Анализ диалогов и создание промпта для AI менеджера по продажам

Бюджет: 27000 UAH Срок: 7 дней

Бюджет 1000 грн для такой задачи, по ощущениям, не реалистичный. За 30000 грн можем сделать первый технический этап за 7 дней - архитектура, прототип анализа json-диалогов, генерация структуры знаний и черновика developer message для одного бизнеса =)

Если идти в промышленную реализацию, я бы строил не один большой запрос к модели, а пайплайн - очистка диалогов, кластеризация намерений, извлечение фактов, сценариев, стоп-ситуаций для живого менеджера, примеры удачных и неудачных диалогов, потом сборка промпта и проверка на контрольных диалогах. Для этого можно использовать OpenAI Batch API или Responses API, для больших массивов - добавить промежуточное хранилище и оценку качества результата.

Есть нюанс - без этапа проверки качества система может красиво собрать промпт, но пропустить важные правила продажи. Поэтому нужен не просто генератор текста, а механизм извлечения знаний с доказательствами из диалогов и тестами на типичных ситуациях.

> Уточнение 1 - в json уже есть разметка кто писал - клиент, менеджер, бот, или это нужно определять отдельно?
> Уточнение 2 - готовый результат должен быть только developer message, или еще отдельная база знаний, правила эскалации и примеры для тестирования?

Релевантные примеры Ingello
> https://business.ingello.com/vorfahr - AI и автоматизация процессов в продуктовой логике
> https://business.ingello.com/fractal - агентные подходы и сложные автоматизации
> https://business.ingello.com/platforma - платформенная разработка с бизнес-логикой

Главный профиль для Freelancehunt - https://systems-fl.ingello.com/ua

Можно не усложнять старт - сперва берем часть реальных диалогов, делаем прототип извлечения знаний и сравниваем результат с тем, что сейчас создает человек. Дальше уже видно, где нужна доработка и какой бюджет полной интеграции. Развернуть

Бюджет: 2000 UAH Срок: 1 день

Здравствуйте.

Могу проанализировать диалоги и создать промпты. Пишите, обсудим.

Бюджет: 15000 UAH Срок: 7 дней

Добрый день, Александр!

Ваша задача — это пайплайн «сырой корпус диалогов → структурированные инсайты → готовый промпт»: из 3000 диалогов не «почитать глазами», а автоматически извлечь знания и составить developer-message под конкретный бизнес.

Как я это вижу (на готовых инструментах, как вы и хотите):

- препроцесс JSON-диалогов + ИИ-разметка каждого: тип продукта, результат (успех/провал), был ли переход на живого менеджера;
- map-reduce экстракция (3000 диалогов в один контекст не влезут): батчами тянем факты бизнеса → дедуп → консолидированная база знаний (доставка, оплата, реквизиты, график);
- кластеризация по типам продуктов и ситуациям (embeddings) → типовой сценарий разговора для каждого кластера;
- детекция паттернов, где нужен живой менеджер (жалобы, сложные и юридические вопросы);
отбор эталонных удачных диалогов и характерных неудачных как анти-примеры;
- составление всего в структурированный промпт по шаблону, готовый лечь в ваш prompt_id.

Надежность экстракции дают structured outputs (ответы строго по JSON-схеме), а Batch API удешевляет прогон 3000 диалогов вдвое.

Это ровно та архитектура, которую я строю постоянно: мои многоагентные пайплайны поглощают большой «грязный» вход (например, целую кодовую базу), извлекают структурированные находки и собирают финальный структурированный документ. Здесь вход — диалоги, выход — промпт, механика та же.

Предлагаю начать с платного пилота: прогоняю выборку (~200–300 диалогов одного бизнеса) и отдаю готовый черновой промпт + базу знаний, чтобы вы оценили качество на малом, дальше масштабируем на полный объем и другие магазины. Ориентир: 15 000 грн / 7 дней на пилот, полный объем — после него.

P.S. Кстати — генерация промпта и его тестирование это по сути один цикл. Если будет нужно, спокойно закрою и автоматическое тестирование диалогов, чтобы все держала одна человек. Развернуть

Бюджет: 1000 UAH Срок: 30 дней

Реализую ШИ-конвейер анализа JSON-массивов через Batch API от OpenAI или Google Vertex AI для дистилляции диалогов, автоматического выделения edge-кейсов передачи чата человеку и генерации системного промпта.

Планируете ли вы использовать векторную базу данных (RAG) для динамического подключения найденной базы знаний, или вся собранная информация должна непосредственно запекаться в финальный prompt_id, ограничивая контекстное окно?

Бюджет и сроки обсудим в личной переписке.

Бюджет: 1000 UAH Срок: 7 дней

Привет, я работал над системой анализа продажных диалогов для e-commerce платформы с 15000+ сообщениями, где автоматизировал создание AI-промптов и повысил конверсию на 23%.

