Budżet: 999 UAH Termin: 2 dni
Dzień dobry! Zajmuję się tworzeniem AI chatbotów opartych na ChatGPT. Moje prace można zobaczyć w portfolio. Jestem gotowy do realizacji Twojego projektu.
Szukam specjalistów, którzy zajmują się integracją AI (w szczególności ChatGPT) z Telegram-botem oraz bazą wiedzy.
Budżet: 999 UAH Termin: 2 dni
Dzień dobry! Zajmuję się tworzeniem AI chatbotów opartych na ChatGPT. Moje prace można zobaczyć w portfolio. Jestem gotowy do realizacji Twojego projektu.
Budżet: 20000 UAH Termin: 10 dni
Ja i mój zespół oferujemy pełny cykl rozwoju na zamówienie. W zespole są doświadczeni programiści, projektanci i specjaliści od UX/UI, co pozwala nam stworzyć wygodny i funkcjonalny produkt, spełniający wszystkie Twoje wymagania. Terminy i cenę omówimy już w prywatnych wiadomościach, gdy będziemy mieli pełne pojęcie o zakresie pracy. Czekam na Twoją opinię. Przykłady prac mogę przesłać w prywatnych wiadomościach.
Budżet: 1500 UAH Termin: 1 dzień
Witam.
Tworzę boty na Telegrama w NodeJS. Mam doświadczenie z ChatGPT. Jestem gotowy podjąć się. Piszcie, omówimy.
Budżet: 1111 UAH Termin: 1 dzień
Dzień dobry, mam doświadczenie w integracji chatbotów i OpenAI. Czy można dowiedzieć się więcej szczegółów na temat integracji?
Szukamy wysoko wykwalifikowanego inżyniera aplikacji AI oraz pełnostackowego dewelopera backendu do zbudowania gotowego do produkcji procesu walidacji, udoskonalania i zatwierdzania dokumentów zasilanego AI. To nie jest prosta rola inżyniera promptów. Potrzebujemy kogoś, kto potrafi zaprojektować i wdrożyć prawdziwą aplikację AI z silną architekturą backendową, integracją API Claude, ustrukturyzowaną logiką walidacji, śladami audytu, bezpiecznym przetwarzaniem danych oraz procesami przeglądu z udziałem człowieka. System będzie działał jako inteligentna warstwa zapewnienia jakości dla przesłanych raportów i dokumentów. Powinien przeglądać zakończone zgłoszenia, identyfikować problemy, poprawiać jakość treści, stosować zasady biznesowe, chronić wrażliwe informacje i albo automatycznie zatwierdzać dokument, albo kierować go do przeglądu przez człowieka. Deweloper będzie odpowiedzialny za zbudowanie procesu, który może: Pobierać zakończone dokumenty, raporty lub zgłoszenia z zewnętrznej platformy za pośrednictwem API Analizować pełny dokument, w tym ustrukturyzowane odpowiedzi, oceny, wybory, narracje, komentarze i pola tekstowe Przeprowadzać audyty semantyczne w celu wykrycia konfliktów logicznych, sprzeczności, brakujących informacji, niejasnych stwierdzeń, niepopartych twierdzeń lub niekompletnych sekcji Walidować, że ustrukturyzowane odpowiedzi i treść pisemna są ze sobą spójne Stosować niestandardowe zasady walidacji, wytyczne redakcyjne, standardy formatowania, wymagania dotyczące tonu i logikę biznesową Wykrywać, tokenizować, maskować lub bezpiecznie przetwarzać PII, dane poufne i wrażliwe informacje związane z bezpieczeństwem przed przetwarzaniem przez AI, gdzie to konieczne Przepisywać i ulepszać narracje, komentarze i sekcje dokumentów pod kątem gramatyki, jasności, profesjonalizmu, spójności i czytelności Zachować pierwotne znaczenie, obserwacje i intencje, jednocześnie poprawiając ostateczny wynik Standaryzować styl pisania w dokumentach, nie sprawiając, że każdy raport brzmi ogólnie lub zbyt normalizująco Zgłaszać treści, które wydają się niespójne, sfabrykowane, niejasne, niekompletne, wrażliwe lub wymagające przeglądu przez człowieka Generować konkretne notatki walidacyjne wyjaśniające, dlaczego dokument nie przeszedł przeglądu i