Potrzebny jest system do automatycznego przetwarzania dużych ilości informacji za pomocą AI Obecnie używam własnego promptu w Claude. Działa dobrze na małych tekstach, ale przy dużych objętościach sieć neuronowa może pomijać części, zatrzymywać się przed końcem lub informować o zakończeniu, mimo że materiał nie został w pełni przetworzony. Potrzebny jest system, który przyjmuje od razu książkę na 200+ stron, kilka książek, PDF, DOCX, TXT, napisy, transkrypcje audio i wideo lub inny duży zbiór informacji i automatycznie przetwarza go od początku do końca. Jeden z podstawowych formatów wyniku dla każdego sensownego zdania: Wersja angielska. •••••••••••••••••••••••••••• Wersja rosyjska. •••••••••••••••••••••••••••• Wersja angielska. •••••••••••••••••••••••••••• Wersja angielska. •••••••••••••••••••••••••••• Wersja rosyjska. •••••••••••••••••••••••••••• Wersja angielska. Każda sensowna linia jest wyświetlana cztery razy po angielsku i dwa razy po rosyjsku w podanej kolejności. Tłumaczenie powinno dokładnie oddawać sens. Krótkie zdania można łączyć, długie — dzielić na zakończone sensowne linie. Format powinien być konfigurowalny: liczba angielskich powtórzeń i tłumaczeń, ich kolejność, języki, separator, długość linii, główny prompt i zachowanie różnych szablonów. Na przykład, zamiast English–Russian–English–English–Russian–English można wybrać dowolną inną sekwencję. Jeśli dokumentu nie można przetworzyć jednym zapytaniem, program powinien samodzielnie podzielić go na wewnętrzne bloki, wysłać je do Claude, ChatGPT, Gemini lub innego modelu, sprawdzić wynik, powtórzyć problematyczne części i połączyć wszystko w jeden plik. Użytkownik nie powinien ręcznie kopiować tekstu przez cztery strony. Trzeba sprawdzić, czy nie pominięto żadnego zdania, akapitu ani sensownego fragmentu, czy nie ma duplikatów między blokami, a struktura odpowiada szablonowi. Weryfikacja nie powinna opierać się tylko na stwierdzeniu sieci neuronowej. Przetwarzanie audio System powinien również przetwarzać duże archiwa audio, na przykład kanał Telegram z 300 audycjami trwającymi około jednej godziny. Preferowane jest automatyczne pobieranie audio lub przyjęcie całego archiwum, rozpoznanie mowy i przetworzenie wszystkiego bez ręcznego udziału. Dla każdej audycji powinna być tworzona zorganizowana notatka: temat, główne myśli, ważne fakty, przykłady, rekomendacje i wnioski. Powitania, reklamy, rozmowy śmieciowe i bezsensowne powtórzenia są usuwane, ale przydatne informacje są zachowywane. Po przetworzeniu potrzebne są nie tylko oddzielne notatki, ale także jeden wspólny czytelny dokument, w którym informacje są zebrane według tematów. Jeśli temat był omawiany w różnych audycjach, materiały są zbierane w jeden dział, duplikaty są usuwane, a linki do oryginalnych nagrań są zachowywane. W rezultacie powinny być: — notatka dla każdej audycji; — ogólny dokument tematyczny; — wyszukiwanie według słów i tematów; — powiązanie wniosków z oryginalnym audio; — zachowanie postępu i kontynuacja po błędach. Większość tych działań mogę już wykonywać samodzielnie, ale tylko na małej objętości i ręcznie. Dlatego również jestem gotów rozważyć bardziej efektywny sposób pobierania i przekształcania audio na tekst, jeśli wykonawca zaproponuje lepsze rozwiązanie niż to, którego używam. Co wskazać w odpowiedzi Napisz: — jak będzie zrealizowany system i jaki produkt otrzymam; — jakie modele AI i rozpoznawania mowy będą używane; — jak sprawdzana jest pełność i wykluczane są pominięcia i powtórzenia; — czy można zmieniać prompt, liczbę tłumaczeń, powtórzeń i ich kolejność; — czy możliwe jest pobieranie materiałów z Telegramu; — koszt opracowania, API, terminy i cena dalszych poprawek. Głównym celem jest uniwersalny system, który bez ręcznego udziału przetwarza duże książki i setki godzin audio, nie traci informacji i wydaje gotowy wynik ściśle według wybranego szablonu.
