Anastasiia A.
Zaproponuj Anastasiia pracę nad swoim kolejnym zleceniem.
Prywatna wiadomość
Zaproponuj zlecenie
Lwów,
Ukraina
1 miesiąc 10 dni temu
gotowy do podjęcia pracy
w Serwisie 1 miesiąc 15 dni
Ranking
Zakończonych zleceń
Średnia ocena
Poziom znajomości języków obcych
Українська: native
English: poziom wyżej niż średni
Umiejętności i kwalifikacje
Programowanie
Usługi
Portfolio
-
820 PLN AI-asystent dla wolontariuszy kawiarni
Tworzenie chatbota
Stworzenie inteligentnego agenta Telegram, który automatyzuje wsparcie wolontariuszy non-profit kawiarni, pozwalając zespołowi skupić się na gościnności, a nie na poszukiwaniu operacyjnych odpowiedzi.
Kontekst
D.Café to projekt non-profit, w którym wszystkie zyski trafiają na cele charytatywne. Zespół składa się z wolontariuszy, którzy pracują na zmianach i mają różny poziom przygotowania. Podstawą filozofii kawiarni jest „radykalna gościnność”. Przed wdrożeniem rozwiązania wolontariusze spędzali czas na poszukiwaniu odpowiedzi dotyczących procesów operacyjnych, co odciągało ich od kontaktu z gośćmi.
…
Problem
Brak szybkiego dostępu do bazy wiedzy: zasady pracy z kasą, sprzętem, standardy menu i skrypty komunikacji.
Konieczność ciągłego odciągania doświadczonych członków zespołu w celu uzyskania podstawowych instrukcji.
Utrata koncentracji na gościach z powodu pytań technicznych i organizacyjnych, szczególnie podczas onboardingu nowych wolontariuszy.
Cel: zapewnienie wolontariuszom natychmiastowego dostępu do wszystkich informacji operacyjnych za pośrednictwem znanego narzędzia (Telegram) bez potrzeby dodatkowego szkolenia.
Rozwiązanie
Opracowano konwersacyjnego agenta AI, który pełni rolę cyfrowego administratora. System oparty jest na zorganizowanej bazie wiedzy, która zawiera pełny opis procesów kawiarni. Agent wykorzystuje wyszukiwanie semantyczne, co pozwala mu rozumieć kontekst pytania, a nie tylko słowa kluczowe.
Kluczowe cechy:
Architektura RAG: odpowiedzi opierają się wyłącznie na załadowanych instrukcjach kawiarni, co gwarantuje ich dokładność.
Ton głosu: dostosowanie ciepłego i przyjaznego stylu komunikacji, który odpowiada wartościom D.Café.
Zero próg wejścia: wykorzystanie Telegram jako głównego interfejsu, który nie wymaga instalacji nowych aplikacji.
Kontrola dokładności: agent jest skonfigurowany do informowania o braku informacji zamiast dostarczania niezweryfikowanych danych.
Proces realizacji
Audyt i strukturyzacja wiedzy: zbieranie instrukcji dotyczących otwierania/zamykania zmiany, zasad kuchni, procedur kasowych i skryptów interakcji z gośćmi.
Budowa bazy wiedzy: organizacja informacji w wektorowej bazie danych, zoptymalizowanej do dokładnego wyszukiwania kontekstowego.
Architektura agenta w n8n: wykorzystanie modelu czatu OpenAI z integracją Simple Memory w celu wsparcia kontekstu rozmowy oraz OpenAI Embeddings do wyszukiwania semantycznego.
Konfiguracja tonacji: programowanie specyficznego stylu odpowiedzi (użycie zwrotów „cieszę się, że mogę pomóc”, „błogosławionego dnia” itp.).
Testowanie i uruchomienie: wdrożenie bota, przeprowadzenie instruktażu dla wolontariuszy oraz zbieranie opinii bezpośrednio podczas zmian roboczych.
Wyniki
Automatyczne przetwarzanie 10–20 zapytań na zmianę, które wcześniej wymagały zaangażowania administratora.
