Es muss ein System zur Verwaltung von OnlyFans/Fansly-Konten erstellt werden. Das Lastenheft habe ich angehängt. Geben Sie in Ihrem Angebot den Preis und die Fristen für das gesamte Projekt gemäß dem Lastenheft an. Stellen Sie alle Fragen und Klarstellungen in den Diskussionen -- ich werde antworten. Bitte lesen Sie das Lastenheft, bevor Sie ein Angebot abgeben.
Wir suchen einen Entwickler (Python / KI / Integration) zur Erstellung eines Telegram-Bots, der den Operator für die Annahme von Bestellungen für die Lieferung von Gemüse und Obst von Restaurants vollständig ersetzt. Die Hauptaufgabe des Bots besteht darin, unstrukturierte Anfragen in beliebigen Formaten (Text, Fotos von handschriftlichen Listen, Sprachnachrichten) entgegenzunehmen, sie in unser Sortiment zu überführen und die fertige Bestellung an 1C zu übermitteln. Schlüsselfunktionalität: Entgegennahme und Erkennung von Anfragen (II-Modul): Erkennung von Freitext, Sprachnachrichten (Whisper / SpeechKit) und Fotos/scans (Vision OCR). Extraktion von Entitäten: Position, Menge, Einheit (kg, Kisten, Stücke). Abgleich des Sortiments (Mapping): Abgleich von Slang/Abkürzungen der Kunden („Kartoffel“, „Kirschtomaten“, „Zwiebel“) mit dem offiziellen Warenverzeichnis des Unternehmens. Feedback-Funktion: Wenn die Position oder Menge unklar ist, stellt der Bot dem Kunden im Chat eine Rückfrage. Bestätigung und Integration: Anzeige der endgültigen Bestellung für den Kunden zur Bestätigung („Ihre Bestellung: Kartoffeln — 50 kg, Kirschtomaten — 10 kg. Ist alles korrekt?“). Übermittlung der erstellten Bestellung über die API an 1C (Erstellung des Dokuments „Kundenbestellung“). Umsetzungsphasen (MVP und darüber hinaus): Phase 1: Logik des Bots, Verarbeitung von Text/Audio/Fotos und Ausgabe von strukturiertem JSON. Phase 2: Einrichtung des Abgleichs mit der Sortimentsdatenbank. Phase 3: Einrichtung der Datenübertragung an 1C (REST API / HTTP-Dienste). Anforderungen an den Auftragnehmer: Erfahrung mit der API von OpenAI / Claude und Bibliotheken zur Spracherkennung/Fotografie. Sichere Beherrschung von Python (Aiogram / Telebot / FastAPI). Erfahrung in der Integration externer Dienste mit 1C (Vorhandensein von fertigen Fällen ist ein entscheidender Vorteil).
Es ist notwendig, eine lokale Lösung (Skript / Emulator / Proxy) für Windows zu erstellen, die der Lovense Cam Extension im Browser einen ständigen Status eines verbundenen Spielzeugs (Lush 3) liefert. Hauptziel: Die Erweiterung in Chrome sollte „grün“ (Verbunden / Connected) 24/7 leuchten, ohne dass ein Mobiltelefon, der originale USB-Dongle und ein echtes Bluetooth-Gerät erforderlich sind. Was als Ergebnis eingereicht wird: Vollständiger Quellcode des Repositories / Archivs (ohne Obfuskation). Eine Datei README.md mit einer detaillierten Anleitung zur Bereitstellung von Grund auf auf einem sauberen Windows. Demonstration der Funktion: Bei ausgeführtem Skript zeigt die Lovense Cam Extension in Chrome einen stabilen „Grünen“ Status. Bitte schreiben Sie bei der Antwort zuerst das Anti-Bot-Wort: dsqwueq
Unser altes selbstgeschriebenes System hat sich erschöpft, wir müssen wachsen. Wir suchen einen erfahrenen Profi für die Implementierung von ERPNext. Unbedingt mit Erfahrung, unser Bereich ist Groß- und Einzelhandel. Es wird viele verschiedene Standard- und Nicht-Standardlösungen geben, sowie die klassische Anbindung von PRRO, Banken Monobank und Privatbank, Nova Poshta, Marktplätze und so weiter. Bist du bereit?! :) Dann schicke uns deinen Lebenslauf und lass uns kennenlernen.