Интересно, как вы планируете обрабатывать контекст длинных диалогов и нужно ли учитывать эмоциональный тон клиентов при формировании промптов?

Предлагаю связаться, я бесплатно проконсультирую вас с технической стороны и составим план разработки + расскажу о моей команде!

Бюджет: 15000 UAH Срок: 7 дней

Могу взять ваш заказ. Уточните:
1. Какой приблизительный средний размер одного диалога и общий объем данных в JSON?
2. Нужно формировать только готовый prompt_id или также отдельно структурировать базу знаний, сценарии и правила эскалации?
3. Какие модели OpenAI используете сейчас в SaaS-платформе?
4. Результат должен генерироваться один раз при подключении нового клиента или автоматически обновляться на основе новых диалогов?
5. Есть размеченные примеры удачных/неудачных диалогов, или их также нужно определять автоматически?

Бюджет: 27000 UAH Срок: 7 дней

У нас уже есть практически готовое решение для такой задачи - можно быстро адаптировать под ваш SaaS и запустить первый рабочий вариант ))

По бюджету 1000 грн, ну да, тут нюанс - этого хватит скорее на консультацию или короткий разбор подхода, а не на реализацию механизма анализа 3000 диалогов и генерации промпта.

Для первого этапа я бы предложил сделать прототип за 7 дней - анализ json, извлечение базы знаний, сценариев, причин передачи на живого менеджера, примеров удачных и неудачных диалогов, а также сборка готового developer message для OpenAI.

Реализационно вижу это как пайплайн из нескольких шагов - очистка диалогов, кластеризация тем, извлечение правил бизнеса, отдельный анализ продажных паттернов, проверка противоречий, потом генерация промпта и тест на контрольной выборке.

Тут важно не просто попросить модель прочитать все диалоги, потому что она нарисует красивый текст и пойдет пить чай, а построить повторяемый процесс с оценкой качества.

Работали с близкими задачами по ИИ, автоматизации и SaaS.
- https://business.ingello.com/vorfahr - похожий по логике AI-автоматизации и бизнесовых сценариев
- https://business.ingello.com/fractal - про агентные процессы и сложные автоматизированные цепочки
- https://business.ingello.com/tts - пример работы с AI-коммуникацией и голосовыми сценариями

Главная страница по нашему подходу для биржи - https://systems-fl.ingello.com/ua

Понадобится от вас - пример json, желательно 50-100 диалогов для теста, текущий prompt_id или его текст, описание формата финального промпта и критерии, по которым вы считаете ответ ИИ менеджера удачным.

Уточню два момента.
- Нужно ли генерировать только промпт, или еще и автоматически тестировать его на исторических диалогах
- У вас диалоги уже размечены как удачные или неудачные, или это тоже нужно определять автоматизировано

Можем обсудить тут детали и быстро перейти к прототипу - я на связи (: Развернуть

Бюджет: 11111 UAH Срок: 1 день

Добрый день, Александр.
Сильная постановка задачи!

Я работал с OpenAI API, построением AI-ассистентов и системами анализа чатов.
Для реализации я бы смотрел в сторону:
➡️ OpenAI API
➡️ RAG для извлечения знаний
➡️ Gemini 2.5 / GPT-4.1 для семантических анализов

Помогу как с архитектурой, так и с реализацией MVP.
Напишите мне, я предоставлю оценку проекта.

Спасибо, хорошего дня Развернуть

Бюджет: 1200 UAH Срок: 3 дня

Очень интересная задача, особенно сама идея преобразовывать "живые" Instagram/Telegram диалоги в готовый prompt для AI sales manager без участия владельца бизнеса. Здесь ключевое — не просто сгенерировать текст, а правильно извлечь паттерны: база знаний, сценарии продаж, триггеры для эскалации на человека и неудачные кейсы.

Я работал с AI-консультантами для Instagram Direct, автоматизацией коммуникации и prompt engineering под sales/funnel логику. Для такой системы я бы смотрел в сторону OpenAI + структурированного extraction pipeline: сначала классификация диалогов, затем извлечение intent/scenario паттернов, после этого — генерация финального developer prompt через предопределенный фреймворк.

Также важно отдельно обрабатывать "плохие диалоги", потому что именно они часто показывают, где AI не должен импровизировать.

Могу помочь продумать архитектуру этого механизма, выбор AI инструментов и реализацию extraction/generation pipeline под вашу SaaS платформу.

Бюджет: 22000 UAH Срок: 12 дней

Добрый день!

Pipeline на Python: (1) кластеризация 3000 диалогов по теме/намерению через text-embedding-3-large + UMAP/HDBSCAN, (2) извлечение знаний через Claude Opus 4.7 с структурированным выводом по 4 категориям (база знаний / сценарии / эскалационные ситуации / хорошие и плохие примеры), (3) синтез системного промпта через meta-prompting на GPT-5.5 с grounding на извлеченные паттерны, (4) валидация на holdout 10% диалогов - проверяем, воспроизводит ли новый промпт реальные ответы менеджеров.

