Automatyzacja marketingu przez AI

Budżet: 7000 EUR Termin: 43 dni

Witamy!
Nazywam się Oleg, jestem menedżerem projektu w firmie Business Atlas. Tworzenie skomplikowanych systemów wieloagentowych oraz autonomicznych cyfrowych ekosystemów to nasz profil, dlatego doskonale rozumiemy różnicę między liniowym botem a inżynieryjną architekturą AI. Do dyskusji nad zadaniami i synchronizacjami swobodnie posługujemy się językiem angielskim.
Oto nasze techniczne wizje realizacji Twojego ZT:
1. Systemy wieloagentowe i RAG
• Budujemy autonomiczne workflow w n8n/Make z logiką interakcji kilku agentów (Systemy Wieloagentowe), które przekazują dane w łańcuchu, logują kroki i przeprowadzają cross-walidację (jeden generuje, drugi sprawdza).
• Nasz lider techniczny Lawr ma głęboką ekspertyzę w integracji LLM i budowie systemów RAG, aby AI wyraźnie rozróżniało nowy kontekst i bazę wiedzy.
2. Automatyzacja marketingu i Deep Research
• Zbieranie i deduplikacja: Ustawimy strukturyzację danych, eliminację duplikatów oraz weryfikację z bazą artykułów. Aby obejść ograniczenia API mediów społecznościowych (X, Instagram, LinkedIn) oraz analizować metryki, zintegrowujemy parsowanie przeglądarkowe (Puppeteer/Scraping API).
• Fabryka treści: Nasze rozwiązania potrafią analizować Tone of Voice marki oraz tworzyć dostosowane posty dla platform z moderacją AI przed ostatecznym raportem.
3. Interfejs i analityka
• Dla przejrzystej kontroli opracowujemy interfejsy no-code lub dashboardy, gdzie będziesz mógł zobaczyć prognozy, koszt tokenów, szczegółowe logi pracy agentów z promptami, a także edytować i zatwierdzać wygenerowane posty.
Proponujemy rozpocząć od ekspertyzy diagnostycznej, aby szczegółowo określić semantyczne i metryczne kryteria analizy oraz zaprojektować architekturę z obliczeniem ROI. Napisz do mnie w wiadomościach prywatnych, aby omówić szczegóły! Rozwiń

Budżet: 350 EUR Termin: 3 dni

Specjalizuję się dokładnie w tym — już prowadzę taki system w produkcji: badania → deduplikacja w stosunku do historii → samosprawdzanie z wieloma agentami → stylizowane posty. Zamiast budować od zera, dostosuję mój istniejący framework do twojego przypadku (twoje źródła, styl, platformy) — szybciej i sprawdzony.

Za 350 EUR mogę dostarczyć działającą Faza 1: źródła + deduplikacja w stosunku do historii + analiza kontekstu + raport + posty z jednej platformy. Wszystko, co wykracza poza ten zakres — stawka godzinowa (50 EUR/godz.).

Pracuję w pisaniu (angielski) — dla tak szczegółowej specyfikacji wszystko jest udokumentowane i nic nie ginie między nami.

Dwa pytania:
1. Twoje źródła do głębokich badań — strony, RSS czy API? Które platformy społecznościowe?
2. Zbieranie danych z mediów społecznościowych w celu uzyskania polubień/komentarzy wymaga proxy/anty-detekcji, aby uniknąć zablokowania konta — z czyich kont i proxy korzystamy?

Jeśli współpraca oparta na tekście i określona Faza 1 odpowiada ci, jestem gotów do rozpoczęcia. Rozwiń

Budżet: 5000 EUR Termin: 5 dni

Dzień dobry! Buduję właśnie takie systemy multiagentowe — nie jednorazowego bota, a sieć agentów, gdzie każdy ma swoją rolę, przekazują sobie dane i sprawdzają wyniki sąsiada przed wydaniem.

