Starszy Inżynier / Mały Zespół — Zbuduj CHELT (Platforma Zarządzania AI) z Istniejącej Bazy Kodowej Traqplan

Budżet: 3000 USD Termin: 1 dzień

Cześć. Pracuję z Node.js od ponad 8 lat. Jestem gotowy do współpracy.

Budżet: 25000 USD Termin: 14 dni

Jako starszy inżynier z doświadczeniem w integracji AI w produkty, rozumiem wasze wyzwania związane z migracją Traqplan do CHELT AI. Będąc uczestnikiem projektu wdrożenia AI w skomplikowanym systemie, opracowałem proces "intencja → oferta → potwierdzenie → zastosowanie → audyt", zachowując integralność danych. Moja wiedza na temat Node/Postgres jest odpowiednia do utrzymania struktury i wersji waszych rejestrów. Stwórzmy fundament, który przewyższy oczekiwania i zapewni długoterminową stabilność oraz innowacje.

Budżet: 3500 USD Termin: 20 dni

Witam.

Bardzo zareagowałem na Twój opis projektu, ponieważ to dokładnie ten typ systemów, z którymi pracuję od kilku lat: zarządzane, audytowane, deterministyczne platformy AI z wyraźnymi granicami odpowiedzialności między człowiekiem, systemem a AI.

Pracuję z Node.js, PostgreSQL oraz złożonymi systemami backendowymi, gdzie kluczowe kwestie to kontrola zmian, historia, wersjonowanie, audyt, prawa dostępu i reprodukowalność rozwiązań. Mam również doświadczenie w pracy z Angular oraz refaktoryzacji istniejących baz kodu bez konieczności przepisywania wszystkiego od zera.

Osobno mam duże praktyczne doświadczenie w budowaniu systemów AI w produkcji z odpowiednimi ograniczeniami:
AI nie ma bezpośredniego dostępu do bazy danych, jedynie interpretuje zamiar, generuje ustrukturyzowaną propozycję, a wszystkie zmiany przechodzą przez backend, z potwierdzeniem użytkownika, audytem i logami. W rzeczywistości wielokrotnie realizowałem wzorzec „zamiar → propozycja → potwierdzenie → zastosowanie → audyt”.

Jak zrealizowałbym Twój podstawowy workflow:
Użytkownik formułuje zapytanie w naturalnym języku, AI przekształca je w ustrukturyzowaną propozycję zmiany (JSON/DTO), frontend pokazuje podgląd różnic, użytkownik potwierdza, backend stosuje przez standardowe metody serwisowe, zmiana jest wersjonowana, logowane są autor, czas, poprzedni stan, przyczyna. AI nigdy nie zapisuje bezpośrednio w bazie danych i nie ma ukrytego stanu.

Bardzo bliska jest mi Twoja filozofia:
rejestry jako kontrakty
sztywne granice między interpretacją a mutacjami
żadne „ciche” zmiany dla wygody AI
pełna śledzalność i zarządzalność

Z istotnych przypadków:
Budowałem menedżera AI dla Kommo CRM z architekturą RAG, audytem działań, kontrolowanymi scenariuszami, logiką potwierdzeń i przekazywaniem do menedżera. Pracowałem również nad kilkoma systemami SaaS z logiką workflow, procesami zatwierdzania i historią zmian. Mam doświadczenie w integracjach, orkiestracji procesów oraz budowie „zarządzanych agentów”, którzy nie tylko odpowiadają, ale wykonują działania pod kontrolą systemu.

Twój stos technologiczny i podejście całkowicie mi odpowiadają: Node, Postgres, Angular, istniejąca baza kodu, stopniowa ewolucja produktu. Nie jestem zwolennikiem „wszystkiego przepisać”, a wręcz przeciwnie — starannego, kontrolowanego wzmocnienia architektury.

Interesuje mnie długoterminowe zaangażowanie w ten projekt i rozwijanie go jako produktu, a nie jako jednorazowej realizacji.