Готовые инструменты к использованию: OpenAI Evals (нативная валидация промптов) + Microsoft PromptWizard (auto-optimization). Готового SaaS, который делает точно это с 3000 IG-диалогов, на рынке нет - нужен кастом, но архитектура четко определена.

Неделю назад занял 3-е место соло на AI Agent Olympics Hackathon Milan AI Week 2026 (самое крупное AI-событие Европы, 731 команда, 2382 участника). Full-time AI engineer 1+ год. MSc Strategic PM, PRINCE2 - структура и документация в каждом проекте.

Цена: 22 000-30 000 грн в зависимости от количества product verticals, срок 12-16 дней.

Бюджет: 2000 UAH Срок: 1 день

Здравствуйте! Мы — команда разработчиков и специалистов по коммуникациям в социальных медиа с 4-летним практическим опытом. Создание эффективного промпта на основе реальных диалогов требует не просто технического написания инструкции, а глубокого понимания психологии клиента и SMM-практик. Мы проведем полный аудит предоставленных чатов, структурируем типовые запросы пользователей и разработаем гибкий промпт, который позволит ИИ-агенту закрывать клиентов на целевое действие так же эффективно, как это делает топ-менеджер. Особое внимание уделим безопасности данных и исключению сценариев, когда клиент может сбить ИИ с толку. Давайте обсудим объем диалогов для анализа в личных сообщениях!

Бюджет: 10000 UAH Срок: 20 дней

Добрый день, Александр!

Я специализируюсь на разработке и проектировании AI-решений и SaaS-платформ, с акцентом на автоматизацию бизнес-процессов, которые сейчас выполняются вручную. Работаю с LLM (OpenAI / Google / Microsoft) и архитектурами, где искусственный интеллект самостоятельно анализирует данные и формирует рабочие сценарии для продукта.

Для того чтобы сформировать для вас объективное предложение по реализации, хотел бы уточнить несколько моментов:

- Уже ли определена структура того, как сейчас выглядят "успешные" промпты, которые используются в продакшене?
- Есть ли у вас разметка или хотя бы частичная классификация диалогов (успешные / неуспешные / продажа / поддержка)?
- Какая инфраструктура сейчас используется для обработки данных (backend, очереди, storage)?
- Планируется ли этот модуль как отдельный сервис внутри SaaS или как часть существующего бэкенда?

После ваших ответов смогу уже точно оценить сложность реализации, предложить архитектуру решения и ориентировочные сроки/стоимость.

Я бы предложил реализовать это как отдельный AI-пайплайн внутри вашей SaaS-платформы, где диалоги проходят этапы обработки, структурирования и генерации prompt’а без участия человека. По сути, это будет система, которая преобразует сырые чаты клиентов в готовую "логику поведения" AI-менеджера, которую можно сразу использовать в продакшене.

Александр, предлагаю обсудить детали в личных сообщениях, чтобы я мог предложить более точную архитектуру под вашу текущую платформу и показать, как это можно реализовать без ручной работы команды и постоянных правок промптов. Развернуть

Бюджет: 22000 UAH Срок: 7 дней

Привет! Понимаю задачу - нужно построить pipeline, который из сырых диалогов автоматически генерирует структурированный промпт для ИИ-менеджера.

Мой подход:
- Чанкинг и векторизация диалогов (OpenAI Embeddings + кластеризация) для выделения паттернов: FAQ, сценарии, стоп-ситуации
- GPT-4o с structured outputs для извлечения базы знаний, скриптов и примеров в JSON
- Автоматическое формирование финального prompt_id через OpenAI Prompt Management или сохранение как developer message

Реализовывал похожие вещи: RAG-системы, анализ чатов, автоматизацию промптов под бизнес. Могу показать пример пайплайна на ваших тестовых данных.

Готов обсудить детали - напишите, сколько диалогов в среднем и какой формат JSON на выходе сейчас.

Бюджет: 1000 UAH Срок: 3 дня

Здравствуйте! Я внимательно ознакомился с вашим проектом и готов начать работу. Гарантирую качественное и своевременное выполнение.

Бюджет: 1000 UAH Срок: 1 день

Конечно, у меня есть опыт разработки таких решений. Использую GPT‑4/OpenAI API, LangChain/LLamaIndex для обработки 3000 диалогов: извлекаем базу знаний, сценарии, критерии перехода к живому менеджеру, анализ успешных и неуспешных чатов. После подготовки векторного хранилища – генерирую промпт, который включает все ключевые сценарии и инструкции. Результат – готовый prompt_id, который можно импортировать в вашу SaaS‑платформу без привлечения владельца.