Zgodnie z Twoim flow logika jest zrozumiała: głębokie badania w zadanych źródłach, deduplikacja nowego w stosunku do tego, co już wcześniej znaleziono (przez RAG/wektorową pamięć, aby nie ciągnąć duplikatów), porównanie z już opublikowanymi artykułami, ocena ważności tematów w odpowiednim kontekście, raport dla Ciebie i szkice pod LinkedIn / Instagram / X w Twoim stylu z finalną samokontrolą.

Stos: Python, orkiestracja kilku agentów, wywołania LLM, narzędzia MCP, RAG dla pamięci i deduplikacji. Mam już działający system multiagentowy, który codziennie samodzielnie przeprowadza badania, usuwa duplikaty i przygotowuje treści pod media społecznościowe — mogę pokazać na żywo demo, abyś zobaczył rzeczywisty flow, a nie obietnice.

Proponuję zacząć od małego pilota: jeden działający łańcuch agentów (badanie źródła -> deduplikacja w stosunku do pamięci -> szkic posta w Twoim stylu z samokontrolą), abyś ocenił jakość w praktyce, a następnie skalujemy do pełnej sieci. Cena startowa — zbieram pierwsze opinie tutaj, dlatego robię to korzystnie. Orientacyjnie 4-5 dni na pilota.

Jedno doprecyzowanie, aby dokładnie trafić: źródła do badań (źródła 1,2,3...) — to konkretne strony/RSS, API czy raczej tematy do wyszukiwania? I gdzie znajduje się archiwum już opublikowanych artykułów, w stosunku do którego można porównywać duplikaty?

Jestem gotów do natychmiastowego startu. Rozwiń

Budżet: 2000 EUR Termin: 7 dni

Cześć, pracowałem nad agentami AI do automatyzacji marketingu treści z systemem RAG i funkcjonalnością głębokiego badania - projekt zwiększył efektywność tworzenia treści o 340% w ciągu 2 miesięcy.

Ciekawi mnie, jaką dokładnie model LLM planujecie użyć jako główny dla waszych agentów i czy rozważacie rozwiązania multimodalne?

Proponuję się skontaktować, chętnie doradzę wam bezpłatnie z technicznej strony i wspólnie opracujemy plan rozwoju + opowiem o moim zespole!

Budżet: 200 EUR Termin: 7 dni

Dzień dobry. Zajmuję się tym codziennie: mam w produkcji własny wieloagentowy system AI — 100 000+ linii Python (FastAPI), 750+ punktów końcowych API, 1000+ testów automatycznych.
Co w nim jest zrealizowane (wszystko — własny kod, pokażę na żywo):
Orkiestrator: 19 wyspecjalizowanych agentów, zadania jako graf zależności — równoległe fale.
Agenci: Planista → Specjalista → Recenzent → Krytyk → Finalizator.
Router modeli: wybór modelu według złożoności zadania, wielo-dostawność (API zgodne z OpenAI, Gemini, Groq, DeepSeek) z automatycznym fallbackiem, uwzględnieniem limitów i skuteczności modeli. Zintegrowane boty Telegram i Discord.
Jestem gotów pokazać system na żywo.

Budżet: 500 EUR Termin: 15 dni

Zrobię system z osobnymi częściami: jedna szuka nowych tematów z waszych źródeł, druga sprawdza je pod kątem duplikatów (porównuję z tym, co już znaleziono, i z tym, co już opublikowano), trzecia ocenia tematy według kryteriów, które uzgodnimy, a najlepsze idą dalej w obróbkę, a ostatnia przygotowuje posty na LinkedIn, Instagram i X w waszym stylu, biorąc przykłady z wcześniejszych postów.

Tam, gdzie oficjalne API jest zbyt ograniczone, będę brał polubienia i komentarze bezpośrednio ze strony przez przeglądarkę, tak samo jak teraz zbieram podobne dane tam, gdzie oficjalne API nie dostarczają potrzebnych. Duplikaty są odfiltrowywane na podstawie tego, co już przetworzyliśmy, więc nic się nie powtarza, a każdy krok, włącznie z promptami, modelami i kosztami, zapisuję w logu dla dashboardu, który opisaliście.