Jeśli chcesz, możemy zacząć od rozmowy technicznej, przyjrzę się aktualnej architekturze Traqplan i zaproponuję bardzo konkretny plan pierwszej fazy przejścia do CHELT.

Będę zadowolony z dyskusji. Rozwiń

Budżet: 3333 USD Termin: 1 dzień

gotowy, aby Ci w tym pomóc

mam ogromne doświadczenie w pracy w pełnym stosie

wyślę Ci wcześniejsze prace, aby upewnić się, że pasujemy

Budżet: 14500 USD Termin: 90 dni

Cześć!
Nazywam się Andriej Martynow, reprezentuję grupę deweloperów – NC-1.
Od ponad pięciu lat tworzymy strony internetowe, aplikacje mobilne, sklepy internetowe, systemy ERP/CRM i inne produkty e-commerce. Proponuję nasz zespół do pracy nad projektem:
1. Inżynier Full-Stack (senior, lider zespołu). Stos: Node.js, PostgreSQL, Angular.
2. Programista Frontend (średniozaawansowany). Stos: Angular, TypeScript, AG Grid, RxJS
3. DevOps (średniozaawansowany). Stos: Node.js, AWS, Docker, CI/CD, monitoring.
Odpowiadam na pytania:
1. Przykłady systemów produkcyjnych
- Platforma zarządzania incydentami dla fintechu: Refaktoryzowałem monolit w Javie na mikroserwisy w Node.js (NestJS) i PostgreSQL, dodając klasyfikator AI incydentów w Pythonie (FastAPI/BERT) z pełnym śledzeniem prognoz dla audytu.
- Multitenantowa SaaS do automatyzacji marketingu: Od podstaw zbudowałem platformę orkiestracji workflow z izolacją danych przez schemy PostgreSQL i zarządzanym wykonaniem zadań w Kubernetes, podobnie jak wbudowane silniki (n8n).
2. Izolacja warstw. Deterministyczna walidacja i potwierdzenie. Audyt i śledzenie.
3. Mam bezpośrednie doświadczenie w budowaniu multitenantowej platformy SaaS z izolacją danych na poziomie schem PostgreSQL. Do orkiestracji workflow zintegrowaliśmy silniki (n8n), dodając warstwę zarządzania: konfiguracje były przechowywane w głównej bazie danych, a każde uruchomienie było wykonywane w imieniu konkretnego agenta z wstrzyknięciem jego uprawnień. Krytyczne procesy wymagały obowiązkowego zatwierdzenia przez system zgłoszeń przed wykonaniem. Cały cykl wykonania i zmiany konfiguracji był rejestrowany w centralnym dzienniku audytu dla śledzenia.
Przykłady: https://1drv.ms/b/c/b7a0d31a9dae1bc5/IQCpK38gmEvWT6F_Cso40Li-AXAKkSs-J67mCwll-C732pw?e=v4VVF5
Z poważaniem,
Aleksiej M. Rozwiń

Budżet: 3000 USD Termin: 20 dni

Cześć.
Ten projekt dotyczy ewolucji istniejącego SaaS do CHELT AI poprzez wdrożenie zarządzanych procesów roboczych AI na poziomie produkcyjnym na bazie ustrukturyzowanych rejestrów, a nie przebudowy od zera czy dostarczania cienkiej warstwy czatu. Pracowałbym bezpośrednio w twojej obecnej bazie kodu Angular/Node/Postgres, aby przeprowadzić rebranding i przekształcić UX wokół Chelt Hub i Governance Vault, jednocześnie ustalając surowe granice backendu, gdzie AI oferuje jedynie zmiany, a wszystkie mutacje przechodzą przez wersjonowane, audytowane API z wyraźnym zatwierdzeniem użytkownika. Dla CRUD w naturalnym języku i analityki wdrożyłbym jasny pipeline zamiar → ustrukturyzowana różnica → potwierdzenie → zastosowanie → audyt, traktując schematy rejestru jako kontrakty i zachowując pełną historię oraz śledzenie. Stamtąd położyłbym fundamenty dla zarządzanych agentów działań i realizacji procesów roboczych z silną identyfikacją, zatwierdzeniami i dziennikami, zaprojektowanych do czystego skalowania w UAT, środowiskach wieloosobowych i korporacyjnych na AWS.