Allgemeine Informationen: Es gibt einen Telegram-Bot, der in Python (aiogram v3, aiohttp, MySQL, Redis) geschrieben ist. Dies ist ein Dienst zur Interaktion zwischen Auftraggebern und Auftragnehmern (Profile, Projekte usw.). Notwendige Fähigkeiten: - Sicherer Umgang mit aiogram v3 (nicht v2!), asyncio, aiohttp; - Kenntnisse der Telegram Bot API (Webhooks); - Erfahrung mit MySQL, Redis; - Fähigkeit, sich in fremden Code einzuarbeiten; - Kommunikationsfähigkeit, Verantwortungsbewusstsein. Ich benötige, dass in der aktuellen Version des Bots direkt auf dem Server ein Bug-Problem behoben wird. Das Problem besteht darin: Die Chats (Nester) funktionieren nicht einwandfrei, es sollte einen Reiniger geben, der nach einem Algorithmus arbeitet, aber derzeit funktioniert er mit Bugs und reinigt nicht nach Zeitplan. - Der Chat zwischen dem Auftraggeber ist notwendig, um mit dem Auftragnehmer Arbeitsfragen zu besprechen. - Die Chats (Nester sind bereits alle erstellt, es muss gereinigt und in die Warteschlange gestellt werden. - Der Benutzer-Bot erstellt Chats (paarweise Nester, die wir bereits haben) und stellt sie in die Warteschlange, wenn im Chat ein Geschäft abgeschlossen wurde, befinden sich die Gesprächspartner darin (in einem Chat der Auftragnehmer, im anderen Chat der Auftraggeber); wenn der Chat jedoch geschlossen ist oder dort kein Geschäft abgeschlossen wurde und die Benutzer dort in den letzten 7 Tagen nicht geschrieben haben, entfernt der Bot die Auftraggeber oder Auftragnehmer und stellt diesen Chat (Nest) zurück in die Warteschlange. - Der Auftraggeber kann in den Chat mit jedem Auftragnehmer wechseln, der auf die Bestellung reagiert hat. - Auftraggeber und Auftragnehmer befinden sich in zwei parallelen Chats, um zu verhindern, dass sie das direkte Konto des Gesprächspartners sehen und ihm nicht direkt schreiben können. * Die Funktionsweise der Chats und alles andere bleibt unverändert. Hauptsache, die Korrektur zieht keine anderen Probleme nach sich.