Stos: LangGraph dla agentów, wektorowa baza pod RAG dla starych artykułów i tematów, Playwright do zbierania danych z mediów społecznościowych, prosty interfejs webowy dla logów, prognoz i gotowych postów. Przykłady prac z agentami i RAG są w moim profilu.

Szczegóły dotyczące listy źródeł i kryteriów omówimy na czacie.

Budżet: 400 EUR Termin: 10 dni

Cześć, Michale!

Opisałeś dokładnie to, co robię: agent AI jako pipeline — przetwarzanie wejścia → wywołanie LLM → w razie potrzeby narzędzia przez MCP → RAG na podstawie wiedzy → przetwarzanie i walidacja wyjścia (a nie tylko „prompt w czacie”).

W produkcji mam takiego agenta: orkiestrator kieruje zapytaniami, korzysta z narzędzi (wyszukiwanie produktów/danych, działania), odpowiada ściśle z bazy wiedzy z uczciwym „nie wiem” zamiast halucynacji, plus logowanie i kontrola jakości odpowiedzi. To znaczy, cały cykl wejście→LLM→narzędzia/MCP→RAG→wyjście — to nie teoria, a działający system.

W kwestii „automatyzacji marketingu przez AI” widzę opcje: agent do generowania/personalizacji treści z twojej bazy, kwalifikacja i odpowiedzi dla leadów, zbieranie raportów/insightów z danych. Co jest priorytetem — treść, leady czy analityka?

Opisz zadanie dokładniej (źródła danych, jakie działania powinien wykonywać agent, gdzie działać — w chmurze czy lokalnie) — zaproponuję konkretną architekturę, terminy i koszty. Szczegóły chętnie omówię osobiście.

Budżet: 4000 EUR Termin: 15 dni

Cześć Michael,

Twój projekt jest bardzo bliski temu, co budujemy w RAI (Roboty Sztucznej Inteligencji).

Rozwijamy agentów AI, przepływy pracy z wieloma agentami, systemy RAG, bazy wiedzy oraz rozwiązania automatyzacji biznesu. Jednym z naszych podstawowych produktów opiera się na orkiestracji wielu agentów AI, którzy zbierają informacje, walidują wyniki, uzyskują dostęp do baz wiedzy i generują uporządkowane wyniki.

Z Twojego opisu widzę kilka ważnych bloków:

• Głębokie badania z wielu źródeł
• Usuwanie duplikatów i ocena trafności
• Przepływ pracy walidacji z wieloma agentami
• Analiza kontekstowa oparta na RAG
• Generowanie treści na LinkedIn, X i Instagram
• Rejestrowanie, śledzenie i monitorowanie kosztów
• Panel do przeglądania wyników i podpowiedzi

Zalecałbym wdrożenie tego jako architektury modułowej, gdzie oddzielne agenty są odpowiedzialne za:

1. Badania
2. Walidację danych
3. Usuwanie duplikatów
4. Wzbogacanie kontekstu poprzez RAG
5. Generowanie treści
6. Przegląd jakości
7. Raportowanie

Takie podejście lepiej skaluje się niż jeden duży agent i pozwala na wymianę modeli lub źródeł danych bez przebudowywania całego systemu.

Komunikacja w języku angielskim nie stanowi problemu.

Chętnie omówię źródła danych, oczekiwane wolumeny, częstotliwość aktualizacji i preferowaną architekturę.

Z poważaniem,
Tadeush Muratov
CEO, RAI (Roboty Sztucznej Inteligencji) Rozwiń

Budżet: 3650 EUR Termin: 33 dni

Dzień dobry, Michale.

Angielski: B2

Architektura: agent-badacz zbiera tematy z twoich źródeł poprzez głębokie badania, warstwa RAG na pgvector przechowuje znalezione materiały oraz publikacje do deduplikacji za pomocą wyszukiwania semantycznego, agent-analityk ocenia istotność i znaczenie w kontekście twojej niszy, agent-copywriter generuje posty na LinkedIn/Instagram/X w twoim stylu, agent-rewident sprawdza zgodność ze stylem oraz dokładność faktów.

