Budżet: 200 EUR Termin: 5 dni
Cześć.
Opracowuję boty do Telegrama w NodeJS. Jestem gotów się tym zająć. Napisz, omówimy.
Potrzebuję bota Telegram, który działa jak żywy menedżer.
Nie tylko odpowiada na wiadomości, ale prowadzi klienta krok po kroku, śledzi terminy i doprowadza zadania do rezultatu.
dodaje się do czatu z klientem;
wyjaśnia, co i w jakiej kolejności należy zrobić;
prosi o dokumenty i dane;
sprawdza, co już zostało przesłane, a czego brakuje;
przypomina klientowi, jeśli nie odpowiada;
mówi, co będzie dalej;
prowadzi listę kontrolną zadań (wykonane / niewykonane).
Jeśli zadanie nie zostało wykonane —
bot zaczyna regularnie pisać w osobnym roboczym czacie zespołu, aż zadanie zostanie zamknięte.
To znaczy:
dla klienta — grzecznie i zrozumiale;
dla zespołu — stanowczo i na faktach: co utknęło, kto jest odpowiedzialny, ile dni opóźnienia.
Bot musi imitować pracę człowieka, a nie być głupim automatycznym odpowiedzią.
SI potrzebna jest nie do “pogadania”, a żeby:
rozumieć, co napisał klient;
rozumieć, co to jest: dokument, pytanie czy potwierdzenie;
formułować normalne ludzkie odpowiedzi;
podpowiadać następny krok.
⚠️ Cała logika (listy kontrolne, terminy, etapy) powinna być w danych, a nie w kodzie.
Bot Telegram
2 czaty:
czat z klientem
roboczy czat zespołu (eskalacje)
lista kontrolna zadań
przypomnienia
eskalacje do wykonania
możliwość zmiany procesu bez przepisywania kodu
❗ Nie potrzebuję “twórcy botów”.
Potrzebuję osoby, która rozumie logikę procesów.
doświadczenie w tworzeniu botów Telegram;
rozumienie logiki backendu (stany, statusy, czasy);
praca z API (Telegram, AI);
rozumienie, jak tworzyć listy kontrolne i terminy;
umiejętność pisania czystej, rozszerzalnej architektury.
doświadczenie z AI (OpenAI lub analogi);
doświadczenie z PostgreSQL / strukturami JSON;
rozumienie kolejek / timerów (przypomnienia);
umiejętność myślenia jak programista produktowy, a nie “zgodnie z wymaganiami i tyle”.
Jeśli rozumiesz, jak stworzyć projekt, proszę o kontakt.
Budżet: 200 EUR Termin: 5 dni
Cześć.
Opracowuję boty do Telegrama w NodeJS. Jestem gotów się tym zająć. Napisz, omówimy.
Budżet: 700 EUR Termin: 14 dni
Witam.
Rozumiem zadanie - to nie tylko bot, ale "kontroler procesów" z listami kontrolnymi, terminami, przypomnieniami i eskalacjami, gdzie logika procesu jest przechowywana w danych, a nie w kodzie.
Proponuję rozpocząć od MVP w ciągu 7-14 dni:
- 2 czaty (kliencki + roboczy)
- jeden typ procesu (pipeline) z krokami/terminami w bazie danych (JSON/tabele)
- lista kontrolna wykonania (zrobione/niezrobione)
- przypomnienia dla klienta według timerów
- eskalacje do roboczego czatu z "kto odpowiedzialny + ile dni opóźnienia"
- AI jako klasyfikator wiadomości (dokument/pytanie/potwierdzenie) + generowanie odpowiedzi w ramach scenariusza
Po MVP - skalowanie na kilka procesów, ról, wygodne admin panel do edytowania procesów, analityka.
Proszę o wyjaśnienie:
1) Ile procesów/kroków potrzebujemy w pierwszej wersji
2) Jak definiujemy "dokument odebrany" (plik/link/tekst)
3) Harmonogram przypomnień (godziny pracy/strefa czasowa)
4) Eskalacja do jednego czatu czy według odpowiedzialnych/oddziałów
5) Jaki budżet na MVP
Budżet: 1000 EUR Termin: 15 dni
Cześć,
Bardzo interesuje mnie rozwój Twojego bota na Telegramie, aby działał jako menedżer na żywo. Mam duże doświadczenie w budowaniu botów na Telegramie z zaawansowaną logiką backendową, zarządzaniem stanem, śledzeniem zadań i integracją AI. Mogę stworzyć system, który prowadzi klientów krok po kroku, śledzi przesyłanie dokumentów, zarządza terminami, wysyła uprzejme przypomnienia do klientów i automatycznie eskaluje przeterminowane zadania do czatu zespołu.
