AI-платформа для академических авторов

Здравствуйте!
У нас есть опыт в Python / FastAPI, интеграциях OpenAI / Claude, RAG-системах и автоматизации AI backend.

Работали с:
- FastAPI production backend
- Генерация PDF (WeasyPrint / ReportLab)
- OpenAI / Claude API
- RAG и векторный поиск
- PostgreSQL
… - Системы доставки электронной почты
- Развертывание на Linux / VPS

Можем быстро включиться в ваш рабочий процесс и брать задачи по этапам без постоянного микроменеджмента.

Комфортно работаем с:
- AI endpoints,
- структурированными JSON-выходами,
- PDF отчетами,
- логикой поиска/ RAG,
- асинхронными задачами backend,
- интеграциями API.

Будем рады обсудить детали сотрудничества 🙂

Показать оригинал

Перевести

Здравствуйте, могу подключиться к изолированным задачам milestone в вашем стекe fastapi.

У меня есть практический опыт с backend workflow, llm endpoint, генерацией pdf и доставкой отчетов пользователям. Для ваших задач вижу отдельные блоки: шаблоны pdf через weasyprint/reportlab, логику повторной доставки, автоочистку файлов, генератор тем через llm, оценку чек-листов с json/pdf отчетом.

Работаю аккуратно рядом с ведущим разработчиком: сначала согласовываю контракт api, затем делаю небольшой рабочий модуль, тесты, крайние случаи и краткую документацию по запуску.

Показать оригинал

Перевести

Здравствуйте,

Прочитав детально — Middle Python Backend Dev для milestone-задач M1–M4, с готовым lead developer и архитектурой. Это мой профиль 1:1.

Стек, с которым работаю ежедневно: FastAPI + Pydantic v2 + SQLAlchemy/asyncpg + PostgreSQL, LLM-интеграции с Anthropic (Claude) и OpenAI с prompt caching, RAG поверх pgvector, browsing-агенты через Playwright, deploy на Hetzner + Docker. Я свой side-проект держу именно на этом стеку — Claude API + prompt caching + FastAPI + SQLite, с MCP-сервером для управления.

По каждому milestone коротко:
- M1 PDF + email: WeasyPrint надежнее чем ReportLab для длинных документов, Resend — хороший выбор. Auto-delete через 24 часа — APScheduler или сам Resend (они поддерживают через API). Retry — tenacity с exponential backoff.
- M2 Topic Generator: FastAPI endpoint + Claude streaming, optional browsing через Playwright или через ваш существующий browsing agent.
… - M3 Article Readiness: structured output (Anthropic tool-use или OpenAI function calling), JSON schema на чек-листе, PDF отчет через ту же M1-инфраструктуру.
- M4 Article Brief: browsing agent → извлечение aims & scope → RAG retrieval поверх instruction files → LLM generation.

Как работаю: чисто беру милстоун, уточняю вопросы если что-то в ТЗ неоднозначное, довожу до passing tests + code review от lead, после принятия перехожу к следующему. Не исчезаю, коммуницирую через любой канал (Slack/Discord/Telegram).

Готов к короткому диалогу и пробному M1 — это самый быстрый способ проверить совместимость.

Показать оригинал

Перевести

Добрый день, у меня большой опыт работы с FastAPI и PostgreSQL. Умею брать четкое ТЗ и доводить задачу до результата без микроменеджмента. Готова быстро включиться.

Показать оригинал

Перевести

Добрый день! Меня зовут Валентин, и я представляю Arctic Web Agency. Мы - команда, которая специализируется на создании современных и эффективных решений для бизнеса. В личные сообщения смогу предоставить примеры наших похожих работ. Готовы взять ваш проект в работу!

С уважением,
Arctic Web Team
Freelancehunt

Показать оригинал

Перевести

Работал с FastAPI + OpenAI/Claude API на production-проектах - AI-анализ контента, автоматическая генерация отчетов, интеграции с платежными системами.
Релевантный опыт:

FastAPI бэкенды с LLM вызовами (prompt engineering, function calling)
PDF генерация через WeasyPrint для отчетов
Email доставка через Resend/SendGrid с логикой повторных попыток
Browsing агенты на Playwright для извлечения данных
PostgreSQL read-only операции с существующей схемой

… Milestone-формат: привык работать с изолированными задачами, четким ТЗ и code review.
Опыт с AI инструментами: OpenAI API, Claude API, базовое RAG через pgvector.

Вопрос:
Есть ли документация по существующему кодбейсу или будет onboarding call?

Ставка: $15/час или фиксированная цена за milestone в зависимости от оценки сложности после знакомства с проектом.

Показать оригинал

Перевести

Здравствуйте!

Меня интересует ваш проект. Я работаю с Python и FastAPI в продакшене, также имею опыт интеграции LLM (OpenAI / Claude), построения backend API и AI-логики для прикладных систем.