Orkiestracja agentów przez cykle LLM z wzajemną weryfikacją: każdy wynik przechodzi walidację przez następnego agenta przed przekazaniem dalej. Styl postów jest badany na podstawie twoich wcześniejszych publikacji za pomocą przykładów few-shot z bazy wektorowej. Ostateczny raport — gotowe posty z oceną tematów, które zatwierdzasz lub korygujesz.

Architektoniczne zabezpieczenia (Jakość i bezpieczeństwo):
- Ochrona przed halucynacjami: wzorzec Self-RAG z krzyżową walidacją faktów. Agent-rewident automatycznie zwraca post do regeneracji, jeśli ostateczny tekst zawiera fakty, których nie było w źródłach.
- Walka z zatruciem kontekstu i dryfem tematu: Ścisła izolacja kontekstu przez Maszynę Stanów (przekazywanie ściśle ustrukturyzowanego JSON zamiast całego logu dialogu). Walidacja danych wejściowych na Prompt Injection przed zapisaniem w RAG.
- Optymalizacja tokenów: Hybrydowa architektura — wstępne ocenianie i deduplikacja na szybkich/tanich modelach, ostateczne copywriting i przegląd — na najlepszych (Sonnet/GPT-4o).

Stos: Go (zapewnia równoległe przetwarzanie źródeł przez goroutines i niski overhead systemu) do orkiestracji, PostgreSQL + pgvector dla RAG, dostawca LLM Anthropic/OpenAI/OpenRouter itp. MCP do integracji z zewnętrznymi narzędziami.
Wdrożenie w Dockerze.

PM: Źródła i dokumentacja wliczone. Rozwiń

Budżet: 2600 EUR Termin: 16 dni

👋 Dzień dobry, najlepsze i największe projekty —> Freelancehunt

Zadanie zostało zbadane — to pełnoprawny system AI z wieloma agentami z warstwą orkiestracyjną, architekturą RAG i konturem walidacji wyników między agentami.

Mam doświadczenie w opracowywaniu podobnych systemów pipeline AI, gdzie budowane są łańcuchy: zbieranie danych → filtrowanie → analiza semantyczna → wzbogacenie RAG → generacja → samosprawdzanie → strukturalny wynik.

🔥 Jak proponuję zrealizować:

• warstwa orkiestracyjna do zarządzania wieloma agentami AI
• agent wyszukiwania (web + media społecznościowe + źródła głębokiego badania)
• system RAG z uwzględnieniem historii i wcześniej opublikowanej treści
• moduł deduplikacji + semantyczne ocenianie trafności
• analityczny agent z logowaniem wszystkich kroków i decyzji
• generacja treści pod LinkedIn / Instagram / X
• cross-validation między agentami dla kontroli jakości

Architektura — modułowa, rozszerzalna, z możliwością dodawania nowych agentów bez zmiany rdzenia systemu. Osobno zakładam obserwowalność (logi, ślady, podpowiedzi, wyniki modeli), aby cały łańcuch był przejrzysty.

⏳ Termin: 12–16 dni
💶 Budżet: 2200–2600 €

🤝 Jestem gotów omówić architekturę bardziej szczegółowo i zaproponować optymalną opcję pod Twoje źródła danych i obciążenie. Rozwiń

Budżet: 1000 EUR Termin: 1 dzień

Cześć! Zadanie z systemem wieloagentowym jest mi bliskie — właśnie lubię tworzyć pipeline'y, gdzie agenci przetwarzają dane wejściowe, wywołują LLM, korzystają z RAG i MCP, a następnie porównują się nawzajem i przekazują wyniki dalej. Scenariusz z głębokim badaniem, deduplikacją tematów i generowaniem postów w stylu dla LinkedIn, Instagram i X układa się logicznie. Szczegóły chętnie omówimy w wiadomościach prywatnych.

Budżet: 5000 EUR Termin: 30 dni

Witam!

Jestem Full-Stack Software Engineer z ponad 7-letnim doświadczeniem w tworzeniu stron internetowych, rozwiązań SaaS, złożonych platform internetowych oraz MVP dla startupów - od pomysłu i architektury po produkcję i wsparcie.

