Rozwój platformy bettingowej z ręczną linią i witryną rzeczywistych meczów! tylko w sprawie

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 przetwarzania dokumentów wspierających PDF (w tym OCR), DOCX, TXT, XLSX oraz transkrypty 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 klientach 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 aplikacji Portfolio podobnych projektów AI/RAG Przykłady lokalnych wdrożeń LLM lub agentów AI Szacowany harmonogram Szacowany koszt projektu Cennik godzinowy lub stały

Zajmujemy się doborem, zakupem i dostawą samochodów z USA, Korei i Chin. Obecnie większość zapytań jest przetwarzana przez menedżerów ręcznie: odpowiedzi w czatach, dobór samochodów, wyszukiwanie ofert na aukcjach, obliczanie kosztów i kwalifikacja klientów. Potrzebne jest stworzenie agenta AI, który będzie w stanie przejąć większą część tej pracy i interagować z klientami w sposób jak najbardziej zbliżony do logiki żywego menedżera. Główne cele AI Uzyskać numer telefonu. Zapisać klienta na odpowiednią automatyzację ManyChat. Przekazać leada do Bitrix24. Odpowiedzieć na pytania. Utrzymać klienta w dialogu. Logika pracy Obecnie klienci mogą: wybierać auto przez katalog ManyChat; napisać ręcznie, jakie auto szukają; przejść z reklamy do konkretnego samochodu. We wszystkich tych przypadkach AI ma wspierać dialog, doprecyzować potrzebę i pomóc w wyborze. Potrzebne doświadczenie Doświadczenie w pracy z: agentami AI (OpenAI/Claude/Gemini); ManyChat; Bitrix24; integracjami API; automatyzacją procesów biznesowych.

Muszę stworzyć automatyczny system SEO oparty na n8n, który będzie zbierał dane z różnych serwisów, łączył je i przekazywał do ChatGPT w celu analizy. Konieczne jest podłączenie Ahrefs Google Search Console Google Analytics 4 Google Ads Pierwszy etap — minimalna wersja robocza Podłączyć Google Search Console. Podłączyć GA4. Podłączyć Ahrefs, jeśli mój plan i API na to pozwalają. Zapisywać codzienne dane. Przekazywać je do ChatGPT. Wysyłać jeden codzienny raport na Telegram lub na email. Skonfigurować analizę strony viarcanvas.com i konkurenta picturehappy.lv. Po sprawdzeniu działania dodać Google Ads, dodatkowe kraje, konkurentów i rozszerzone raporty. Co należy uzyskać z Ahrefs Dla strony viarcanvas.com i wybranych konkurentów: organiczne słowa kluczowe; aktualne pozycje; zmiana pozycji; wysokość wyszukiwania; przewidywany ruch; strony, które otrzymują organiczny ruch; nowe i utracone słowa kluczowe; nowe i utracone linki zwrotne; strony konkurentów, które zyskały ruch; nowe słowa kluczowe konkurentów; Content Gap między naszą stroną a konkurentami. Lista konkurentów powinna być edytowalna bez zmiany samego skryptu n8n.Co należy uzyskać z Google Search Console kliknięcia; wyświetlenia; CTR; średnia pozycja; zapytania; strony; kraje; urządzenia; zmiany wskaźników według dni i okresów. Ważne, aby dane można było analizować osobno dla każdej wersji językowej: /lv/ /lt/ /ee/ /pl/ /de/ Potrzebna jest również osobna analiza konkretnych stron, na przykład: https://viarcanvas.com/lv/new/canvasCo należy uzyskać z Google Analytics 4 użytkownicy; sesię; ruch organiczny; strony wejściowe; zakupy; zapytania; dochody; współczynnik konwersji; zaangażowanie; kraje i urządzenia. Trzeba łączyć ruch SEO nie tylko z odwiedzinami, ale także z zapytaniami, zamówieniami i dochodami.Co należy uzyskać z Google Ads wydatki; kliknięcia; wyświetlenia; CTR; CPC; konwersje; koszt konwersji; dochody; ROAS; zapytania wyszukiwawcze; dane dotyczące kampanii i krajów. Google Ads należy analizować osobno od organicznego SEO, ale włączyć do ogólnego raportu marketingowego.Co powinien analizować ChatGPT ChatGPT powinien automatycznie określać: które słowa kluczowe wzrosły; które słowa kluczowe spadły; które strony straciły ruch; które strony zaczęły rosnąć; gdzie spadły wyświetlenia; gdzie spadł CTR; gdzie pogorszyła się średnia pozycja; które strony znajdują się na pozycjach 4–15 i mają potencjał, aby wejść do TOP; które słowa mają wyświetlenia, ale mało kliknięć; które strony konkurentów rosną szybciej niż nasze; jakie zapytania mają konkurenci, ale nie mamy ich; jakie artykuły warto napisać; które istniejące strony warto zaktualizować; gdzie możliwa jest kanibalizacja zapytań; gdzie potrzebne jest wewnętrzne linkowanie; które strony warto wzmocnić linkami zewnętrznymi; jakie zmiany wymagają pilnej uwagi. ChatGPT nie powinien po prostu wymieniać liczb. Powinien wyjaśniać prawdopodobne przyczyny zmian i przedstawiać konkretny plan działania.

