwartetes Ergebnis Das Ergebnis sollte ein Dienst sein, bei dem der Benutzer eine Aufgabe erstellt, angibt, welche Informationen benötigt werden, die Geografie und Quellen auswählt, woraufhin das System selbstständig: 1. Eine Datenbank von Unternehmen sammelt. 2. Kontaktdaten findet. 3. Personalisierte E-Mails sendet. 4. Unternehmen nach dem vorgegebenen Skript anruft. 5. Antworten analysiert. 6. Eine einheitliche Tabelle mit den Ergebnissen erstellt. 7. Zeigt, aus welcher Quelle jede Information erhalten wurde. Für die erste Diskussion mit dem Entwickler sollte auch separat um eine Schätzung der Kosten und Fristen für MVP, automatisches Parsen, KI-Telefonie und monatliche Infrastruktur gebeten werden.
Hallo zusammen! Derzeit gibt es auf dem Markt viele Verkäufer, die Tokens von claude über Proxys verkaufen. Ich muss verschiedene Verkäufer testen und herausfinden, welches API am zuverlässigsten für das Codieren von claude code funktioniert. Es wird notwendig sein, sich über das Terminal in claude code zu authentifizieren und die Stabilität der API zu überprüfen (unter Last testen) und das optimalste zu finden. Wer kann das jetzt übernehmen?
Ich suche einen Auftragnehmer für den Aufbau eines AI-Agenten-Systems, das den Marketing- und Verkaufsprozess automatisiert: von der Inhaltserstellung bis zur Segmentierung von Leads im CRM und der Analyse von Hypothesen. Unten sind die Aufgaben, gruppiert nach funktionalem Zweck. Wie viele Dienste/Agenten in der endgültigen Architektur vorhanden sein werden und auf welchem Stack - das entscheiden Sie basierend auf Ihrer eigenen Erfahrung. Wichtig ist, dass die Lösung alle untenstehenden Aufgaben abdeckt, funktionsfähig, wartbar, skalierbar ist und unbedingt einen benutzerfreundlichen Mechanismus zur Überprüfung/Genehmigung der Ergebnisse durch eine Person vor der Veröffentlichung oder dem Start von Werbung hat. Block 1. Inhaltserstellung (multikanal Copywriting)Ein oder mehrere generierende Module, die Texte für verschiedene Formate basierend auf den Projektmaterialien (Kursprogramme, Interviews, Übertragungen) ausgeben: Texte für Landingpages Email-Sequenzen: Aufwärmketten, Newsletter Beiträge im Telegram-Bot/Kanal Werbetexte für Meta, einschließlich Varianten für verschiedene Hypothesen Content-Plan und Beiträge für Facebook / Instagram / Telegram Artikel für den Blog (auch basierend auf transkribierten Videos - siehe Block 3)Block 2. Erstellung der finalen MaterialienUmwandlung des fertigen Textes in ein endgültiges Artefakt, das bereit zur Veröffentlichung ist: Lead-Magnete - Layout und Zusammenstellung eines fertigen PDFs (Checklisten, Leitfäden) mit Integration von Canva/Figma zur Bearbeitung Werbekreative für Meta - statische Visuals mit Resizes für Kampagnenformate Landingpages auf Framer - Seitenstruktur, CMS-Inhalt, Zusammenstellung der fertigen Seite für den Start.Block 3. Video → Blog Transkription von Videos (Übertragungen, Interviews, Workshops) Aufteilung des Transkripts in Artikel, die in den Trichter führen Veröffentlichung im Blog auf der Hauptwebsite (der Blog existiert derzeit nicht - möglicherweise wird ein Blog-Bereich auf Framer CMS benötigt; offene Frage: kann das System ihn selbst erstellen oder ist das eine separate Aufgabe)Block 4. Integration mit dem Werbekonto von Meta Export fertiger Texte und Kreative ins Konto Tagging von Anzeigen/Kampagnen nach HypothesenBlock 5. CRM und Lead-Routing Automatische Segmentierung von Leads im Telegram-Bot (war/war nicht bei der Veranstaltung, Trichterzweig, Angebot) Übertragung der Segmente ins CRM Automatisches Tagging neuer Leads im CRM beim Eintritt in den Trichter (durch Registrierung)Block 6. Analyse von Hypothesen Erstellung einer Tabelle/Dashboard für Hypothesen: Kosten/Ergebnis für jeden Trichter, Lead-Magnet, Kreativ. Periodische KI-Analyse mit Empfehlungen: was skalieren, was stoppen Bewertung der Konversionsrate von LandingpagesWas wir im Feedback erwarten Architekturvision - wie würden Sie diese 6 Blöcke in Agenten/Dienste aufteilen, auf welchem Stack (Orchestrierung, Generierung, Datenspeicherung). Portfolio/Fälle - Beispiele ähnlicher Automatisierungssysteme (Marketing, Leads, Inhaltserstellung). Ungefähre Schätzung der Fristen und Kosten, vorzugsweise schrittweise. Fragen zum Lastenheft, falls etwas unklar ist.