Я выполнял задачи, связанные с LLM-анализом текстов, генерацией структурированных результатов (JSON/PDF), интеграцией внешних API, доставкой электронной почты и автоматизацией backend-процессов. Также работал с RAG-подходами и агентными сценариями (включая логику поиска / извлечения данных).

По стеку все понятно: FastAPI, PostgreSQL, LLM API, генерация PDF, Resend, деплой на Linux — с этим комфортно работаю.

Готов быстро включиться в задачи формата milestone и работать в командном процессе с code review.
…
Могу начать с ближайших задач.

Показать оригинал

Перевести

Привет!

Ваш стек — наш профиль: FastAPI, Claude/OpenAI API, Playwright, PostgreSQL. Есть опыт с каждым из milestone, что вы описали.

По задачам:

M1 — PDF + email: делал PDF-генерацию через ReportLab, delivery с retry логикой, автоочистка файлов — стандартная задача.

M2/M3 — LLM интеграция: работал с Claude API и OpenAI, JSON-структурированный output, scoring системы — понимаю, как это строить правильно.
…
M4 — browsing agent + RAG: есть опыт с Playwright для парсинга динамических страниц, знаком с RAG подходом.

Формат изолированных milestone-задач удобен — беру задачу, сдаю результат, без лишнего микроменеджмента.

Готов обсудить детали по каждому!

Показать оригинал

Перевести

Могу подключиться к вашему Python/FastAPI backend и быстро встроиться в текущую команду под lead developer. Есть практический опыт backend/API задач, AI-интеграций и code review, поэтому могу заходить в существующий код без долгой раскачки. Подскажите, пожалуйста, какие 1–2 задачи нужно закрыть в первую очередь на ближайшем этапе?

Добрый день! Разрабатываю на Python, React/Node.js выполнял похожие проекты, готов к сотрудничеству.

Показать оригинал

Перевести

Здравствуйте, готов приступить сразу, не нуждаюсь в микроменеджменте, но всегда сначала выясняю нюансы, которые мне не понятны, чтобы уяснить задачу.
- Реализовывал генерацию ежедневных отчетов по заказам в формате PDF. Excel.
- Внедрение корпоративной почты и корпоративного облака (Nextcloud)
- Телеграм-бот заказов с богатым функционалом, отдельное веб-приложение для администрирования бота (распределение дополнительного товара согласно заказам, отчет по маршруту, по складам и т.д., добавление торговых точек, номенклатуры в бот из удобной админ-панели)
Готов приступить как можно быстрее или выполнить тестовое задание.

Показать оригинал

Перевести

Здравствуйте! Я Владимир, основатель инженерного агентства Vaysed. Проект AI-платформы для академических авторов — это отличная инициатива. Специфика работы с научными статьями, жесткими требованиями журналов и индексацией в Scopus мне очень близка благодаря постоянной работе с академическими исследованиями для университетских практических задач. Я прекрасно понимаю боли авторов и важность точного LLM-анализа аннотаций.
Я готов быстро интегрироваться в вашу команду как сильный исполнитель. Мне максимально комфортен формат работы с четкими изолированными milestone-задачами под руководством вашего lead developer, где уже есть готовая схема PostgreSQL и заложенный архитектурный фундамент на FastAPI.
По основным майлстоунам:
Для **M1** я реализую генерацию PDF-отчетов через WeasyPrint (он гибче в работе с HTML/CSS-шаблонами), настрою интеграцию с Resend для email-доставки с надежной retry-логикой и механизмом фонового удаления файлов через 24 часа.
В **M2 и M3** у меня большой практический опыт прямых вызовов OpenAI и Claude API, в частности с настройкой жестких JSON-ответов для checklist scoring. Извлечение aims & scope журнала мы реализуем через Playwright — это мощный инструмент, который я регулярно использую для создания browsing-агентов и парсинга.
Для **M4** я настрою пайплайн, где browsing-агент будет забирать контекст по URL, а LLM будет работать через RAG-архитектуру для генерации персонализированного article brief согласно вашим инструкционным файлам.
Мой основной рабочий инструмент — это ОС Linux (Fedora), поэтому работа с вашими Hetzner VPS, деплоем и тестированием будет происходить абсолютно естественно и без задержек. Я пишу чистый код, который легко пройдет code review, работаю автономно, всегда честно коммуницирую о статусах и не исчезаю во время работы.
Оценить мой инженерный подход и реализованные кейсы можно на сайте агентства: https://vaysed.me/. Напишите мне в личные сообщения, чтобы мы могли обсудить детали первого майлстоуна (M1) и оперативно начать работу!

Показать оригинал

Перевести

Здравствуйте. Работаю с FastAPI и Python. Готов к сотрудничеству. Обращайтесь.