System für automatische Benachrichtigungen über die Auffüllung des Lagerbestands des Analytikers. Auf 8n8. Kleine Automatisierung für E-Commerce. Einmal täglich berechnet das System die Verkaufsrate für jedes Produkt und sendet über Telegram, dass es Zeit ist zu bestellen (mit empfohlenem Volumen) und wie viele Tage der Bestand reicht. Was wir tun: Datenabholung: KeyCRM API (Bestellhistorie) + Bestände/Bestellungen von Rozetka (API oder Export) Speicherung in SQLite auf meinem VPS (Contabo, Linux) Berechnung des durchschnittlichen Verkaufs, des Bestands in Tagen, des Bestellpunkts ABC-Analyse: Priorisierung, welches Produkt zuerst aufgefüllt werden soll (Klasse A — Hauptumsatz — wichtiger) Täglicher Telegram-Bot + Ausführung über cron Alle Schwellenwerte (Lieferzeit, Sicherheitsbestand, Zielbestand) — in der Konfiguration
Hallo! Ich muss das InvenTree-System (Open-Source) visuell anpassen für die Präsentation eines Café-Projekts. Ein komplexes Backend und die Integration mit der Kasse (POS) sind nicht erforderlich – wichtig ist die äußere Umgestaltung der Benutzeroberfläche, um den Unterschied „Vorher / Nachher“ zu zeigen. Projekt-Stack: Python (Django) + React (Mantine UI). Was im Interface gemacht werden muss: Benutzerdefinierte Markenbildung, Umbenennung im Seitenmenü und in Tabellen, Bereinigung der Formulare von technischen Feldern, Einrichten eines Rezepts für die „Zubereitung“ eines Getränks (z.B. Cappuccino), damit beim manuellen Abzug vom Lager alle Zutaten deutlich abgezogen werden, Funktionen in Form zusätzlicher Berichte hinzufügen und die Funktionsweise der vorgenommenen Änderungen erklären. Alle konkreten Details besprechen wir persönlich. Anforderungen an den Auftragnehmer: Erfahrung mit Django und React (Mantine UI). Fähigkeit, die Aufgabe schnell zu erledigen – das Projekt wird für eine Präsentation benötigt. Wir arbeiten über Safe (Sichere Transaktion). Beginnen Sie Ihre Antwort mit dem Wort „KAFFEE“, damit ich sehe, dass Sie bis zum Ende gelesen haben. Schreiben Sie Ihre Fristen und Preise.
Es muss eine kleine Änderung am Programm vorgenommen werden, das Bestellungen für den Druck erstellt. Aufgabe: Wir haben das Sortiment um weiches Glas mit Druck erweitert. In den Bestellungen wird der Name des Drucks mit den Symbolen #...# hervorgehoben, um eine korrekte Erkennung zu gewährleisten. Beispiel: Weiches Glas, #Abstraktion weiß# 2.0mm, Form: Rechteck... Notwendig: Wenn im Text der Bestellung ein Fragment zwischen den Symbolen #...# vorhanden ist, sollte das Programm es als Bestellung mit Druck erkennen; Bei der Erstellung von PDF oder Druckbogen sollte eine solche Bestellung in einer anderen Farbe hervorgehoben werden (irgendeine auffällige, das werden wir während der Ausführung abstimmen); Die restliche Logik des Programms sollte unverändert bleiben. Ein Beispiel für die Bestellung füge ich unten zur Testung bei.