Bot będzie utrzymywał całą logikę, listy kontrolne i terminy w strukturze opartej na danych (PostgreSQL/JSON), co pozwoli na aktualizacje procesów bez przepisywania kodu. Mogę zintegrować AI, aby rozumieć wiadomości, klasyfikować dane wejściowe (dokumenty, pytania, potwierdzenia), generować odpowiedzi przypominające ludzkie i sugerować następne kroki. Timery, przypomnienia i przepływy eskalacji będą wdrażane niezawodnie, aby zapewnić zakończenie zadań.
Skupiam się na czystej, skalowalnej architekturze i budowaniu rozwiązań, które symulują prawdziwy ludzki przepływ pracy, a nie tylko zautomatyzowane odpowiedzi, zapewniając, że Twój bot na Telegramie zachowuje się jak prawdziwy menedżer na żywo.
Z poważaniem,
Jeo Vincent Carretas
Budżet: 300 EUR Termin: 10 dni
Dzień dobry, Artyom!
Mam doświadczenie w tworzeniu botów Telegram i integracji modeli AI. Jeśli liczba wiadomości dziennie nie jest zbyt duża (nie przekracza ~1,4 tysiąca wiadomości dziennie), można skorzystać z darmowych rozwiązań, w przeciwnym razie - podłączymy API według Twojego wyboru. Ogólnie w projekcie jest wiele pytań, które możemy omówić w wiadomości prywatnej (jak wyobrażasz sobie zmiany w logice bota, czy masz przygotowane prompty itp.)
Z przykładami moich prac i opiniami możesz zapoznać się w moim profilu.
Będę zadowolony ze współpracy!
Budżet: 200 EUR Termin: 5 dni
Cześć!
Nazywam się Ruslan, reprezentuję agencję digital Vdalo.
Zajmujemy się tworzeniem botów Telegram i rozwiązań backendowych, gdzie kluczowa jest logika procesów, kontrola stanów i doprowadzanie zadań do rezultatu, a nie tylko automatyczne odpowiedzi.
Z opisu zadania od razu widać, że potrzebujesz bota procesowego, który:
prowadzi klienta przez etapy;
kontroluje listy kontrolne i terminy;
rozróżnia typy wiadomości (dokument / pytanie / potwierdzenie);
eskaluje zawieszone zadania do roboczego czatu zespołu;
imituję pracę żywego menedżera.
👉 Tego typu boty to nasza specjalizacja.
Jak widzimy realizację
Architektura oparta na stanach i danych, a nie "wbudowana w kod" logika
Wszystkie etapy, listy kontrolne, terminy, role — w bazie (edytowane bez przepisywania kodu)
Oddzielne scenariusze:
czat klienta — łagodnie, zrozumiale, krok po kroku
czat roboczy — sztywne powiadomienia: co się zawiesiło, kto jest odpowiedzialny, termin opóźnienia
Czas, przypomnienia i eskalacje przez kolejki / harmonogramy
AI używane w sposób użytkowy, a nie "do gadania":
klasyfikacja wiadomości
rozumienie kontekstu
formowanie ludzkich odpowiedzi
określenie następnego kroku procesu
Technologicznie
Telegram Bot API
Backend z stanami / statusami / czasami
PostgreSQL / struktury JSON dla procesów
Kolejki / cron / pracownicy zadań do przypomnień
OpenAI lub analog — ściśle jako pomocnicza warstwa logiki
Nasze podejście
Myślimy jak deweloperzy produktów:
najpierw projektujemy proces;
potem architekturę;
dopiero później kod.
Jesteśmy gotowi:
zaproponować schemat architektoniczny;
opisać model danych;
ocenić terminy i etapy;
zaplanować skalowanie pod przyszłe procesy.