co należy poprawić Automatycznie generować prośby o wyjaśnienia lub poprawki, gdy potrzebne są dodatkowe informacje Wspierać procesy zatwierdzania, w których dokumenty są: Automatycznie zatwierdzane, gdy spełnione są progi zaufania Kierowane do ludzkiego redaktora lub walidatora do przeglądu Zwracane do pierwotnego nadawcy w celu poprawy lub wyjaśnienia Utrzymywać pełny ślad audytu pokazujący: Pierwotne zgłoszenie Wydarzenia związane z tokenizowanymi lub maskowanymi danymi wrażliwymi Ustalenia i rekomendacje AI Treść przepisana przez AI Edytacje ludzkie Decyzje o zatwierdzeniu lub odrzuceniu Ostateczna zatwierdzona wersja Pisać zatwierdzoną i zwalidowaną treść z powrotem na platformę źródłową za pośrednictwem integracji API Rola wymaga również zbudowania edytora i procesu podejmowania ostatecznych decyzji. Ludzkie osoby przeglądające powinny mieć możliwość inspekcji ustaleń AI, porównania oryginalnej i poprawionej treści, dokonywania edycji, zatwierdzania zmian, odrzucania rekomendacji i finalizowania dokumentu przed jego wysłaniem dalej. Idealne doświadczenie obejmuje: Silne doświadczenie w integracji API Claude / Anthropic API Doświadczenie w budowaniu procesów przeglądu dokumentów, walidacji, edytowania lub zgodności zasilanych AI Silne umiejętności architektury backendowej Umiejętność pełnostackowego rozwoju Doświadczenie z integracjami API, webhookami, kolejkami, przetwarzaniem zadań i projektowaniem baz danych Umiejętność projektowania ustrukturyzowanych wyników AI, oceny zaufania, walidacji opartej na regułach i przeglądów z udziałem człowieka Doświadczenie w wykrywaniu PII, tokenizacji, maskowaniu, szyfrowaniu, kontroli dostępu i bezpiecznym przetwarzaniu danych AI Doświadczenie w budowaniu bezpiecznych śladów audytu i systemów zatwierdzania Silne zrozumienie projektowania promptów, ale także umiejętności inżynieryjnych do przekształcania promptów w niezawodny system produkcyjny Szukamy kogoś, kto już zbudował poważne aplikacje AI, a nie kogoś, kto tylko pisze prompty. Odpowiednia osoba powinna być w stanie zaprojektować architekturę, zintegrować z zewnętrznymi API, zarządzać logiką przetwarzania dokumentów, chronić wrażliwe dane, zbudować interfejs przeglądu i dostarczyć niezawodny proces, który można wykorzystać w produkcji.
Opracowanie oprogramowania układowego umieszczanego na bramie oraz zarządzanie bezpośrednią interakcją z PLC/urządzeniami w pomieszczeniu technicznym (Modbus, BACnet itp.).
Szukamy inżyniera 3D GenAI / dewelopera AI 3D Pipeline Potrzebujemy stworzyć rozwiązanie, które będzie w stanie jakościowo generować modele 3D z jednego lub kilku obrazów. Ważne, aby to nie była tylko gotowa demka, ale zrozumiały i powtarzalny proces: od wejściowego obrazu do pełnoprawnego zasobu 3D z siatką, geometrią, teksturami i możliwością dalszego wykorzystania. Co należy zrobić: - przetestować nowoczesne modele image-to-3D i podejścia; - określić, która opcja najlepiej pasuje do naszego zadania; - wykorzystać Trellis, Hunyuan3D lub podobne rozwiązania; - w razie potrzeby wykorzystać Gaussian Splatting w 3D-pipeline; - dostosować konwersję Gaussian Splat / reprezentację splat do 3D mesh; - uzyskać użyteczną geometrię; - wygenerować tekstury wysokiej jakości; - doprowadzić wynik do stanu użytecznego zasobu 3D; - dobrać optymalny balans między jakością, szybkością generacji a złożonością pipeline'u; - zbudować zrozumiały proces, który będzie można powtarzać dla różnych obrazów; - wykonać fine-tuning, LoRA lub inne adaptacje modeli pod konkretny typ obiektów.