Über das Projekt: Wir starten einen B2B-Service für durchgehende Analytik und Verwaltung von Werbekampagnen für Targeter und Media Buyer. Das Produkt wird mit der offiziellen Meta API arbeiten. Die Haupttechnische Herausforderung und der Fokus des Projekts liegt in der virtuosen Arbeit mit den Limits von Facebook, der Traffic-Routing zwischen unserem Pool von Anwendungen und einem strengen Schutzsystem der Infrastruktur gegen die Sperrung von grauen Werbekonten. Wir haben bereits ein detailliertes technisches Lastenheft, die Architektur der Datenbanken, die Logik des Load Balancers und die Anforderungen an die Schnittstellen beschrieben. Wir suchen einen Auftragnehmer, der dies schlüsselfertig umsetzt (Backend + Frontend-Dashboards). Was zu tun ist (Schlüsselaufgaben): Integration mit der Meta API: Benutzerautorisierung und regelmäßiges asynchrones Parsen der Statistiken der Werbekonten einrichten. Anfragen müssen ausschließlich in Paketen gesendet werden, um die Limits zu schonen. Auto-Entkopplungssystem für Konten: Ein Modul schreiben, das kontinuierlich die Status der Werbekonten überwacht. Wenn ein Konto gesperrt wird, muss das System innerhalb von 60 Sekunden das Zugriffstoken automatisch zurückziehen, um unsere Anwendung vor Sanktionen von Meta zu schützen. Proxy-Infrastruktur: Alle Anfragen an die API über einen SOCKS5-Pool tunneln. Eine strenge Bindung eines bestimmten Benutzertokens an eine statische IP-Adresse ist erforderlich. Intelligentes Routing: Einen Algorithmus erstellen, der die bindbaren Werbekonten zwischen mehreren unserer Facebook-Anwendungen in festgelegten Proportionen verteilt, um Risiken zu minimieren. Entwicklung von Schnittstellen: Ein Kunden-Dashboard mit einer Zusammenfassung der Statistiken und ein fortgeschrittenes Admin-Panel für die manuelle Verwaltung der Benutzerlimits, Bindungen an Anwendungen und den Proxy-Pool erstellen. Erwarteter Technologiestack: Backend: Python, FastAPI. Asynchrone Aufgaben: Celery, Redis. Datenbanken: PostgreSQL (oder ClickHouse für Statistiken, nach Ihrem Ermessen). Frontend: Vue.js oder React (fertige UI-Bibliotheken und Dashboard-Vorlagen können verwendet werden, Fokus auf Funktionalität, nicht auf komplexem Design). Anforderungen an den Auftragnehmer: Fundierte Erfahrung mit der Meta Graph API und Marketing API. Sie sollten verstehen, wie gleitende Limits funktionieren, wie man die Lastenüberschriften liest und wie man mit Tokens arbeitet. Verständnis der Besonderheiten des Traffic-Arbitrage. Die Begriffe „Billing“, „Sperrung des Werbekontos“, „Business Manager“ und „Farm“ sollten Ihnen keine Fragen aufwerfen. Erfahrung im Aufbau von asynchronen Parsern und der Arbeit mit Proxy-Servern auf Netzwerkebene. Bereitschaft, nach einem klaren technischen Lastenheft zu arbeiten und das Projekt schrittweise abzuliefern. Bedingungen: Kooperationsformat: Projektarbeit Budget: Individuell basierend auf Ihrer Einschätzung des technischen Lastenhefts verhandelbar. Bezahlung: Schrittweise, gebunden an Meilensteine. Wie man sich bewirbt: Bitte geben Sie in Ihrem Anschreiben unbedingt Ihre Erfahrung mit der Meta API an, fügen Sie Links zu ähnlichen Projekten bei (oder beschreiben Sie deren Funktionalität, wenn sie unter NDA stehen) und nennen Sie eine ungefähre Preisspanne und Fristen für die Entwicklung eines solchen Systems von Grund auf. Bewerbungen ohne Beschreibung relevanter Erfahrungen mit der Facebook API werden nicht berücksichtigt.