Budżet: 3000 USD Termin: 30 dni

Cześć, dziękuję za szczegółowy opis projektu — to silny i dobrze przemyślany produkt.

Mam solidne doświadczenie w pracy z API Node.js, PostgreSQL, systemami opartymi na Angularze oraz złożonymi platformami SaaS, gdzie audytowalność, uprawnienia i integralność danych są kluczowe. Czuję się komfortowo pracując w istniejących bazach kodu: refaktoryzacja, rozszerzanie funkcjonalności i stabilizacja systemów produkcyjnych (nie budowanie od podstaw).

Jeśli chodzi o przepływ pracy AI, w pełni zgadzam się z Twoimi zasadami.
Podejście, które stosuję w produkcji:

intencja → ustrukturyzowana propozycja → wyraźne potwierdzenie użytkownika → deterministyczne zastosowanie w backendzie → dziennik audytu

AI jest ograniczone tylko do interpretacji intencji i generowania propozycji.
Wszystkie zmiany są wprowadzane ściśle przez usługi backendowe z walidacją schematu, kontrolą uprawnień, wersjonowaniem i pełną śledzalnością (stan przed/po, aktor, znacznik czasu). Brak bezpośredniego dostępu AI do bazy danych, brak ukrytego stanu.

Mam również doświadczenie w:

dostępie opartym na rolach i narzędziach administracyjnych

konfiguracjach wielośrodowiskowych (UAT / produkcja)

architekturach API-first

długoterminowej iteracji produktu i wsparciu

Zainteresowany długoterminową współpracą poza pierwszą fazą.
Chętnie omówię architekturę i zakres w większych szczegółach. Rozwiń

Budżet: 3000 USD Termin: 15 dni

Szanowny Panie.
Jesteśmy bardzo zainteresowani wsparciem w przejściu Traqplan do CHELT AI oraz przyczynieniem się do stworzenia zarządzanej, produkcyjnej platformy wspomaganej przez AI.

Mamy silne doświadczenie na poziomie seniora w systemach opartych na Node.js, PostgreSQL i Angular, w tym w pracy w istniejących bazach kodu, bezpiecznym refaktoryzowaniu oraz dostarczaniu audytowalnych, gotowych do użycia funkcji dla przedsiębiorstw. Wdrożyliśmy wspomagane przez AI przepływy pracy, w których interpretacja intencji jest ściśle oddzielona od deterministycznego wykonania w backendzie, z wyraźnym potwierdzeniem użytkownika, wersjonowaniem i pełnymi śladami audytowymi.

Nasze podejście do „intencja → strukturalna propozycja → potwierdzenie → zastosowanie → audyt” przestrzega wyraźnych granic: AI generuje tylko strukturalne, związane ze schematem propozycje; usługi backendowe walidują, wprowadzają zmiany za pośrednictwem API i rejestrują wszystkie działania z możliwością śledzenia i zachowaniem historii. Czujemy się komfortowo w budowaniu systemów SaaS wielodostępnych oraz pracy z zarządzaną automatyzacją i silnikami przepływu pracy w kontrolowanych środowiskach.

Jesteśmy zainteresowani długoterminową współpracą wykraczającą poza początkową fazę i chętnie podzielimy się odpowiednimi przykładami produkcyjnymi oraz omówimy decyzje architektoniczne w większych szczegółach.

Z poważaniem

Budżet: 10000 USD Termin: 60 dni

Cześć!

To dokładnie taki rodzaj produktu, w którym staranna struktura ma większe znaczenie niż szybkość, i czuję się bardzo komfortowo pracując w istniejącej bazie kodu i przekształcając ją bez łamania tego, co już działa. Spędziłem lata na budowaniu i refaktoryzacji systemów Node i Postgres, gdzie audytowalność, uprawnienia i długoterminowe umowy dotyczące danych były traktowane jako kluczowe kwestie, a nie dodatki.