Wir suchen einen erfahrenen Python/AI-Entwickler (oder ein kleines Team) zur Erstellung eines KI-Dienstes auf Basis eines Telegram-Bots. Das Projekt automatisiert die Annahme von Bestellungen von Meistern und Servicezentren auf einem aktiven B2B-Marktplatz für Ersatzteile für mobile Technik und Elektronik (Katalog ~30.000 SKU). Was der Bot tun soll:Multimodale Eingabe: Text, Sprachnachrichten (Whisper API) und Fotos von Teilen/Markierungen annehmen (GPT-4o Vision), Nomenklatur, Revisionen und Part-Nummern erkennen.Intelligente Suche: Jargon der Meister (Akku, AKB, Display, orig) mit offiziellen Bezeichnungen über die vektorielle Suche (Vector DB) abgleichen.Interaktives UI: Bei mehreren Qualitätsoptionen (Original, High Copy usw.) — diese in einer Nachricht gruppieren, Inline-Checkboxen mit Preisen und Beständen anzeigen, den Warenkorb „on the fly“ neu berechnen.Kaskadierende Präzisierungen (Slot Filling): Bei mehrdeutigen Anfragen schrittweise die Parameter klären (Modell → Farbe → Revision).Erstellung: Nach Bestätigung des Warenkorbs automatisch ein fertiges JSON-Paket der Bestellung über die API an die Website senden.Stack: Python (FastAPI), Aiogram 3.x, OpenAI API (GPT-4o + Whisper), Qdrant, Docker + docker-compose. Umsetzungszeitraum: 5–7 Wochen.⚠️ Obligatorische Bedingung für die Antwort: Um Auto-Antworten von Spam-Bots auszuschließen, geben Sie in der Nachricht an: welches Modell von Embeddings Sie für die vektorielle semantische Suche über 30.000 technische SKU wählen würden und warum? Antworten mit Standardtext ohne Antwort auf diese Frage werden automatisch abgelehnt.
Wir suchen einen Spezialisten oder ein Team zur Implementierung von KI-Lösungen in die Kommunikation des medizinischen Zentrums für CT und MRT. Benötigt wird: Integration von KI in die Telefonie zur Bearbeitung von eingehenden und Kaltanrufen; Gewährleistung einer natürlichen ukrainischsprachigen Kommunikation mit minimalen Pausen; Integration eines KI-Assistenten in den Binotel-Chat oder Vorschlag einer effektiven Alternative; Automatisierung der Antworten auf Anfragen, Erstberatung und Terminvereinbarung für Untersuchungen. Wichtig: Der medizinische Bereich erfordert eine präzise Informationssammlung vor CT oder MRT, insbesondere bezüglich des Untersuchungsbereichs, der Vorbereitung, der Überweisung und möglicher Kontraindikationen. Die Lösung muss empathisch, professionell sein und die Übertragung komplexer Fälle an den Operator vorsehen. Bitte senden Sie in Ihrer Antwort relevante Fälle, eine Beschreibung der vorgeschlagenen Lösung und voraussichtliche Fristen. Erfahrung in medizinischen Projekten ist von Vorteil.