Kurz Ich benötige ein Programm in Python, das auf meinem PC (Windows) läuft und faceless-Videos im Format „Voiceover + wechselnde Bildfolgen aus Fotos und Clips“ erstellt – wie historische Dokumentationen auf YouTube (ein Beispiel werde ich separat beifügen). Ich gebe das Thema ein → das Programm schreibt das Skript, spricht es ein, sucht für jeden Textabschnitt Videos/Fotos aus kostenlosen Archiven, schneidet sie zusammen → gibt die fertige MP4 aus. Nur für mich. Ohne Website, ohne Benutzer, ohne Verkauf. Ein Benutzer – ich. Wie es funktioniert (Schritte) 1. Eingabe. Ein einfaches Fenster öffnet sich. Ich gebe das Thema des Videos ein und wähle eine Stimme aus der Liste aus (**die Liste der Stimmen wird automatisch über die API von ElevenLabs abgerufen** – verfügbar in meinem Konto). Ich klicke auf „Erstellen“. (Zweiter Modus: ein fertiges Skript anstelle der Generierung einfügen.) 2. Skript. Das Programm schreibt über die LLM API (OpenAI/Anthropic, Schlüssel in den Einstellungen) ein Skript zum angegebenen Thema in der gewünschten Länge. 3. Aufteilung in Szenen. LLM teilt das Skript in Szenen auf und gibt für jede zurück: Text der Szene; Art des visuellen Materials: Video oder Foto; Suchanfrage (ausführlicher Satz, was im Bild sein soll); Markierung „Highlight“ + Wichtigkeitsbewertung 1-10 (für das Intro, siehe unten). 4. Sprachaufnahme. Der Text wird über die ElevenLabs API mit der gewählten Stimme in Audio umgewandelt. Die Videosequenz wird entsprechend der Länge des Audios jeder Szene geschnitten. 5. Auswahl von Videos/Fotos – aus kostenlosen Quellen über die API (siehe Liste unten). Für jede Quelle wird die Anfrage individuell formuliert (zur Genauigkeit). Wenn in einer nichts gefunden wird, wird die nächste ausprobiert. 6. Überprüfung (maximal 3 Schritte pro Szene). Schritt 1: Das Programm nimmt die erste gefundene Option (Video/Foto) zur Anfrage. Schritt 2: Sendet den Frame an LLM – „passt zur Szene?“. Passt → Stopp. Schritt 3 (wenn nicht passend): Das Programm wechselt zur Suche nach Fotos (bei einer genauen Suchanfrage ist es einfacher, Fotos zu finden als Videos – so treffen wir garantiert den Sinn) und nimmt es mit verstärkter Bewegung (Zoom + Panorama). Mehr als 3 Schritte pro Szene sollten nicht gemacht werden – das spart das Budget von LLM und garantiert, dass der Frame zum Thema passt. 7. Zusammenstellung über ffmpeg/moviepy: Clips und Fotos nach dem Timing der Sprachaufnahme, Fotos werden durch Zoom lebendig gemacht (Ken-Burns-Effekt), Stimme darüber, einfache Übergänge. Ausgabe: MP4 1920×1080. Regeln für das Videomaterial (wichtig – das verantwortet das Programm) Die ersten 60 Sekunden – Intro-Teaser: Zusammenschnitt der eindrucksvollsten Clips aus dem gesamten Video (es werden Szenen mit der höchsten Wichtigkeitsbewertung genommen, in denen es Videos gibt) unter einem separaten Text-Intro von LLM („In diesem Video erfahren Sie…“), Frames ohne Erklärungen, wie eine Intrige. Dann Übergang und Hauptteil. Abwechslung: Videoeinblendung mindestens alle ~6 Sekunden, nicht viele Fotos hintereinander. Videoanteil: mindestens ~40% der Zeit – lebendige Clips, der Rest – Fotos mit Zoom. Länge des Frames: 4-6 Sekunden (sowohl Fotos als auch Videos). Nicht hektisch, nicht lange statisch halten. Für rein historische Themen, wo es kein Video gibt – Fotos mit verstärkter Bewegung (Zoom + Panorama). Quellen (alle kostenlos, mit API) Moderne Videos+Fotos: Pexels, Pixabay. Historisches / Archivmaterial (Public Domain): Wikimedia Commons, Archive.org,Library of Congress, Europeana, NASA, Smithsonian Open Access,Flickr Commons, openverse. Jede Quelle ist ein separates Modul, leicht hinzuzufügen. Nur Public Domain / freie Lizenzen mit dem Recht auf kommerzielle Nutzung verwenden. Kein Parsen von fremden YouTube/Sites, Filmstücken, Bildern „aus Google“.Einzigartigkeit der Auswahl Damit die Videos nicht mit anderen übereinstimmen: einen zufälligen Clip aus den Top-Ergebnissen nehmen (nicht den ersten), eine Datenbank bereits verwendeter Clips führen (nicht wiederholen), optional – leichte Bearbeitung des Clips (Crop/Spiegel/Geschwindigkeit). Optionen (ein-/ausschalten in den Einstellungen) Nur Fotos – wenn aktiviert, wird das Video rein aus Fotos ohne Video-Clips erstellt. Jedes Foto MUSS mit Bewegung (Zoom und/oder Panorama, Ken-Burns-Effekt) sein – selbst in diesem Modus dürfen keine statischen „toten“ Frames vorhanden sein, immer minimale Dynamik. Wenn deaktiviert – Standardmodus (Fotos + Video-Clips mit Abwechslung, wie in den Regeln für das Videomaterial). Ohne Sprachaufnahme – wenn aktiviert, wird das Video nach dem Text ohne Generierung der Stimme erstellt: der Code GREIFT NICHT auf ElevenLabs zu und legt keine Sprachaufnahme auf (das Videomaterial wird nach dem Text der Szenen ausgewählt, das Timing der Frames – nach den Regeln/Parametern, ohne Bezug zu Audio). Wenn deaktiviert – wird automatisch eine Sprachaufnahme nach dem Text über ElevenLabs erstellt, wie gewohnt. Atmosphärisches Overlay – wenn aktiviert, wird über das gesamte Videomaterial eine halbtransparente Schicht mit schwebenden Partikeln / Staub / leuchtendem Bokeh / leichtem Nebel (Particle / Dust / Bokeh / Fog Overlay, Overlay-Modus Screen/Add) gelegt, damit die Frames lebendig und filmisch aussehen. Bei der Installation des Programms wird ein Set aus 5-8 beliebten Overlays (Partikel, Staub,copyBokeh, Nebel, leichtes filmisches „Korn“) in einen lokalen Ordner gelegt – ich wähle das benötigte aus der Liste aus. Regulierbare Transparenz/Helligkeit des Overlays (Schieberegler 0-100%), damit der Effekt wedercopyzu matt noch zu ausgeprägt ist – ich stelle die Stärke selbst ein. Es wäre wünschenswert, dass das Overlay auch auf bereits fertige Videos separat angewendet werden kanncopy(Post-Processing: fertiges MP4 nehmen → Overlay auswählen → Transparenz festlegen → speichern), und nicht nur bei der Zusammenstellung. Woher die Overlays für die Ausstattung beziehen (freie Lizenz): Pexels, Pixabay (Anfragencopy„Particle Overlay“, „Bokeh Overlay“, „Dust Overlay“, „Light Leaks“, „Film Grain“), Mixkit, Videezy. Der Ausführende wählt 5-8 Stück aus und legt sie in den Programmordner. Untertitel (einfügen oder als separate .srt). Bearbeitung von Clips zur Einzigartigkeit. Auflösung/Format, Länge des Videos, Videoanteil, Suchtiefe.Technische Anforderungen Python. Modulare Struktur (Quellen und LLM – über austauschbare Module, um sie leicht zu ersetzen oder hinzuzufügen). Alle API-Schlüssel – in der Einstellungsdatei, nicht im Code. Ein einfaches Fenster (GUI nach Wahl des Ausführenden – Tkinter/PyQt), Start durch Doppelklick. README