Opracowanie modelu uczenia się maszynowego na podstawie procesu Ornstein-Ulenbeck

Konieczne jest opracowanie usługi opartej na Claude lub innym odpowiednim modelu AI, która będzie mogła automatycznie znajdować firmy konkurencyjne, kontaktować się z nimi za pośrednictwem e-maila i telefonu, zbierać niezbędne informacje i wprowadzać wyniki do jednej tabeli. Główne zadanie usługi Użytkownik zadaje konkretne zapytanie, na przykład: - dowiedzieć się o cenie określonego rodzaju mięsa; - dowiedzieć się o cenie konkretnego rodzaju drewna; - wyjaśnić koszt towaru lub usługi; - sprawdzić dostępność produktu; - dowiedzieć się o terminach realizacji zamówienia; - uzyskać warunki współpracy. Po tym system powinien: 1. Znaleźć odpowiednie firmy. 2. Zebrać ich dane kontaktowe. 3. Wysłać im spersonalizowane wiadomości. 4. Zadzwonić do firm za pomocą bota AI. 5. Uzyskać odpowiedzi na zadane pytania. 6. Zapisz wszystkie wyniki w Google Sheets lub innej tabeli. Dla każdego nowego zadania użytkownik powinien mieć możliwość zmiany zapytań wyszukiwania, kryteriów selekcji, treści wiadomości i scenariusza rozmowy telefonicznej. Etap 1. Zbieranie bazy firm Etap 2. Wysyłka e-maili i zbieranie odpowiedzi Etap 3. AI-dzwonienie do firm --- Ważne wymagania techniczne - Możliwość wykorzystania Claude do generowania wiadomości, analizy odpowiedzi i zarządzania dialogiem. - Możliwość wymiany modelu AI bez całkowitej przebudowy systemu. - Integracja z Google Sheets. - Integracja z Gmail lub inną usługą pocztową. - Integracja z usługą AI-telefonii. - Historia wszystkich wiadomości, połączeń i zmian. - Możliwość zatrzymania lub wstrzymania zadania. - Kontrola wydatków na połączenia, wiadomości i zapytania AI. - Ograniczenie liczby połączeń dziennie. - Ochrona przed ponownym wysyłaniem wiadomości i ponownymi połączeniami z jedną firmą. - Przestrzeganie przepisów dotyczących połączeń telefonicznych, nagrywania rozmów, wysyłek e-mailowych i wykorzystania danych osobowych. --- Oczekiwany rezultat W rezultacie powinna powstać usługa, w której użytkownik tworzy zadanie, wskazuje, jakie informacje należy uzyskać, wybiera geografię i źródła, po czym system samodzielnie: 1. Zbiera bazę firm. 2. Znajduje dane kontaktowe. 3. Wysyła spersonalizowane wiadomości. 4. Dzwoni do firm według określonego scenariusza. 5. Analizuje odpowiedzi. 6. Tworzy jedną tabelę z wynikami. 7. Pokazuje, z jakiego źródła uzyskano każdą informację. Na pierwsze spotkanie z deweloperem warto również poprosić o osobną wycenę kosztów i terminów MVP, automatycznego parsowania, AI-telefonii i miesięcznej infrastruktury.

Potrzebne jest opracowanie promptu dla SI (preferowany Gemini, ale można proponować alternatywy), przy którym będziemy mogli używać konkretnej stylistyki do generowania obrazów. SI powinno wziąć za podstawę styl i, nie zmieniając go, tworzyć wszystkie potrzebne nam formy przedmiotów lub ludzi z maksymalnie przewidywalnym wynikiem. Na przykład generować postacie na podstawie zdjęć, które będą podobne do rzeczywistej osoby, oraz organicznie zintegrowane w ogólną scenę z zachowaniem stylu.

Cześć wszystkim! Na rynku jest teraz wielu sprzedawców, którzy sprzedają tokeny claude przez proxy Muszę przetestować różnych sprzedawców i zrozumieć, które API działa najlepiej do kodowania claude code Trzeba będzie autoryzować się przez terminal w claude code i sprawdzić stabilność działania API (testować pod obciążeniem) oraz znaleźć najbardziej optymalne Kto może teraz podjąć się tego zadania?