Średni czas odpowiedzi — do 60 sekund, co pozwala wolontariuszowi szybko wrócić do pracy z gośćmi.
Minimalne koszty eksploatacji systemu dzięki optymalizacji zapytań do API.
Przyspieszenie onboardingu: nowi wolontariusze otrzymują wsparcie w czasie rzeczywistym.
Wysoki poziom zaufania do systemu dzięki dokładności odpowiedzi i przestrzeganiu korporacyjnej etyki komunikacji.
#n8n #AI_Assistant #RAG #KnowledgeBase #OpenAI #Telegram_Automation #NonProfit_Tech #CustomerService_AI #SemanticSearch #VectorDatabase #VolunteerManagement
-
984 PLN AI-agent do automatyzacji tworzenia treści
Tworzenie chatbota
Zrozumiałem, zrobimy opis bardziej stonowany i profesjonalny. Oto wariant formatu opisu przypadku bez emotikonów:
Nazwa projektu:
Multimodalny agent AI w Telegramie do automatyzacji tworzenia treści (n8n + OpenAI + Google Sheets)
…
Opis pracy:
Opracowanie inteligentnego systemu w Telegramie, który automatyzuje proces przekształcania pomysłów (tekstowych lub głosowych) w uporządkowane posty z generowaniem treści wizualnej.
Kontekst
Proces tworzenia treści dla mediów społecznościowych zazwyczaj składa się z kilku ręcznych etapów: zapisywanie myśli, transkrypcja, strukturyzacja tekstu, dobór wizualnego materiału oraz rejestrowanie wyników w bazie danych. Projekt miał na celu stworzenie jednego punktu wejścia do natychmiastowego przetwarzania pomysłów.
Problem
Trudność w rejestrowaniu myśli w czasie rzeczywistym.
Konieczność korzystania z kilku oddzielnych usług do transkrypcji, generowania tekstu i obrazów.
Brak zautomatyzowanego archiwum szkiców, co prowadziło do chaotycznego przechowywania danych.
Cel: maksymalne uproszczenie drogi od pomysłu do gotowego szkicu w Google Sheets.
Rozwiązanie
Opracowano złożoną architekturę opartą na n8n, która łączy kilka agentów AI. System automatycznie określa typ danych wejściowych, przetwarza je za pomocą specjalistycznych instrukcji i wydaje ostateczny wynik w komunikatorze i bazie danych.
Kluczowe cechy techniczne:
Przetwarzanie wiadomości głosowych: integracja z Whisper w celu przekształcenia audio w tekst.
Agenci AI z pamięcią: wykorzystanie węzłów Memory do utrzymania kontekstu dialogu i opracowania struktury posta.
Generowanie obrazów: integracja z modelami generacji treści wizualnej bezpośrednio w interfejsie bota.
Baza danych: automatyczne logowanie wyników w Google Sheets do dalszego wykorzystania.
Proces realizacji
Budowa logiki routingu dla poprawnej obróbki różnych typów wiadomości i poleceń.
Wdrożenie systemu przechowywania kontekstu czatu w celu poprawy jakości generacji.
Konfiguracja węzłów Speech-to-Text do natychmiastowej transkrypcji audio.
Opracowanie i testowanie systemowych promptów dla agentów odpowiedzialnych za tekst i obrazy.
Konfiguracja końcowej integracji z Google Sheets API w celu strukturyzacji danych wyjściowych.
Wyniki
Pełna automatyzacja procesu przetwarzania pomysłu: od wiadomości wejściowej do gotowego wyniku w mniej niż 30 sekund.
Połączenie kilku etapów produkcji treści w jednym interfejsie.
Stworzenie uporządkowanej bazy danych pomysłów i szkiców.
Możliwość łatwej adaptacji systemu do różnych stylów komunikacji lub platform.