Показать оригинал

Перевести

Самое важное здесь — не "выдумывать систему с нуля", а быстро и стабильно интегрировать отдельные AI-модули в уже подготовленную backend-экосистему. Именно в таком формате я работаю наиболее эффективно: беру изолированные задачи, быстро погружаюсь в кодовую базу и довожу milestone до production-ready результата без задержек и постоянного сопровождения. Имею практический опыт с FastAPI, интеграциями OpenAI/Claude API, генерацией PDF, API orchestration и backend-логикой для AI-продуктов. Понимаю специфику работы с LLM: retries, structured JSON responses, prompt control, стабильность результатов, rate limits, обработку edge cases и оптимизацию затрат на inference. Также хорошо знаком с подходами к RAG, асинхронной обработкой задач и интеграциями внешних сервисов. Код пишу структурировано, с нормальной декомпозицией, логированием и понятной API-логикой, поэтому прохождение code review не будет проблемой. Если будет нужно — примеры релевантных работ предоставлю по запросу.

План работы:

Анализ текущей структуры бэкенда, схем PostgreSQL, API-flow и требований по milestone
Реализация M1: генерация PDF-отчетов через WeasyPrint или ReportLab, email delivery через Resend, retry-механизм, cleanup временных файлов
Реализация M2: FastAPI endpoint для AI Topic Generator, интеграция OpenAI/Claude API, structured output, обработка ошибок и optional parsing через browsing agent
Реализация M3: AI-анализ abstract/article readiness, checklist scoring, формирование JSON-ответов и PDF-отчета
Реализация M4: pipeline журнал URL → browsing agent → LLM → article brief generation с поддержкой RAG и instruction files
… Тестирование endpoint-ов, проверка стабильности AI-вызовов, логирование и оптимизация response flow
Интеграция в Git workflow команды, подготовка к code review и деплой на Linux/Hetzner VPS.

Показать оригинал

Перевести

Добрый день.

По задаче понятно. Middle Python/FastAPI разработчик в команду под изолированные milestone-задачи с LLM, PDF-генерацией, browsing-агентами и RAG.

Стек ровно наш. FastAPI каждый день, OpenAI и Anthropic в продакшне, Resend для email, PostgreSQL с pgvector для RAG, Playwright для browsing. Инструменты, на которых работаем постоянно, не изучаем под проект.

Релевантный кейс: BrandSync AI, production SaaS с пайплайном GPT-4 через Redis и очередями. Архитектурно близко к вашим задачам: AI-анализ контента, JSON-результаты по чек-листам, генерация персонализированных документов. Другой проект, Winbix.AI, AI-агентная платформа с RAG и browsing.

По milestone:
…
M1 (PDF + email). WeasyPrint для шаблонов с полным CSS, Resend с webhook-обработкой для retry, scheduler для автовидаления.

M2 (Topic Generator). FastAPI endpoint с LLM-call, structured output через function calling, опциональный browsing через Playwright.

M3 (Article Readiness). LLM-анализ с structured output по чек-листу, JSON-схема для каждого пункта, PDF-отчет.

M4 (Article Brief). Browsing-агент через Playwright для журнала, RAG через pgvector, генерация брифа с инструкционными файлами как system prompt.

Формат изолированных milestone с отдельной оплатой подходит. Работаем по четкому ТЗ, code review от lead developer воспринимаем спокойно, фидбек применяем быстро.

Готовы взять одну milestone как тестовую. Если сотрудничество и качество кода подходят, продолжаем по остальным.

Портфолио: quentar.space/en/startups

Жду в личных.

Показать оригинал

Перевести

Привет! Я ознакомился с вашим проектом и готов начать работу. Могу гарантировать отличный результат в короткие сроки.

Здравствуйте. Я подробно ознакомился с описанием проекта и майлстоунами. Мне идеально подходит формат изолированных задач, где есть четкое ТЗ и понятный фундамент проекта. У меня крепкий опыт работы с бэкендом на FastAPI и написанием чистого асинхронного кода, который без проблем пройдет code review от вашего лида. С интеграцией OpenAI и Claude API работаю постоянно, в частности для сложного парсинга генерации структурированных JSON ответов и скоринга текстов, что идеально закрывает задачи M2 и M3. Реализация генерации PDF через WeasyPrint с дальнейшей отправкой через Resend также знакома, а логику повторных попыток и очистки файлов я реализую через встроенные фоновые задачи FastAPI без лишней нагрузки на систему. С парсерами и RAG системами для создания отчетов работать умею и понимаю, как правильно подавать контекст модели. Подскажите, пожалуйста, для четвертого майлстоуна с RAG вы уже используете какую-то конкретную векторную базу данных, например pgvector, или мне нужно будет имплементировать это решение самостоятельно в рамках задачи?

Показать оригинал

Перевести