Jeśli zadanie odpowiada Ci tak samo, jak nam —
jesteśmy gotowi przejść do omówienia szczegółów i następnego kroku.
Z poważaniem,
Ruslan
Agencja digital Vdalo
Budżet: 200 EUR Termin: 7 dni
Witam! Jestem programistą Backend Python, mam doświadczenie w tworzeniu skomplikowanych botów z AI (Gemini AI) oraz zarządzaniu kolejkami (RabbitMQ + TaskIQ) zadań. Realizuję projekt w architekturze Domain-Driven Design (DDD).
Budżet: 400 EUR Termin: 5 dni
Witam, zrobię bez problemu, tworzyłem bardzo dobre i interesujące rozwiązania jak
https://217-154-170-186.nip.io/
Mogę stworzyć na nodzie, mogę w n8n, jak wam wygodniej. Ale za cenę poproszę dodatkowe 200 euro. Za to wszystko będzie dobrze, bez przenoszeń i ładnie.
Человек уже несколько раз вылеживал это объявление, помимо того что цена копеечная так ещё просил дать ответы на миллион вопросов но на связь так и не вышел. Теперь заново постит, не советую даже тратить время.
Вероятней всего, очередной мелкий мошенник. Ждёт когда все ему разжуют, а возможно и сделают до заключения сейфа. А реальный заказчик, вероятней всего другой.
Здравствуйте !
Я новичок ,на сайте и выложив предложение допустил ошибку сервиса , за что был заблокирован .
В результате служба поддержки сообщила мне ,что я должен разместить новый проект ,что я и сделал.
В результат вижу ,что некоторые не поняли моих действий. Таисия и другие исполнители, мне очень жаль ,что вы делаете выводы не разобравшись !
И да! Я ставлю сумму ,которую готов оплатить за услуги и если Михаил вы слишком "великий" ,чтобы выполнять такие "смешные" проекты-проходите мимо ! И ждите свой звездный час .Есть другие специалисты ,которые готовы выполнить проект и получить по мимо оплаты ,еще бонус .
Всем желаю удачи !
Krótko Potrzebny program w Pythonie, który uruchamia się na moim PC (Windows) i tworzy faceless-wideo w formacie „głos lektora + zmieniający się materiał wideo z zdjęć i klipów” — jak dokumenty historyczne na YouTube (przykład dołączę osobno). Wprowadzam temat → program pisze scenariusz, lekturuje, dobiera do każdego fragmentu tekstu wideo/zdjęcia z darmowych archiwów, montuje → wydaje gotowy MP4. Tylko dla mnie. Bez strony, bez użytkowników, bez sprzedaży. Jeden użytkownik — ja. Jak działa (krok po kroku) 1. Wprowadzenie. Otwiera się proste okno. Wprowadzam temat filmu i wybieram głos lektora z listy (**lista głosów pobierana automatycznie z ElevenLabs przez API** — dostępne na moim koncie). Klikam „Utwórz”. (Drugi tryb: wklejenie gotowego scenariusza zamiast generacji.) 2. Scenariusz. Program przez LLM API (OpenAI/Anthropic, klucz w ustawieniach) pisze scenariusz na zadany temat o określonej długości. 3. Podział na sceny. LLM dzieli scenariusz na sceny i dla każdej zwraca: tekst sceny; typ wizualizacji: wideo lub zdjęcie; zapytanie wyszukiwania (rozwinięta fraza, co powinno być w kadrze); oznaczenie „highlight” + ocenę ważności 1-10 (dla intro, patrz poniżej). 4. Lektura. Tekst wysyłany jest do ElevenLabs API wybranym głosem → audio. Pod długość audio każdej sceny przycinany jest materiał wideo. 5. Dobór wideo/zdjęć — z darmowych źródeł przez API (patrz lista poniżej). Dla każdego źródła zapytanie formułowane jest na swój sposób (dla dokładności). Jeśli w jednym nie znaleziono — próbuje następnego. 