Szukamy doświadczonego programisty Blockchain Full-Stack, który pomoże zbudować grę Web3 typu Endless Runner nowej generacji z mechaniką rozgrywki na łańcuchu, NFT i tokenizowanymi nagrodami. To okazja do pracy nad innowacyjną grą, która łączy nowoczesne technologie internetowe z infrastrukturą blockchain. Będziesz współpracować z programistami gier, inżynierami backendowymi i projektantami, aby stworzyć skalowalne inteligentne kontrakty, integracje Web3 oraz płynne doświadczenie gracza.
Zajmujemy się pozyskiwaniem dotacji dla już istniejących firm, które planują inwestycje. Wpadliśmy na pomoc stworzenia / połączenia dostępnych modeli AI do wyszukiwania firm, które planują lub są już w trakcie inwestycji i zaproponować im na ten cel dotacje (głównie zajmujemy się dotacjami na zakup maszyn i urządzeń). AI przeszukiwało by dostępne strony i rejestry w celu wyszukania inwestorów. Następnie, zajmowałoby się również automatyzacją mailingu do tych Firm i w odpowiedzi wyrzucałoby Firmy, które: - wpisują się w kategorii leada (myślę, 5-6 parametrów); - odpisały na maila i są zainteresowane dotacją; Oczywiście, dodatkowe propozycje mile widziane, myślę również nadVoice Calling oraz wysyłką SMS. Zaznaczę, że nie interesuje mnie wyszukanie TYLKO dużych czy bardzo dużych Firm, lecz również mniejszych np. zatrudniających 8-50 osób. I nie tylko duże miasta, ale również mniejsze miasta. Przykładowy target na test: PODKARPACKIE Dlamikro, małych i średnich przedsiębiorstw (MŚP)orazdużych przedsiębiorstw z województwa podkarpackiego, które przynależą do branży bezpieczeństwa i obronności. Przez przedsiębiorstwo z branży bezpieczeństwa i obronności rozumie się przedsiębiorstwo, które: opracowuje lub wytwarza produkty, technologie lub systemy przeznaczone do zastosowań wojskowych,związanych z bezpieczeństwem narodowym, ochroną infrastruktury krytycznej lub bezpieczeństwem obywateli lub świadczy usługi wspierające systemy bezpieczeństwa i obronności (np. w zakresie cyberbezpieczeństwa) lub prowadzi badania i rozwój w obszarze technologii militarnych i systemów bezpieczeństwa oraz które osiąga istotny udział przychodów ze sprzedaży produktów, technologii, systemów lub usług w obszarze bezpieczeństwa i obronności, tzn. powyżej 5% przychodów netto ogółem (łącznie w okresie 3 ostatnich zamkniętych okresów obrachunkowych). Wsparcie dostępnedla firm, które prowadzą działalność gospodarczą w sposób zorganizowany i ciągły na terenie województwa podkarpackiego przez okres nie krótszy niż 24 miesiące licząc wstecz od dnia ogłoszenia naboru. Mamy propozycje stron do wyszukiwania. Docelowo, program codziennie przygotowywałby Nam zestawienie o takich inwestorach. Czy ktoś może Nam w tym pomóc? Czytałem, że jest to możliwe, ale sam nie mam czasu się tym zająć :)
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.
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.
Szukamy specjalisty lub zespołu do wdrożenia rozwiązań AI w komunikacji centrum medycznego CT i MRI. Potrzebne: zintegrować AI w telefonii do obsługi połączeń przychodzących i zimnych; zapewnić naturalną komunikację w języku ukraińskim z minimalnymi przerwami; zintegrować asystenta AI w czacie Binotel lub zaproponować skuteczną alternatywę; zautomatyzować odpowiedzi na pytania, wstępną konsultację i rejestrację na badania. Ważne: dziedzina medycyny wymaga dokładnego zbierania informacji przed CT lub MRI, w szczególności dotyczących obszaru badania, przygotowania, skierowania i możliwych przeciwwskazań. Rozwiązanie musi być empatyczne, profesjonalne i przewidywać przekazywanie skomplikowanych przypadków operatorowi. W odpowiedzi proszę przesłać odpowiednie przypadki, opis proponowanego rozwiązania oraz orientacyjne terminy. Doświadczenie w projektach medycznych będzie atutem.