mit Anleitung, verständliche Protokolle, Kommentare im Code.Was ich gebe API-Schlüssel (ElevenLabs, LLM, wo eine Registrierung erforderlich ist – werde ich einrichten). Die Kosten übernehme ich selbst. Beispiele für Video-Referenzen (werde ich beifügen) und Beispiele für Themen für Tests.Abnahme (fertig, wenn) Ich starte → Fenster → gebe das Thema ein, wähle die Stimme → „Erstellen“ → erhalte fertige MP4. Das Videomaterial entspricht dem Sinn des Textes, Abwechslung von Video/Fotos, Intro-Teaser 60 Sek., Sprachaufnahme darüber. Funktioniert mindestens mit 6 kostenlosen Quellen, mit Fallback zwischen ihnen. Überprüfung der Frames über LLM: max. 3 Schritte pro Szene (gefunden → LLM überprüft → wenn nicht, Fotos mit Bewegung als sichere Wahl). Einzigartigkeit: Randomisierung + Datenbank der verwendeten. Nur legale Quellen. Es gibt README, es startet von Null.Übertragung des Ergebnisses Der gesamte Quellcode – in offener Form (alle Dateien), ohne Obfuskation + die zusammengestellte Arbeitsversion. Ich kann selbst aus den Quellen gemäß der Anleitung (README: Installation, Schlüssel, Start) starten. Der Code muss sauber, kommentiert und verständlich sein, damit **jeder andere Programmierer die Arbeit daran fortsetzen** kann, falls nötig (keine Bindung an den Autor). **Die gesamte alltägliche Arbeit – über die Benutzeroberfläche (Tasten, Felder, Schieberegler, Dropdown-Listen), OHNE die Notwendigkeit, den Code zu berühren.** Alle Einstellungen (Thema, Stimme, Optionen, Overlay, Ordner, Länge, Formate) werden im Programmfenster geändert, nicht durch Bearbeitung von Dateien. Der Code in Händen – nur als mein Eigentum und Versicherung, nicht als Steuerungsmethode für das Programm. Alle Rechte am Code nach der Zahlung – meine.Verwaltung des Speicherplatzes auf der Festplatte (wichtig) Das Programm darf die Festplatte nicht überfüllen. Umsetzen: Nach der Zusammenstellung des Videos werden alle Zwischenfiles (heruntergeladene Clips, temporäre Stücke, Audio-Schnipsel) automatisch gelöscht – auf der Festplatte bleibt nur das fertige MP4. Limit für den Cache (Parameter in den Einstellungen, z.B. 5 GB): Bei Überschreitung werden alte heruntergeladene Dateien automatisch gelöscht (zuerst die ältesten). Den Ordner für fertige Videos und temporäre Dateien lege ich in den Einstellungen fest. Anzeigen, wie viel Speicherplatz belegt ist, und eine Schaltfläche „Cache leeren“ manuell.Bitte im Antwortschreiben angeben Beispiele ähnlicher Arbeiten (ffmpeg/moviepy, Arbeit mit Stock-/Archiv-APIs, ElevenLabs/LLM). Vorschlag für die GUI. Verwendet die Lösung eine Datenbank (welche und warum) – oder reichen lokale Dateien aus. Frist und Kosten.
Wir entwickeln eine Echtzeit-Integration mit dem externen Dienst Trainer. Wir senden strukturierte Statusaufnahmen, erhalten Empfehlungen und zeigen diese in einem Popup-Ballon an. Die Aufgabe besteht darin, eine stabile und vollständige Datenübertragung für das korrekte Funktionieren des Trainers zu gewährleisten. Wir suchen einen Entwickler für die Kette: Datenverarbeitung → HTTP-Kommunikation → Overlay. Wir benötigen Personen mit folgenden Fähigkeiten Python gut, Java Basis, API HTTP/JSON-APIs Das Projekt ist zu 90% fertig, aber es gibt einige Unstimmigkeiten.