Es ist notwendig, eine Anwendung in MATLAB zu entwickeln, die in der Lage ist, Bilder/Videos zu verarbeiten, einzelne Objekte zu erkennen, ihre Eigenschaften zu analysieren und bei Bedarf Methoden des maschinellen Lernens zur Automatisierung der Analyse zu verwenden. Wünschenswert: sichere Kenntnisse in MATLAB; Erfahrung in Computer Vision / Bildverarbeitung; Erfahrung mit maschinellem Lernen;
Entwickler für die Erstellung von KI-Bots - ein Multi-Agenten-System und Automatisierungen in einer KI-Anwendung. Was benötigt wird: Kenntnisse in n8n; Erfahrung in der Integration von OpenAI und anderen KI-Modellen über API; Arbeit mit Webhooks, REST API und Supabase; Fähigkeit, zuverlässige KI-Workflows und Automatisierungen zu erstellen. Erstellung von Multi-Agenten-Systemen von Grund auf oder mit einem Framework KI-Agenten, MCP, RAG
Berechnung der fertigen Produkte und PersonenNicht konforme Produkte. Am Beispiel einer hochproduktiven Linie sicherstellen, dass eine genaue Berechnung der Durchsatzkapazität, der Arbeitskräftebeteiligung, der Identifizierung von Nichtkonformitäten und des Kontexts von Stopps/Umstellungen bereitgestellt wird, indem analytische Informationen bereitgestellt werden.
Guten Tag, was benötigt wird: 1. Eine Analyse der Prozesse (persönlicher Führungskraft) und des Geschäfts durchführen. 2. Überlegen, wo (in welchen Prozessen) KI-Assistenten implementiert werden können. Wo dies sinnvoll und effektiv wäre. 3. Eine Entwicklung durchführen. Wir beschäftigen uns mit der Veröffentlichung von wissenschaftlichen Artikeln.
Wir suchen einen 3D GenAI Engineer / AI 3D Pipeline Developer Es muss eine Lösung erstellt werden, die qualitativ hochwertige 3D-Modelle aus einem oder mehreren Bildern generieren kann. Es ist wichtig, dass dies nicht nur eine fertige Demo ist, sondern ein verständlicher und reproduzierbarer Prozess: vom Eingangsbild bis zum vollwertigen 3D-Asset mit Mesh, Geometrie, Texturen und der Möglichkeit zur weiteren Nutzung. Was zu tun ist: * moderne Image-to-3D-Modelle und Ansätze testen; * bestimmen, welche Option am besten für unsere Aufgabe geeignet ist; * sich mit Trellis, Hunyuan3D oder ähnlichen Lösungen auskennen; * bei Bedarf Gaussian Splatting im 3D-Pipeline verwenden; * die Umwandlung von Gaussian Splat / Splat-Darstellung in 3D-Mesh einrichten; * brauchbare Geometrie erhalten; * Texturen von hoher Qualität generieren; * das Ergebnis in einen nutzbaren 3D-Asset überführen; * das optimale Gleichgewicht zwischen Qualität, Generierungsgeschwindigkeit und Komplexität der Pipeline finden; * einen verständlichen Prozess aufbauen, der für verschiedene Bilder wiederholbar ist; * Fine-Tuning, LoRA oder andere Anpassungen von Modellen für bestimmte Objekttypen durchführen; * in der Lage sein, mit ComfyUI zu arbeiten: sich in Graphen auskennen, die ComfyUI API nutzen und bei Bedarf benutzerdefinierte Nodes schreiben. Bitte zeigen Sie in Ihrer Antwort unbedingt einige Beispiele im Format: Eingangsbild und das daraus erhaltene 3D-Modell. Das Format ist nicht wichtig: Render, Video, 3D-Viewer, GLB, OBJ, FBX oder Blender-Datei. Wir interessieren uns in erster Linie für realistische Objekte: Möbel, Schmuck, Einrichtungsgegenstände, Dekor, Accessoires und andere physische Produkte. Beispiele aus Anime oder stilisierten Charakteren sind nicht geeignet.