6. Weryfikacja (maksymalnie 3 kroki na scenę). Krok 1: program bierze pierwszy znaleziony wariant (wideo/zdjęcie) według zapytania. Krok 2: wysyła kadr do LLM — „czy pasuje do sceny?”. Pasuje → stop. Krok 3 (jeśli nie pasuje): program przełącza się na wyszukiwanie zdjęć (po dokładnym zapytaniu zdjęcia znaleźć łatwiej niż wideo, — tak gwarantujemy trafność w sensie) i bierze je z wzmocnionym ruchem (zoom + panorama). Nie robić więcej niż 3 kroki na jedną scenę — to oszczędza budżet LLM i gwarantuje, że kadr jest w temacie. 7. Montaż przez ffmpeg/moviepy: klipy i zdjęcia pod timing lektury, zdjęcia ożywiane zoomem (efekt Kena Burnsa), głos na wierzchu, proste przejścia. Wyjście: MP4 1920×1080. Reguły materiału wideo (ważne — za to odpowiada program) Pierwsze 60 sekund — intro-teaser: montaż najbardziej efektownych klipów z całego filmu (brane są sceny z najwyższą oceną ważności, gdzie jest wideo) pod osobny tekst-wprowadzenie od LLM („w tym filmie dowiesz się…”), kadry bez wyjaśnień, jak intryga. Potem przejście i główna część. Naprzemienność: wstawka wideo minimum co ~6 sekund, nie można mieć wielu zdjęć pod rząd. Udział wideo: nie mniej niż ~40% czasu — żywe klipy, reszta — zdjęcia z zoomem. Długość kadru: 4-6 sekund (i zdjęcia, i wideo). Nie migać, nie trzymać statyki długo. Dla czysto historycznych tematów, gdzie nie ma wideo — zdjęcia z wzmocnionym ruchem (zoom + panorama). Źródła (wszystkie darmowe, z API) Nowoczesne wideo+zdjęcia: Pexels, Pixabay. Historyczne / archiwalne (public domain): Wikimedia Commons, Archive.org,Biblioteka Kongresu, Europeana, NASA, Smithsonian Open Access,Flickr Commons, openverse. Każde źródło — oddzielny moduł, łatwo dodać nowe. Używać tylko public domain / wolnych licencji z prawem do komercyjnego wykorzystania. Żadnego parsowania cudzych YouTube/stron, fragmentów filmów, obrazków „z googla”.Unikalność doboru Aby wideo nie pokrywały się z cudzymi: brać losowy klip z top-wyników (nie pierwszy), prowadzić bazę już użytych (nie powtarzać), opcjonalnie — lekka obróbka klipu (crop/lustro/szybkość). Opcje (włącz/wyłącz w ustawieniach) Tylko zdjęcia — jeśli włączone, wideo zbierane jest CZYSTO z zdjęć, bez klipów wideo. Każde zdjęcie OBOWIĄZKOWO z ruchem (zoom i/lub panorama, efekt Kena Burnsa) — nawet w tym trybie nie powinno być statycznych „martwych” kadrów, minimalna dynamika zawsze. Jeśli wyłączone — standardowy tryb (zdjęcia + klipy wideo z naprzemiennością, jak w regułach materiału wideo). Bez lektury — jeśli włączone, wideo zbierane jest według tekstu BEZ generacji głosu: kod NIE zwraca się do ElevenLabs i nie nakłada lektury (materiał wideo dobierany jest według tekstu scen, timing kadrów — według reguł/parametrów, bez powiązania z audio). Jeśli wyłączone — automatycznie robi lektury według tekstu przez ElevenLabs, jak zwykle. Atmosferyczny overlay — jeśli włączone, na całym materiale wideo nakładany jest półprzezroczysty layer z unoszącymi się cząstkami / pyłem / świecącym bokeh / lekką mgłą (particle / dust / bokeh / fog overlay, tryb nakładania screen/add), aby kadry wyglądały na żywe i filmowe. Przy instalacji programu umieszczany jest zestaw z 5-8 popularnych overlayów (cząstki, pył,copybokeh, mgła, lekkie filmowe „ziarnko”) w lokalnym folderze — wybieram potrzebny z listy. Regulowana