Konieczne jest opracowanie aplikacji w MATLAB, która będzie mogła przetwarzać obrazy/wideo, wyodrębniać pojedyncze obiekty, analizować ich cechy i w razie potrzeby stosować metody uczenia maszynowego do automatyzacji analizy. Preferowane: pewna znajomość MATLAB; doświadczenie w Computer Vision / Przetwarzaniu Obrazów; doświadczenie z Uczeniem Maszynowym;
programisty do tworzenia botów AI - system wieloagentowy i automatyzacji w aplikacji AI. Co jest potrzebne: znajomość n8n; doświadczenie w integracji OpenAI i innych modeli AI przez API; praca z webhookami, REST API i Supabase; umiejętność tworzenia niezawodnych workflow AI i automatyzacji. Tworzenie systemów wieloagentowych od podstaw lub z frameworkiem Agenci AI, MCP, RAG
Liczenie gotowych produktów i ludziProdukty niezgodne. Na przykładzie wysoko wydajnej linii, zapewnić dokładne liczenie przepustowości, udziału siły roboczej, wykrywania niezgodności oraz kontekstu zatrzymań/przeprogramowań, dostarczając gotowe informacje analityczne.
Dzień dobry, co jest potrzebne: 1. Przeprowadzić analizę procesów (osobistych kierownika) oraz biznesu. 2. Zastanowić się, gdzie (w jakich procesach) można wdrożyć asystentów AI. Gdzie będzie to uzasadnione i efektywne. 3. Przygotować rozwój. Zajmujemy się publikacjami artykułów naukowych.
Poszukujemy 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; * rozumieć Trellis, Hunyuan3D lub podobne rozwiązania; * w razie potrzeby wykorzystać Gaussian Splatting w 3D-pipeline; * skonfigurować konwersję Gaussian Splat / splat-reprezentacji na 3D mesh; * uzyskać użyteczną geometrię; * wygenerować tekstury wysokiej jakości; * doprowadzić wynik do stanu użytecznego zasobu 3D; * dobrać optymalną równowagę między jakością, szybkością generacji a złożonością pipeline; * zbudować zrozumiały proces, który można powtarzać dla różnych obrazów; * wykonać fine-tuning, LoRA lub inne adaptacje modeli pod konkretny typ obiektów; * umieć pracować z ComfyUI: rozumieć grafy, korzystać z API ComfyUI i w razie potrzeby pisać niestandardowe węzły. W odpowiedzi koniecznie pokażcie kilka przykładów w formacie: wejściowy obraz i uzyskany z niego model 3D. Format nie ma znaczenia: render, wideo, 3D-viewer, GLB, OBJ, FBX lub plik Blender. Przede wszystkim interesują nas realistyczne obiekty: meble, biżuteria, przedmioty wnętrzarskie, dekoracje, akcesoria i inne fizyczne towary. Przykłady z anime lub stylizowanymi postaciami nie są odpowiednie.
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
szukam człowieka (nie bota), który zna się na agentach AI, potrafi je budować. Przez agenta AI rozumiem: przetwarzanie danych wejściowych, zapytanie do 1x LLM lub podobnego modelu AI, potencjalne zapytanie MCP lub podobnego, potencjalne zapytanie systemu RAG przetwarzanie danych wyjściowych I doświadczenie powinno obejmować pracę kilku agentów, które również się weryfikują, przekazują sobie dane itd. Potrzebne jest również zrozumienie systemów RAG. Preferowane doświadczenie w automatyzacji projektów marketingowych, na przykład: szukaj najnowszych tematów, używając głębokiego badania źródeł 1,2,3.... porównuj je z tym, co już wcześniej znalazłeś i usuwaj duplikaty. porównuj również z już opublikowanymi artykułami analizuj znalezione wiadomości w kontekście potrzebnym szukaj i oceniaj ważność tych tematów przygotuj raport dla użytkownika stwórz przykład posta na LinkedIn, Instagram, X w stylu, który był wcześniej używany (i weryfikacja)