Es ist notwendig, ein lokales Python-Skript zu entwickeln, um Google Sheets automatisch mit Daten aus dem internen Dienst des Unternehmens zu füllen. Hauptlogik: 1. Mit Google Sheets verbinden. 2. Zeilen finden, in denen die ID ausgefüllt ist, aber zwei Zielwerte fehlen. 3. Einen Link nach dem Muster erstellen: https://internal-service.example/item/{ID} 4. Zwei Werte abrufen (über die API, falls vorhanden, andernfalls über Playwright). 5. Werte zurück in Google Sheets schreiben. 6. Die Zeile als verarbeitet markieren. 7. Mit der Verarbeitung der nächsten Zeilen fortfahren. Anforderungen: • Python • Google Sheets API • Priorität der Verwendung der offiziellen API • Bei fehlender API — Playwright • Kein OCR, Bildschirm- oder Mauskoordinaten-Erkennung • Vertrauliche Daten dürfen nicht in Logs gelangen • Konfiguration über .env • Testmodus (ohne Schreiben in die Tabelle) • Keine Verarbeitung bereits ausgefüllter Zeilen • Batch-Schreiben von Änderungen in Google Sheets • Korrekte Fehlerbehandlung und Wiederholungsversuche Bereitstellung: - Quellcode; - requirements.txt; - Beispiel .env.example; - Installationsanleitung; - Anleitung zum Start; - Kurze Beschreibung der Architektur. Vor Beginn der Umsetzung bitte ich: 1. Eine Architektur vorzuschlagen. 2. Die erforderlichen Zugriffe aufzulisten. 3. Klärende Fragen zu stellen. 4. Kosten, Fristen und voraussichtliche Stundenanzahl anzugeben.
Im Rahmen der Erhöhung der Cybersicherheitsstufe unserer Infrastruktur müssen wir von der Praxis absehen, „ewige“ und statische API-Schlüssel, Passwörter und Integrations-Tokens in den Konfigurationsdateien (.env, appsettings.json, config.yaml) unserer Mikrodienste zu speichern. Geschäftsziel: Eine zentrale, sichere Stelle zur Speicherung vertraulicher Daten (Secrets) mit einem Mechanismus zur automatischen Aktualisierung (Rotation) in externen Systemen nach Zeitplan zu schaffen. Unsere anderen Dienste werden aktuelle Tokens „on the fly“ über die API anfordern, was den Schaden im Falle einer Kompromittierung eines der Systemkomponenten minimiert.Sicherheitsmodell und Verschlüsselung (Crypto Core) In der Datenbank darf kein Secret im Klartext gespeichert werden. Beim Start der Anwendung wird ein Master-Schlüssel (Master Key) in die Umgebungsvariablen übergeben. Wenn der Schlüssel fehlt oder eine ungültige Länge hat, muss der Dienst beim Initialisierungsprozess mit einer verständlichen Fehlermeldung in den Logs abstürzen. Jedes Secret wird vor der Speicherung in der DB mit diesem Master-Schlüssel verschlüsselt. Bei der Abfrage wird es im Speicher entschlüsselt und im Antwortkörper zurückgegeben.Audit-Logging (Audit Trail) Jede Aktion mit Secrets (Erstellung, Lesen durch den Dienst, erfolgreiche oder erfolglose Rotation) muss in eine separate Log-Datei audit.log (oder eine separate Tabelle in der DB) protokolliert werden. Striktes Tabu: Im Audit-Log ist es kategorisch verboten, die tatsächlichen Werte der Secrets (weder im Klartext noch im verschlüsselten Format) zu protokollieren.
Ein Spezialist wird benötigt, um Parser zu schreiben, der CLOUDFRAME umgehen kann. Das Parsen von Produkten erfolgt von Websites mit Authentifizierung. Es gibt 10+ Spender unterschiedlicher Komplexität mit unterschiedlichem Schutzgrad. Das Parsen von Produkten erfolgt von Websites mit Authentifizierung. Die Daten werden in eine fertige Mysql-Datenbank + Fotos auf den Server geparst. Es muss ein Parser gemäß den Aufgaben im technischen Auftrag geschrieben und die Daten an die bestehende Datenbank angepasst werden, um eine vollständige Funktionalität auf der Website zu gewährleisten. Technische Spezifikation und Beispielspender auf Anfrage. Desktop-Parser und C# werden nicht in Betracht gezogen.
Automatisches Posten von einem Telegram-Bot in mehrere TG-Kanäle mit stündlichen Nachrichten. Bieten Sie Ihre Optionen und Preise an. Tatsächlich müssen nur einige fertige Werbeanzeigen in eine Gruppe in TG hinzugefügt werden.