Co mi się podoba w CHELT, to wyraźne rozdzielenie między intencją a wykonaniem. Wdrożyłem podobne przepływy, w których AI nigdy nie dotyka bazy danych bezpośrednio, a zamiast tego produkuje czystą, typowaną propozycję, która przechodzi przez potwierdzenie, walidację poziomu usług, aplikację i pełne logowanie audytowe. Ten wzór dobrze się skaluje, uspokaja regulatorów i sprawia, że inżynierowie lepiej śpią w nocy. Systemy Angular z gęstymi siatkami i złożonym stanem są mi również znane, w tym praca nad wydajnością AG Grid i ewolucją schematu.

Jednym z pomysłów, które chciałbym wprowadzić na początku, jest warstwa księgi propozycji, która znajduje się między AI a usługami. Każda intencja staje się podpisanym, odtwarzalnym obiektem z zrzutami przed i po oraz dołączonym uzasadnieniem. Daje to wyjaśnialność, historię wersji oraz przyszły rollback lub przegląd bez dodawania tarcia dla użytkowników.

Możesz zobaczyć powiązaną pracę produkcyjną tutaj.
https://storiesforkids.ai
https://oscarstories.com

Dziękuję! Rozwiń

Budżet: 250 USD Termin: 3 dni

Jestem zainteresowany Państwa projektem przejścia na CHELT AI i mogę zająć się zarówno pierwszym etapem, jak i dalszym rozwojem platformy. Mam znaczące doświadczenie w Node.js, PostgreSQL, Angular, a także w wdrażaniu funkcji AI w rzeczywiste produkty z rygorystycznymi wymaganiami dotyczącymi bezpieczeństwa, audytu i kontroli zmian.

🔹 Co mogę zaproponować na pierwszym etapie:
1. Przejście z Traqplan → CHELT AI
• Rebranding i aktualizacja UX pod nowy model CHELT
• Dodanie ciemnego motywu oraz integracja Chelt Hub i Chelt Governance Vault
• Narzędzia administracyjne do zarządzania postaciami i rolami
2. CRUD w języku naturalnym dla rejestrów
• Interpretacja intencji użytkownika → generacja ustrukturyzowanych propozycji → potwierdzenie przez użytkownika → zastosowanie przez API → dziennik/audyt
• Wersjonowanie i historia zmian dla wszystkich schematów rejestrów
• Bezpieczne zarządzanie uprawnieniami i kontrola „cichych zmian”
3. Analiza i wnioski
• Generacja wyjaśniających i śledzonych do zapisów wniosków z danych rejestru
• Wykorzystanie AI bez bezpośredniego dostępu do bazy, w celu przestrzegania zasad bezpieczeństwa
4. Podstawy dla zautomatyzowanych agentów
• Moduł działań z kontrolą zatwierdzeń, rejestrowaniem, obsługą błędów i ponownymi próbami
• Integracja z orkiestracją procesów roboczych (np. n8n)

🔹 Moje doświadczenie, istotne dla tego projektu:
• Rozwój i refaktoryzacja wielo-użytkownikowych systemów SaaS w Node.js / Angular / PostgreSQL
• Wdrażanie AI do generacji propozycji, z pełnym audytem i kontrolą zmian
• Realizacja schematów „intencja → ustrukturyzowana propozycja → potwierdź → zastosuj → audyt” w systemach produkcyjnych
• Praca z wielo-użytkownikowymi platformami, gdzie krytyczne są kontrola dostępu, wersjonowanie i historia zmian

Mogę szybko włączyć się w istniejącą bazę kodu, stworzyć początkową podstawę jakości produkcyjnej, a następnie wspierać i iterować system razem z Państwa zespołem.

Jestem gotów omówić szczegóły, ocenić zakres pierwszego bloku oraz zaproponować plan działania i terminy. Rozwiń