Szukam wykonawcy do budowy systemu agentów AI, który automatyzuje marketingowy i sprzedażowy lejek: od generacji treści po segmentację leadów w CRM i analitykę hipotez. Poniżej znajdują się zadania, pogrupowane według funkcjonalności. Ile dokładnie usług/agentów będzie w końcowej architekturze i na jakim stacku - decydujecie wy, w oparciu o własne doświadczenie. Najważniejsze, aby rozwiązanie pokrywało wszystkie poniższe zadania, było działające, wspierane, skalowalne i koniecznie miało wygodny mechanizm przeglądu/akceptacji wyników przez człowieka przed publikacją lub uruchomieniem reklamy. Blok 1. Generacja treści (multikanałowy copywriting)Jeden lub kilka modułów generujących, które wydają teksty w różnych formatach na podstawie materiałów projektu (programy kursów, wywiady, transmisje): Teksty landingów Sekwencje e-mailowe: łańcuchy rozgrzewające, newslettery Posty w Telegram-bocie/kanale Teksty reklamowe dla Meta, w tym warianty pod różne hipotezy Plan treści i posty dla Facebooka / Instagrama / Telegramu Artykuły do bloga (w tym na podstawie transkrybowanych wideo — patrz Blok 3)Blok 2. Produkcja finalnych materiałówPrzekształcenie gotowego tekstu w końcowy artefakt, gotowy do publikacji: Leadmagnety — składanie i zbieranie gotowego PDF (check-listy, przewodniki) z integracją Canva/Figma do edycji Kreatywy reklamowe Meta — statyczne wizualizacje z rozmiarami pod formaty kampanii Landing page na Framerze — struktura strony, wypełnienie CMS, składanie gotowej strony do uruchomienia.Blok 3. Wideo → blog Transkrypcja wideo (transmisje, wywiady, warsztaty) Podział transkryptu na artykuły prowadzące do lejka Publikacja na blogu na głównej stronie (blog obecnie nie istnieje — być może potrzebna jest sekcja blogowa na Framer CMS; otwarte pytanie: czy może ją stworzyć sam system, czy to osobne zadanie)Blok 4. Integracja z reklamowym panelem Meta Przesyłanie gotowych tekstów i kreatywów do panelu Tagowanie ogłoszeń/kampanii według hipotezBlok 5. CRM i lead-routing Automatyczna segmentacja leadów w Telegram-bocie (był/nie był na wydarzeniu, gałąź lejka, oferta) Przekazywanie segmentów do CRM Autotagowanie nowych leadów w CRM przy trafieniu do lejka (poprzez rejestrację)Blok 6. Analityka hipotez Tworzenie tabeli/dashbordu hipotez: wydatki/wynik dla każdego lejka, lead-magnetu, kreatywu. Okresowa analiza AI z rekomendacjami: co skalować, co zatrzymać Ocena konwersyjności landingówCzego oczekujemy w odpowiedzi Wizja architektury — jak byście podzielili te 6 bloków na agentów/usługi, na jakim stacku (orkiestracja, generacja, przechowywanie danych). Portfolio/przykłady — przykłady podobnych systemów automatyzacji (marketing, leady, generacja treści). Orientacyjna ocena terminów i kosztów, najlepiej etapowo. Pytania do TŻ, jeśli coś jest niejasne.

Poszukujemy doświadczonego programisty Python/AI (lub małego zespołu) do stworzenia usługi AI opartej na bocie Telegram. Projekt automatyzuje przyjmowanie zamówień od rzemieślników i centrów serwisowych na działającym rynku B2B części do sprzętu mobilnego i elektroniki (katalog ~30 000 SKU). Co powinien robić bot:Wielomodalny input: przyjmować tekst, wiadomości głosowe (Whisper API) oraz zdjęcia części/oznaczeń (GPT-4o Vision), rozpoznawać nomenklaturę, rewizje i numery części.Inteligentne wyszukiwanie: dopasowywać żargon rzemieślników (akumulator, AKB, wyświetlacz, oryginał) do oficjalnych nazw za pomocą wyszukiwania wektorowego (Vector DB).Interaktywny UI: przy kilku opcjach jakości (Oryginalny, Wysoka Kopia itd.) — grupować je w jedną wiadomość, wyświetlać inline checkboxy z cenami i stanami, przeliczać koszyk „na bieżąco”.Kaskadowe doprecyzowania (Slot Filling): przy niejednoznacznym zapytaniu krok po kroku doprecyzowywać parametry (model → kolor → rewizja).Zamówienie: automatycznie wysyłać gotowy pakiet JSON zamówienia na stronę przez API po potwierdzeniu koszyka.Stos: Python (FastAPI), Aiogram 3.x, OpenAI API (GPT-4o + Whisper), Qdrant, Docker + docker-compose. Czas realizacji: 5–7 tygodni.⚠️ Obowiązkowy warunek do odpowiedzi: Aby odciąć automatyczne odpowiedzi botów spamowych, proszę podać w wiadomości: jaki model embeddingów (Embeddings) wybierzesz do wektorowego wyszukiwania semantycznego po 30 000 technicznych SKU i dlaczego? Odpowiedzi z szablonowym tekstem bez odpowiedzi na to pytanie będą automatycznie odrzucane.