przezroczystość/jasność overlayu (suwak 0-100%), aby efekt nie był anicopyzbyt przyciemniony, ani zbyt wyraźny — sam dostosowuję siłę. Pożądane, aby overlay można było nakładać i na JUŻ gotowe wideo osobnocopy(postprodukcja: wziąć gotowy MP4 → wybrać overlay → ustawić przezroczystość → zapisać), a nie tylko przy montażu. Skąd wziąć overlaye do kompletu (wolna licencja): Pexels, Pixabay (zapytaniacopy„particle overlay”, „bokeh overlay”, „dust overlay”, „light leaks”, „film grain”), Mixkit, Videezy. Wykonawca dobiera 5-8 sztuk i umieszcza w folderze programu. Napisy (wbudowane lub osobnym .srt). Obróbka klipów dla unikalności. Rozdzielczość/format, długość wideo, udział wideo, głębokość wyszukiwania.Wymagania techniczne Python. Modułowa struktura (źródła i LLM — przez wymienne moduły, aby łatwo zamienić lub dodać). Wszystkie klucze API — w pliku ustawień, nie w kodzie. Proste okno (GUI do wyboru wykonawcy — Tkinter/PyQt), uruchamiane podwójnym kliknięciem. README z instrukcją, zrozumiałe logi, komentarze w kodzie.Co daję ja Klucze API (ElevenLabs, LLM, gdzie potrzebna rejestracja — załatwię). Płatne opłacam sam. Przykłady wideo-referencji (dołączę) i przykłady tematów do testów.Odbiór (gotowe, jeśli) Uruchamiam → okno → wprowadzam temat, wybieram głos → „Utwórz” → otrzymuję gotowy MP4. Materiał wideo zgodny z sensownym tekstem, naprzemienność wideo/zdjęć, intro-teaser 60 sek, lektura na wierzchu. Działa minimum z 6 darmowymi źródłami, z fallbackiem między nimi. Weryfikacja kadrów przez LLM: maks. 3 kroki na scenę (znaleziono → LLM sprawdził → jeśli nie, zdjęcie z ruchem jako pewniak). Unikalność: randomizacja + baza używanego. Tylko legalne źródła. Jest README, uruchamia się od zera.Przekazanie wyniku Cały kod źródłowy — w otwartej formie (wszystkie pliki), bez obfuskacji + zbudowana wersja robocza. Mogę sam uruchomić z źródeł według instrukcji (README: instalacja, klucze, uruchomienie). Kod musi być czysty, skomentowany i zrozumiały, aby **każdy inny programista mógł kontynuować pracę** nad nim, jeśli zajdzie taka potrzeba (bez powiązania z autorem). **Cała codzienna praca — przez interfejs (przyciski, pola, suwaki, rozwijane listy), BEZ potrzeby dotykania kodu.** Wszystkie ustawienia (temat, głos, opcje, overlay, foldery, długość, formaty) zmieniają się w oknie programu, a nie edytowaniem plików. Kod w rękach — tylko jako moja własność i zabezpieczenie, a nie jako sposób zarządzania programem. Wszystkie prawa do kodu po zapłacie — moje.Zarządzanie miejscem na dysku (ważne) Program nie powinien zapełniać dysku. Zrealizować: Po zmontowaniu wideo wszystkie pliki pośrednie (pobrane klipy, tymczasowe fragmenty, audio-clipy) automatycznie usuwane — na dysku pozostaje tylko gotowy MP4. Limit na cache (parametr w ustawieniach, np. 5 GB): przy przekroczeniu stare pobrane pliki usuwane są automatycznie (najpierw najstarsze). Folder dla gotowych wideo i dla plików tymczasowych ustalam w ustawieniach. Pokazywać, ile miejsca zajęte, i przycisk „wyczyść cache” ręcznie.Proszę wskazać w odpowiedzi Przykłady podobnych prac (ffmpeg/moviepy, praca ze stockowymi/archiwalnymi API, ElevenLabs/LLM). Propozycja dotycząca GUI. Czy rozwiązanie wykorzystuje bazę danych (jaką i po co) — czy wystarczą lokalne pliki. Termin i koszt.