Über das Projekt Wir suchen einen erfahrenen AI-Automatisierungsingenieur, der eine sichere, selbstgehostete AI-Plattform entwirft und aufbaut, die ein lokales Large Language Model (LLM), Retrieval-Augmented Generation (RAG) und mehrere AI-Agenten kombiniert, um Geschäftsabläufe zu automatisieren. Dies ist eine praktische Ingenieursrolle für jemanden, der Erfahrung im Aufbau von Produktions-AI-Systemen hat – nicht nur in der Integration von ChatGPT-APIs. Das Ziel ist es, ein privates AI-Ökosystem zu schaffen, das in der Lage ist, Unternehmenswissen sicher zu indizieren, Fragen unter Verwendung zitierter Quellen zu beantworten, Besprechungsprotokolle zu verarbeiten und interne Geschäftsprozesse zu automatisieren. Verantwortlichkeiten Sie sind verantwortlich für: Das Entwerfen und Bereitstellen eines lokal gehosteten LLM auf einem VPS oder dedizierten Server Das Erstellen einer sicheren RAG-Pipeline unter Verwendung von Frameworks wie LlamaIndex oder ähnlichem Das Erstellen von Dokumentenaufnahme-Pipelines, die PDF (einschließlich OCR), DOCX, TXT, XLSX und Besprechungsprotokolle unterstützen Die Implementierung von Dokumentenindizierung, Metadatenverwaltung, Duplikatselimination und Versionierung Die Entwicklung von AI-Agenten für: Die Verarbeitung von Besprechungsprotokollen Automatische Besprechungszusammenfassungen Die Extraktion von Aktionspunkten Die Abfrage von Kundenwissen Das Erstellen von APIs oder einer einfachen Weboberfläche zur Abfrage der Wissensdatenbank Die Gewährleistung strikter Kundendatenisolierung und Berechtigungssteuerung Die Implementierung von quellenzitierten Antworten zur Minimierung von Halluzinationen Die Optimierung der Systemleistung, Skalierbarkeit und Zuverlässigkeit Das Schreiben von Dokumentationen und Bereitstellungsanleitungen Die Durchführung von Tests und Sicherheitsvalidierungen Erforderliche Fähigkeiten Starke Python-Entwicklungserfahrung Erfahrung mit LLM-Frameworks Erfahrung in der RAG-Architektur LlamaIndex, LangChain oder gleichwertig Vektordatenbanken (Qdrant, Chroma, Pinecone, Weaviate, FAISS usw.) Lokale/open-source LLM-Bereitstellung (Llama, Mistral, Gemma, DeepSeek usw.) API-Entwicklung (FastAPI bevorzugt) Docker Linux-Serveradministration VPS-Bereitstellung Git Authentifizierung und Zugriffskontrolle Erfahrung mit OCR-Pipelines Erfahrung in der Arbeit mit strukturierten und unstrukturierten Dokumenten Fließendes Englisch Was wir suchen Der ideale Kandidat: Hat Produktions-AI-Systeme von Grund auf gebaut Versteht die besten Praktiken von RAG Kann unabhängig arbeiten Denkt wie ein Softwarearchitekt – nicht nur wie ein Entwickler Schreibt sauberen, wartbaren Code Kommuniziert klar Kann die besten Technologien empfehlen, anstatt einfach Anweisungen zu befolgen Projektart Freelance / Vertrag Remote Meilensteinbasiert Langfristige Möglichkeit für zukünftige AI-Automatisierungsprojekte Bitte fügen Sie Ihrer Bewerbung Folgendes bei Portfolio ähnlicher AI/RAG-Projekte Beispiele für lokale LLM- oder AI-Agentenimplementierungen Geschätzter Zeitrahmen Geschätzte Projektkosten Stunden- oder Festpreiskalkulation
Ich suche eine Person (kein Bot), die sich mit AI-Agenten auskennt und in der Lage ist, sie zu erstellen. Unter einem AI-Agenten verstehe ich: Verarbeitung von Eingabedaten, Anfrage an ein LLM oder ein ähnliches AI-Modell, potenzielle Anfrage an MCP oder ähnliches, potenzielle Anfrage an RAG-Systeme, Verarbeitung von Ausgabedaten. Und Erfahrung sollte in der Arbeit mit mehreren Agenten vorhanden sein, die sich ebenfalls selbst überprüfen, Daten austauschen usw. Außerdem ist ein Verständnis für RAG-Systeme erforderlich. Erwünscht ist Erfahrung in der Automatisierung von Marketingprojekten, zum Beispiel: Suche nach den neuesten Themen unter Verwendung von Deep Research in den Quellen 1, 2, 3.... Vergleiche sie mit dem, was du bereits gefunden hast, und entferne Duplikate. Vergleiche auch mit bereits veröffentlichten Artikeln. Analysiere die gefundenen Nachrichten im Zusammenhang mit dem benötigten Kontext. Suche und bewerte die Wichtigkeit dieser Themen. Erstelle einen Bericht für den Benutzer. Erstelle ein Beispiel für einen Beitrag für LinkedIn, Instagram, X im Stil, der zuvor verwendet wurde (und überprüfe ihn).