O projekcie Szukamy doświadczonego inżyniera automatyzacji AI, który zaprojektuje i zbuduje bezpieczną, samodzielnie hostowaną platformę AI, łączącą lokalny model językowy (LLM), generację wzbogaconą o wyszukiwanie (RAG) oraz wiele agentów AI w celu automatyzacji procesów biznesowych. To jest praktyczna rola inżynieryjna dla kogoś, kto ma doświadczenie w budowaniu produkcyjnych systemów AI — nie tylko w integracji API ChatGPT. Celem jest stworzenie prywatnego ekosystemu AI zdolnego do bezpiecznego indeksowania wiedzy firmy, odpowiadania na pytania z wykorzystaniem cytowanych źródeł, przetwarzania transkryptów spotkań oraz automatyzacji wewnętrznych procesów biznesowych. Obowiązki Będziesz odpowiedzialny za: Projektowanie i wdrażanie lokalnie hostowanego LLM na VPS lub dedykowanym serwerze Budowanie bezpiecznego pipeline'u RAG przy użyciu frameworków takich jak LlamaIndex lub podobnych Tworzenie pipeline'ów do wczytywania dokumentów wspierających PDF (w tym OCR), DOCX, TXT, XLSX oraz transkrypcji spotkań Implementację indeksowania dokumentów, zarządzania metadanymi, deduplikacji i wersjonowania Rozwój agentów AI do: Przetwarzania transkrypcji spotkań Automatycznych podsumowań spotkań Ekstrakcji zadań do wykonania Pobierania wiedzy o kliencie Budowania API lub prostego interfejsu webowego do zapytań w bazie wiedzy Zapewnienia ścisłej izolacji danych klientów i kontroli dostępu Implementacji odpowiedzi z cytatami źródłowymi, aby zminimalizować halucynacje Optymalizacji wydajności systemu, skalowalności i niezawodności Pisania dokumentacji i przewodników wdrożeniowych Przeprowadzania testów i walidacji bezpieczeństwa Wymagane umiejętności Silne doświadczenie w programowaniu w Pythonie Doświadczenie z frameworkami LLM Doświadczenie w architekturze RAG LlamaIndex, LangChain lub równoważne Bazy danych wektorowych (Qdrant, Chroma, Pinecone, Weaviate, FAISS itp.) Wdrażanie lokalnych/otwartych LLM (Llama, Mistral, Gemma, DeepSeek itp.) Rozwój API (preferowane FastAPI) Docker Administracja serwerami Linux Wdrażanie VPS Git Autoryzacja i kontrola dostępu Doświadczenie z pipeline'ami OCR Doświadczenie w pracy z dokumentami strukturalnymi i niestrukturalnymi Znajomość języka angielskiego w mowie i piśmie Czego szukamy Idealny kandydat: Stworzył produkcyjne systemy AI od podstaw Rozumie najlepsze praktyki RAG Potrafi pracować samodzielnie Myśli jak architekt oprogramowania — nie tylko jako programista Pisze czysty, łatwy do utrzymania kod Komunikuje się jasno Może rekomendować najlepsze technologie zamiast po prostu podążać za instrukcjami Typ projektu Freelance / Umowa Zdalnie Na podstawie kamieni milowych Długoterminowa możliwość dla przyszłych projektów automatyzacji AI Proszę dołączyć do swojej aplikacji Portfolio podobnych projektów AI/RAG Przykłady lokalnych wdrożeń LLM lub agentów AI Szacowany harmonogram Szacowany koszt projektu Cennik godzinowy lub stały
Jest bot Telegram na aiogram/FastAPI (CRM dla projektu eventowego) oraz oddzielny bot ManyChat w Instagram Direct do komunikacji z klientkami.Zadanie 1 — poprawić logikę bota Instagram Direct.Aktualny bot działa według sztywnego scenariusza: działa krok po kroku (powitanie → o wydarzeniu → odpowiedź na „drogo” → odpowiedź na „pomyślę”), z 3 losowymi wariantami tekstu na każdy krok. Problem polega na tym, że bot nie rozumie sensu wiadomości, a zgaduje numer kroku i wysyła gotowiec nie na temat. Z tego powodu: na bezpośrednie pytanie o cenę bot nie podaje cyfr, a wysyła ogólny tekst język skacze — to ukraiński, to rosyjski w zasadzie to losowy generator gotowców, a nie dialogW ciągu tygodnia bot stracił kilka żywych leadów. Mogę dołączyć zrzuty ekranu rozmów jako przykład.Potrzebne jest: aby bot rzeczywiście analizował treść wiadomości (pytanie o cenę, sprzeciw „drogo”, wątpliwości „pomyślę”, nietypowe pytanie itd.) i odpowiadał na temat — na bazie AI (na przykład, Claude API), a nie według sztywnego scenariusza. Ton — żywy, nie zrobotyzowany, język — ukraiński. Podstawowe scenariusze (cena, zniżki, praca z „drogo”/„pomyślę”) należy zachować, ale aby AI sama wybierała odpowiedni odpowiedź w kontekście.Zadanie 2 (opcjonalnie, ale również potrzebne) — autoposting w Instagramie.Postowanie przez oficjalne Meta Graph API: reels, stories, posty, karuzele. Tagowanie w bocie: [reels] / [stories] / [post] / [karuzela] + [geo] / [ankieta] / [odliczanie]. Panel wieloużytkownikowy /admin — dodawanie/usuwanie osób, role (postowanie / przeglądanie / wszystko), log aktywności. Dynamiczna cena z Google Sheets — bot pobiera aktualną cenę z kolumny „Cena”.Pytania do wykonawcy: Czy zadanie 1 (logika AI dla Instagram Direct) lepiej wykonać na bazie aktualnego ManyChat przez webhook + zewnętrzny przetwornik AI, czy jako oddzielny bot na architekturze typu aiogram/FastAPI, podłączony do Instagramu przez oficjalne Meta API? Czy podejmujecie się obu zadań razem (logika Direct + autoposting)? Jaka jest całkowita cena i czas realizacji na cały zakres (zadanie 1 + zadanie 2)?Wymagania: Doświadczenie z Meta Graph API (Instagram) Doświadczenie w integracji modeli AI (Claude API / OpenAI API) w chatbotach Preferowane — doświadczenie z aiogram/FastAPI lub webhookami ManyChat Portfolio z podobnymi projektami