Opracowujemy integrację w czasie rzeczywistym z zewnętrzną usługą Trener. Wysyłamy zorganizowane zrzuty stanu, otrzymujemy rekomendacje i pokazujemy je w wyskakującym oknie. Zadanie — stabilne i pełne przesyłanie danych dla prawidłowego działania Trenera. Szukamy programisty do łańcucha: przetwarzanie danych → komunikacja HTTP → nakładka. Potrzebni są ludzie z takimi umiejętnościami Python dobrze, Java podstawy, API HTTP/JSON-APIs Projekt gotowy w 90%, ale są pewne niezgodności
Wymagana jest разработка lokalnego skryptu Python do automatycznego wypełniania Google Arkuszy danymi z wewnętrznego serwisu firmy. Główna logika: 1. Połączyć się z Google Arkuszem. 2. Znaleźć wiersze, w których wypełniony jest ID, ale brakuje dwóch docelowych wartości. 3. Sformułować link według szablonu: https://internal-service.example/item/{ID} 4. Uzyskać dwie wartości (przez API, jeśli istnieje, w przeciwnym razie przez Playwright). 5. Zapisz wartości z powrotem do Google Arkusza. 6. Oznaczyć wiersz jako przetworzony. 7. Kontynuować przetwarzanie kolejnych wierszy. Wymagania: • Python • Google Sheets API • Priorytetowe użycie oficjalnego API • W przypadku braku API — Playwright • Bez OCR, rozpoznawania ekranu i współrzędnych myszy • Poufne dane nie powinny trafiać do logów • Konfiguracja przez .env • Tryb testowy (bez zapisu do arkusza) • Nie przetwarzać już wypełnionych wierszy • Zbiorowe zapisywanie zmian w Google Sheets • Poprawne przetwarzanie błędów i ponownych prób Wymagane do dostarczenia: - kod źródłowy; - requirements.txt; - przykład .env.example; - instrukcja instalacji; - instrukcja uruchamiania; - krótki opis architektury. Przed rozpoczęciem realizacji proszę: 1. Zaproponować architekturę. 2. Wymienić niezbędne dostępności. 3. Zadać pytania wyjaśniające. 4. Podać koszt, terminy i orientacyjną liczbę godzin.
W ramach podnoszenia poziomu cyberbezpieczeństwa naszej infrastruktury musimy zrezygnować z praktyki przechowywania „wiecznych” i statycznych kluczy API, haseł oraz tokenów integracji w plikach konfiguracyjnych (.env, appsettings.json, config.yaml) naszych mikroserwisów. Cel biznesowy: Stworzyć jednolity, zabezpieczony punkt przechowywania danych poufnych (sekretów) z mechanizmem ich automatycznego aktualizowania (rotacji) w systemach zewnętrznych według harmonogramu. Inne nasze usługi będą żądać aktualnych tokenów „na żywo” przez API, co zminimalizuje szkody w przypadku kompromitacji któregokolwiek z komponentów systemu.Model bezpieczeństwa i szyfrowanie (Crypto Core) W bazie danych żaden sekret nie powinien być przechowywany w postaci jawnej. Podczas uruchamiania aplikacji do zmiennych środowiskowych przekazywany jest Klucz główny (Master Key). Jeśli klucz jest nieobecny lub ma nieprawidłową długość, usługa powinna zakończyć działanie na etapie inicjalizacji z zrozumiałym błędem w logach. Każdy sekret jest szyfrowany przed zapisaniem w bazie danych z użyciem tego Klucza głównego. Przy żądaniu — jest deszyfrowany w pamięci i zwracany w treści odpowiedzi.Audyt-logowanie (Audit Trail) Każda akcja z sekretami (tworzenie, odczyt przez usługę, udana lub nieudana rotacja) powinna być zapisywana w oddzielnym pliku logów audit.log (lub w oddzielnej tabeli w bazie danych). Ścisły zakaz: W audyt-logu kategorycznie zabrania się zapisywania samych wartości sekretów (ani w postaci jawnej, ani w postaci zaszyfrowanej).
Potrzebny specjalista do pisania parserów, który będzie w stanie obejść CLOUDFRAME. Parsowanie produktów odbywa się z witryn z autoryzacją. Jest 10+ donorów o różnym stopniu trudności, z różnym poziomem ochrony. Parsowanie produktów odbywa się z witryn z autoryzacją. Parsuje dane do gotowej bazy danych Mysql + zdjęcia na serwer. Należy napisać parser zgodnie z zadaniami opisanymi w specyfikacji technicznej i dostosować dane do istniejącej bazy danych, aby zapewnić pełną funkcjonalność na stronie. Specyfikacja techniczna oraz przykład donora na żądanie. Nie rozważamy parserów desktopowych ani C#.