Pracuję nie tylko jako programista, ale także z naciskiem na logikę biznesową, skalowalność i długoterminowe wsparcie rozwiązań. W portfolio znajdują się przykłady zrealizowanych projektów o różnym stopniu skomplikowania.

Technologiczny stos:
PHP (Laravel, Symfony, Yii2),
Frontend: JavaScript (Vue.js, React.js), HTML5, CSS3,
Bazy danych: MySQL, PostgreSQL.

Jeśli chodzi o terminy i koszty - na tym etapie trudno jest je poprawnie ocenić bez sprecyzowania wymagań. Aby stworzyć uzasadnioną wycenę, zazwyczaj trzeba zrozumieć:
- cele projektu;
- kluczową funkcjonalność;
- oczekiwane obciążenie i integracje;
- priorytety (szybkie uruchomienie vs skalowanie).

Proponuję zacząć od krótkiego doprecyzowania wymagań lub rozmowy telefonicznej / korespondencji - po tym mogę przedstawić realistyczną wycenę pod względem terminów, budżetu i opcji realizacji.

Będę zadowolony, mogąc omówić szczegóły. Rozwiń

Budżet: 100 EUR Termin: 7 dni

Cześć, Michale! Człowiek, nie bot :) Buduję systemy multi-agentowe w produkcji: dane wejściowe → LLM → MCP/narzędzia → RAG → krzyżowa weryfikacja przez agentów → raport. Żywy przykład — AI-konsultant sklepu internetowego (PydanticAI + OpenRouter, RAG według katalogu, monitorowanie konkurencji przez embeddings + LLM-grader). Twój przypadek z głębokim badaniem i postami w stylu — dokładnie ta architektura. Rozmowny angielski — ok. Cena w ofercie jest warunkowa — do negocjacji, gotowy na rozmowę.

Budżet: 7400 EUR Termin: 15 dni

Cześć,
Mam nadzieję, że wszystko u Ciebie w porządku.
Bardzo interesuje mnie Twój projekt związany z automatyzacją marketingu za pomocą AI i jestem gotów podjąć się tego zadania.
Mam silne doświadczenie w analizie danych, technicznych przepływach pracy oraz strukturyzowaniu złożonych informacji. Śledzę technologie AI i rozumiem, jak wykorzystać nowoczesne narzędzia do optymalizacji i automatyzacji procesów opartych na danych w sposób efektywny.
Jestem gotów zacząć od razu. Proszę, prześlij mi szczegóły i konkretne wymagania, abyśmy mogli omówić następne kroki.
Z pozdrowieniami,
Yurii

Budżet: 25000 EUR Termin: 14 dni

Mamy już praktycznie gotowe rozwiązanie z agentami AI i RAG, które można szybko dostosować do marketingu i omówić szczegóły tutaj na giełdzie - jestem w kontakcie (:
Na pierwszy etap zakładałbym 96000 UAH i 14 dni - to prototyp łańcucha agentów, gdzie dane wejściowe przechodzą przez model językowy, RAG, MCP w razie potrzeby, samosprawdzanie i raport dla użytkownika.
Można nie komplikować na początku - najpierw zbieramy 2-3 źródła, bazę opublikowanych materiałów, zasady tonu marki i sprawdzanie duplikatów, potem dodajemy LinkedIn, Instagram i X.
Czy dobrze rozumiem, że macie już archiwum artykułów i przykłady postów, na podstawie których trzeba uczyć styl?
Drugie pytanie - jakie źródła do głębokiego wyszukiwania uważać za główne i jak często agent powinien być uruchamiany?
Podobny przypadek dotyczący AI i generacji treści - https://business.ingello.com/vorfahr
Podobny przypadek dotyczący automatyzacji rozwoju agentów - https://business.ingello.com/fractal
Strona główna Ingello dla FLH - https://systems-fl.ingello.com
Jeśli podejdziemy ostrożnie, wynikiem pierwszego etapu będzie działający prototyp, schemat danych, zasady oceny tematów i lista ryzyk dla przemysłowego uruchomienia.