Jesteśmy producentami i sprzedawcami męskiej odzieży. Opracowujemy wewnętrzne narzędzie AI do automatyzacji tworzenia reklamowych zdjęć i wideo dla Facebooka/Instagrama. Projekt jest tworzony do użytku własnego, a nie na sprzedaż. Co należy zrobićOpracować wygodny Dashboard, w którym użytkownik tworzy projekt, wypełnia kartę produktu (opis, zdjęcie, cena, grupa docelowa itp.), po czym automatycznie uruchamia się łańcuch agentów AI i na wyjściu otrzymuje gotowe zdjęcia i wideo reklamowe. Pod maskąAgent AI 1 — Strateg Kreatywny Analiza produktu i grupy docelowej. Generowanie kątów. Generowanie haczyków. Generowanie wielkich pomysłów. Generowanie ofert.Agent AI 2 — Generator Scenariuszy Tworzenie scenariuszy reklamowych. Haczyk. Historia. CTA. Voice Over. Podział scenariusza na sceny.Agent AI 3 — Dyrektor Kreatywny Generowanie promptów dla zdjęć AI. Generowanie promptów dla wideo AI. Tworzenie promptów dla każdej sceny. Automatyczne wysyłanie promptów do AI w celu uzyskania gotowych obrazów i wideo.Wszystkie agenci muszą automatycznie przekazywać wyniki sobie nawzajem. Interfejs Dashboard. Tworzenie projektu. Karta produktu. Ładowanie zdjęć produktu. Status generacji. Galeria gotowych zdjęć. Galeria gotowych wideo. Możliwość ponownej generacji. Praca z koloramiNależy zrealizować wygodną pracę z wariantami jednego produktu.Na przykład:Lniany garnitur Czarny Biały Mokko Grafitowy NiebeiskiFunkcjonalność: Ładowanie jednego koloru. Ładowanie kilku kolorów jednego produktu jednocześnie. Możliwość wyboru, które kolory biorą udział w generacji. Wybór trybu generacji: tylko jeden kolor; równomierne rozłożenie między wszystkimi wybranymi kolorami; mieszanie kolorów w jednym kreatywie.Na przykład:Użytkownik wybiera 100 kreatywów.Jeśli załadowano 5 kolorów, system automatycznie rozkłada generację: Czarny — 20 Biały — 20 Mokko — 20 Grafitowy — 20 Niebeiski — 20Lub może stworzyć kreatyw, w którym w różnych scenach automatycznie pokazują się różne kolory produktu. Ustawienia generacjiUżytkownik powinien mieć możliwość wyboru: liczby kreatywów (10 / 25 / 50 / 100 lub własna wartość); generować tylko zdjęcia; generować tylko wideo; generować zdjęcia i wideo jednocześnie. Sekcja "Scenariusze"Dla każdego gotowego kreatywu należy zapisać: gotowy scenariusz; Haczyk; Historia; CTA; Voice Over; podział na sceny; oddzielny gotowy prompt dla każdej sceny.Jest to konieczne, aby montażysta mógł ręcznie wykorzystać te prompty do generacji oddzielnych kadrów, obrazów lub fragmentów wideo w dowolnych usługach AI. Część technicznaNależy: podłączyć API OpenAI / Claude / Gemini; podłączyć API generacji obrazów; podłączyć API generacji wideo; zrealizować backend z automatycznym przesyłaniem danych między agentami AI; zbudować architekturę skalowalną, aby w przyszłości można było łatwo dodawać nowych agentów AI i nowe modele AI bez całkowitej przebudowy projektu. Przy odpowiedzi proszę przesłać: przykłady projektów AI; proponowany stos technologii; orientacyjne terminy realizacji; koszt MVP.Ważne: jeśli masz doświadczenie w tworzeniu systemów AI z wieloma agentami lub usług AI z integracją kilku API, proszę, zaznacz to w odpowiedzi.

Opracowanie systemu o wysokim obciążeniu (Highload) z modelem LLM dla internetowej usługi multimodalnego wyszukiwania odzieży na podstawie zdjęcia i jednoczesnego zapytania tekstowego zintegrowanego z komunikatorami przez osobistego agenta-asystenta.