#n8n #Telegram_Bot #AI_Agents #OpenAI #Whisper #DALL-E #Automation #Content_Marketing #Google_Sheets_API #SpeechToText
-
1640 PLN AI-agent do automatyzacji monitorowania mediów
Tworzenie chatbota
Stworzenie inteligentnego systemu, który zastępuje 30+ godzin ręcznego monitorowania miesięcznie całkowicie autonomicznym agentem opartym na architekturze RAG.
Kontekst
Caritas Ukraina — jedna z największych organizacji charytatywnych w kraju (ponad 40 regionalnych oddziałów) w sektorze NGO i pomocy humanitarnej. Zespół komunikacji codziennie ręcznie monitorował media: wyszukiwanie w Google, kopiowanie nagłówków do Google Sheets, sprawdzanie Facebooka, Instagrama i LinkedIn. Istniejące zewnętrzne rozwiązania miały limit 10 zapytań na sesję, co było absolutnie niewystarczające dla takich rozmiarów.
…
Problem
Relewancja: Wyszukiwanie zwracało setki wyników dotyczących międzynarodowych biur Caritas, z których większość nie dotyczyła działalności w Ukrainie.
Krytyczność: Przeoczenie wzmianki mogło oznaczać niewłaściwe zapytanie prasy lub nieterminowo wykryte ryzyko reputacyjne dla któregokolwiek z 40+ lokalnych biur.
Straty: Ponad 30 godzin miesięcznie było poświęcane na mechaniczne „kopiowanie-wklejanie” — to cały tydzień roboczy specjalisty.
Cel: Całkowita automatyzacja zbierania, geograficznej filtracji i generowania raportów.
Rozwiązanie
Zaprojektowałam autonomicznego agenta AI opartego na n8n, wykorzystując architekturę RAG (Retrieval-Augmented Generation). Zamiast prostego wyszukiwania według słów kluczowych, system działa z głębokim kontekstem organizacji: „rozumie”, jakie filie istnieją, gdzie działają i jakie tematy są dla nich relewantne.
Agent samodzielnie wyszukuje informacje w mediach i sieciach społecznościowych, filtruje nierelewantne międzynarodowe wzmianki, klasyfikuje wyniki według tematów i tonacji, usuwa duplikaty i przygotowuje szkice raportów dla kierownictwa — bez udziału człowieka.
Proces realizacji
Audyt i badania: Stworzono pełną strukturę organizacji (40+ filii) w celu stworzenia dokładnych geograficznych i kontekstowych filtrów.
Projektowanie architektury: Opracowano logikę „Agenta-analityka” — wielostopniowy workflow, który działa z wektoryzowanymi danymi organizacji.
Budowa systemu RAG: Zintegrowano wektorową bazę danych (Pinecone), która zawiera dane o strukturze i regionalnym kontekście Caritasu Ukrainy.
Inżynieria promptów: Skonfigurowano prompt do deduplikacji, klasyfikacji tematów i analizy tonacji dla różnych typów publikacji.
Testy A/B: Przeprowadzono porównanie wyników ręcznego wyszukiwania i wyników agenta AI w celu potwierdzenia dokładności filtracji.
Optymalizacja: Wdrożono przetwarzanie wsadowe danych, co pozwoliło na zmniejszenie kosztów API dziesięciokrotnie bez utraty jakości.
Wyniki
- Oszczędność czasu 85% — 8 godzin ręcznej pracy tygodniowo całkowicie zautomatyzowane.
- Zachowanie budżetu (~$180/miesiąc) — porównanie kosztów godzin pracy specjalisty do wydatków na API.
- Dokładność filtracji 95% — potwierdzone testami A/B; całkowity brak duplikatów.
- Zmniejszenie kosztów API dziesięciokrotnie dzięki optymalizacji procesów przetwarzania.
- Strategiczne przesunięcie: zespół komunikacji przeszedł od zbierania danych do ich strategicznej analizy.
- Niezawodność i przejrzystość: każda wzmianka jest rejestrowana, klasyfikowana i łatwo śledzona.
#N8N #AI_Agents #openai-api #ChatGPT-4 #RAG #API_Integration #AI_Automation #MediaMonitoring #Workflow_Optimization #DataAnalysis