Budżet: 13700 EUR Termin: 10 dni

Cześć! Tak, zadanie jest zrozumiałe. Możemy zająć się takim systemem.

Mamy doświadczenie w automatyzacji AI, budowaniu workflow z LLM, pracy z logiką RAG, generowaniem treści marketingowych oraz tworzeniem systemów, w których wynik przechodzi przez kilka etapów weryfikacji przed wydaniem użytkownikowi.

Od razu zaznaczam: to nie jest proste zadanie na poziomie "podłączenia bota". Potrzebna jest normalna architektura: źródła, wyszukiwanie, deduplikacja, analiza, przechowywanie historii, weryfikacja z już opublikowanymi materiałami, generowanie raportów, postów i interfejs do kontroli procesu.

Możemy omówić zadanie po angielsku. Proponuję podejść do tego etapami: najpierw MVP na ograniczonej liczbie źródeł i mediów społecznościowych, a następnie rozszerzać system.

Orientacyjny czas realizacji MVP: 6–8 tygodni, budżet od 8 000 do 15 000 dolarów. Pełna wersja z rozszerzonym interfejsem, logami, RAG, automatyzacją przeglądarki, analizą i logiką multi-agent będzie wyceniana osobno po omówieniu.

Budżet: 350 EUR Termin: 7 dni

Cześć. Zrozumiałem zadanie: potrzebna jest osoba, która naprawdę buduje agentów AI, a nie tylko korzysta z jednego modelu. Z opisu wynika, że to system wieloagentowy: przetwarzanie danych wejściowych, zapytania do LLM, interakcje przez MCP, RAG dla kontekstu oraz kilku agentów, którzy wymieniają się danymi i weryfikują się nawzajem. Dodatkowo scenariusz aplikacyjny pod marketing: głębokie badania źródeł i mediów społecznościowych, porównanie z tym, co już znaleziono i deduplikacja, analiza ważności tematów według kryteriów, raport z wykresami oraz generacja postów pod LinkedIn, Instagram, X w określonym stylu z weryfikacją, oraz interfejs z logami, zapytaniami, promptami i kosztami.

To dokładnie ta dziedzina, w której pracuję na co dzień. Prowadzę rozwój agencji poprzez orkiestrację kilku agentów z cyklami weryfikacyjnymi, uruchamiałem RAG w produkcji (wyszukiwanie semantyczne przez Qdrant z modelami embedding), podłączałem narzędzia MCP, aby agent pracował z rzeczywistymi źródłami i schematem danych, a nie wymyślał. Multi-agent z wymianą danych i wzajemną weryfikacją to dla mnie praktyczny wzór, a nie teoria.

Pod wasz scenariusz widzę to tak: orkiestrator zadań, agent-badacz z głębokimi badaniami źródeł i wyszukiwaniem w mediach społecznościowych przez przeglądarkę tam, gdzie nie ma API (z uwzględnieniem polubień i komentarzy jako metryk ważności), warstwa RAG i pamięci do przechowywania już znalezionych i opublikowanych informacji oraz eliminacji duplikatów, agent-analityk do oceny ważności według semantyki i metryk, oraz agent-generujący posty dla każdej platformy z własnym stylem plus osobny proces weryfikacji. Wszystko z logowaniem zapytań, promptów i kosztów w interfejsie.

Aby się ukierunkować: jakie źródła należy monitorować i które media społecznościowe są priorytetowe, na jakich modelach planujecie pracować, czy są preferencje co do dostawcy?

Budżet: 345 EUR Termin: 1 dzień

Automatyczna odpowiedź na przychodzące zgłoszenie według kryteriów systemów RAG została otrzymana. Proszę pilnie skontaktować się w ciągu 24 godzin.

Budżet: 18000 EUR Termin: 7 dni

Cześć. Część AI tutaj lepiej robić nie jako „magia ChatGPT”, a jako system inżynieryjny z zasadami, logami i weryfikowalnym wynikiem.

Co zrozumiałem z zadania: szukam osoby (nie bota), która zna się na agentach AI i potrafi je budować. / Potrzebne jest również zrozumienie systemów RAG.

Jak bym podszedł:
1. najpierw ograniczę AI zrozumiałymi danymi wejściowymi, zasadami i weryfikowalnym formatem odpowiedzi.
2. dodam warstwę deterministyczną: walidacja, zasady biznesowe, logi, fallbacki — aby system nie zależał tylko od modelu.
3. potem już podłączę OpenAI/LLM jako warstwę analityczną, która wyjaśnia i pomaga podejmować decyzje.

Relewantne doświadczenie: Niedawno stworzyłem system produkcyjny n8n + PostgreSQL + OpenAI + Telegram: ładowanie Excel/Drive, walidacja, codzienne zadania, podsumowania dla kierownika i logika ponownego próbowania.
Co do terminów: orientacyjnie 7 dni. Co do budżetu: 18000 — po krótkim doprecyzowaniu wymagań mogę to dokładniej ustalić.

Jeśli to aktualne — w pierwszej wiadomości podam krótki plan realizacji i listę pytań, aby od razu ustalić MVP bez zbędnego rozwoju. Rozwiń

Budżet: 350 EUR Termin: 10 dni

Cześć. Czytałem uważnie — to dokładnie to, czym zajmuję się od ostatnich sześciu miesięcy.

Budowałem system multi-agentowy dla kancelarii prawnej: RAG na ukraińskim prawodawstwie, agent-weryfikator, który waliduje odpowiedzi drugiego agenta przed ich wydaniem klientowi, przekazywanie kontekstu między krokami przez structured output. Metryki jakości przez RAGAS — baseline już istnieje.

W twoim przypadku z automatyzacją marketingu: rozumiem zadanie konkretnie. Deep research → deduplikacja w stosunku do historii → analiza kontekstowa → generacja posta w odpowiednim stylu + weryfikacja — to klasyczny pipeline z pamięcią i agentem self-check. Robiłem coś podobnego dla strategii treści, gdzie agent porównuje nową treść z już opublikowaną i odrzuca duplikaty.

Stos: Claude API (Anthropic), serwery MCP, bazy danych wektorowych dla RAG, Python/FastAPI. Nie używam platform no-code — tylko kod, co oznacza pełną kontrolę nad logiką agentów.

Jakie dokładnie macie źródła do deep research? (strony, RSS, API?) — od tego zależy architektura pierwszego agenta.

Budżet: 25 EUR Termin: 1 dzień

Dzień dobry, Michale! W zasadzie zadanie jest jasne, aby dokładnie odpowiedzieć na pytania dotyczące terminów i ceny, chciałbym wyjaśnić kilka kwestii, które pojawiły się po analizie twojego zadania. Napisz w wiadomościach prywatnych — omówimy szczegóły i twoje życzenia.

Budżet: 12345 EUR Termin: 3 dni

Cześć. Czy już korzystasz z gotowych narzędzi do orkiestracji agentów, czy planujesz budować wszystko od podstaw?

Szczegóły dotyczące terminów i budżetu wyjaśnię w prywatnej korespondencji.

Oto jak zrealizuję ten projekt:
1. Zaprojektuję architekturę z kilku agentów, gdzie każdy pełni swoją funkcję: głębokie badania, usuwanie duplikatów, analiza kontekstu i generowanie treści.
2. Zrealizuję łańcuch przesyłania danych między agentami z automatyczną weryfikacją wyników i usuwaniem duplikatów na każdym etapie.
3. Zintegruję system RAG do przechowywania historii wyszukiwania oraz już opublikowanych artykułów, a także zapytania MCP do źródeł zewnętrznych.

Dziękuję za rozważenie mojej propozycji. Z niecierpliwością czekam na możliwość współpracy z Tobą!

Budżet: 300 EUR Termin: 3 dni

Cześć. Tworzyłem agentów AI, którzy pracowali z e-mailami i mediami społecznościowymi. Wykonywali różne zadania. Wyszukiwanie, analiza odpowiedzi na pytania, tworzenie postów i inne.

Jeśli jesteś zainteresowany - napisz, omówimy.