Бюджет: 200 EUR Срок: 5 дней
Здравствуйте.
Разрабатываю ботов для телеграма на NodeJS. Готов взяться. Пишите, обсудим.
Мне нужен Telegram-бот, который работает как живой менеджер.
Не просто отвечает на сообщения, а ведёт клиента по шагам, следит за сроками и дожимает задачи до результата.
добавляется в чат с клиентом;
объясняет, что и в каком порядке нужно сделать;
запрашивает документы и данные;
проверяет, что уже прислали, а чего не хватает;
напоминает клиенту, если он не отвечает;
говорит, что будет дальше;
ведёт чек-лист задач (выполнено / не выполнено).
Если задача не выполнена —
бот начинает регулярно писать в отдельный рабочий чат команды, пока задача не будет закрыта.
То есть:
клиенту — вежливо и понятно;
команде — жёстко и по факту: что зависло, кто ответственный, сколько дней просрочка.
Бот должен имитировать работу человека, а не быть тупым автоответчиком.
ИИ нужен не для “поболтать”, а чтобы:
понимать, что написал клиент;
понимать, что это: документ, вопрос или подтверждение;
формулировать нормальные человеческие ответы;
подсказывать следующий шаг.
⚠️ Вся логика (чек-листы, дедлайны, этапы) должна быть в данных, а не зашита в код.
Telegram-бот
2 чата:
чат с клиентом
рабочий чат команды (эскалации)
чек-лист задач
напоминания
эскалации до выполнения
возможность менять процесс без переписывания кода
❗ Мне не нужен “верстальщик ботов”.
Нужен человек, который понимает логику процессов.
опыт разработки Telegram-ботов;
понимание backend-логики (состояния, статусы, тайминги);
работа с API (Telegram, AI);
понимание, как делать чек-листы и дедлайны;
умение писать чистую, расширяемую архитектуру.
опыт с AI (OpenAI или аналоги);
опыт с PostgreSQL / JSON-структурами;
понимание очередей / таймеров (напоминания);
умение думать как продуктовый разработчик, а не “по ТЗ и всё”.
Если вы понимаете как создать проект ,прошу откликнуться .
Бюджет: 200 EUR Срок: 5 дней
Здравствуйте.
Разрабатываю ботов для телеграма на NodeJS. Готов взяться. Пишите, обсудим.
Бюджет: 700 EUR Срок: 14 дней
Здравствуйте.
Я понимаю задачу - это не просто бот, а “процессный контроллер” с чек-листами, дедлайнами, напоминаниями и эскалациями, где логика процесса хранится в данных, а не в коде.
Предлагаю стартовать с MVP за 7-14 дней:
- 2 чата (клиентский + рабочий)
- один тип процесса (pipeline) с шагами/дедлайнами в БД (JSON/таблицы)
- чек-лист выполнения (выполнено/не выполнено)
- напоминания клиенту по таймерам
- эскалации в рабочий чат с “кто ответственный + сколько дней просрочки”
- AI как классификатор сообщений (документ/вопрос/подтверждение) + генерация ответа в рамках сценария
После MVP - масштабирование на несколько процессов, роли, удобная админка редактирования процессов, аналитика.
Уточните, пожалуйста:
1) Сколько процессов/шагов нужно в первой версии
2) Как определяем “документ получен” (файл/ссылка/текст)
3) График напоминаний (рабочие часы/часовой пояс)
4) Эскалация в один чат или по ответственным/отделам
5) Какой бюджет на MVP
Бюджет: 1000 EUR Срок: 15 дней
Здравствуйте,
Я очень заинтересован в разработке вашего Telegram-бота, который будет функционировать как живой менеджер. У меня есть обширный опыт создания Telegram-ботов с продвинутой логикой бэкенда, управлением состоянием, отслеживанием задач и интеграцией ИИ. Я могу создать систему, которая будет пошагово направлять клиентов, отслеживать подачу документов, управлять сроками, отправлять вежливые напоминания клиентам и автоматически передавать просроченные задачи в ваш командный чат.
Бот будет поддерживать всю логику, контрольные списки и сроки в структуре, основанной на данных (PostgreSQL/JSON), что позволит обновлять процессы без переписывания кода. Я могу интегрировать ИИ для понимания сообщений, классификации входящих данных (документы, вопросы, подтверждения), генерации ответов, похожих на человеческие, и предложения следующих шагов. Таймеры, напоминания и потоки эскалации будут реализованы надежно, чтобы гарантировать выполнение задач.
Я сосредоточен на чистой, масштабируемой архитектуре и создании решений, которые имитируют реальный человеческий рабочий процесс, а не просто автоматизированные ответы, что гарантирует, что ваш Telegram-бот ведет себя как настоящий живой менеджер.
С наилучшими пожеланиями,
Джео Винсент Карретас
Бюджет: 300 EUR Срок: 10 дней
Добрый день, Артем!
Имею опыт в разработке Телеграм-ботов и интеграции ИИ-моделей. Если объем сообщений в день не сильно большой (не превышает ~1,4к сообщений в сутки), можно обойтись бесплатными решениями, иначе - подключим API на Ваш выбор. В целом по проекту достаточно много вопросов, которые мы можем обсудить в ЛС (как Вы представляете изменения в логику бота, есть ли у Вас заготовленные промты и т.д.)
С примерами моих работ и отзывами Вы можете ознакомиться в моем профиле.
Буду рад сотрудничеству!
Бюджет: 200 EUR Срок: 5 дней
Здравствуйте!
Меня зовут Руслан, я представляю digital-агенцию Vdalo.
Мы занимаемся разработкой Telegram-ботов и backend-решений, где ключевое — логика процессов, контроль состояний и доведение задач до результата, а не просто автоответы.
По описанию задачи сразу видно, что вам нужен процессный бот, который:
ведёт клиента по этапам;
контролирует чек-листы и дедлайны;
различает типы сообщений (документ / вопрос / подтверждение);
эскалирует зависшие задачи в рабочий чат команды;
имитирует работу живого менеджера.
👉 Такой тип ботов — наша профильная зона.
Как мы видим реализацию
Архитектура на состояниях и данных, а не “зашитая в код” логика
Все этапы, чек-листы, дедлайны, роли — в базе (редактируются без переписывания кода)
Отдельные сценарии:
клиентский чат — мягко, понятно, по шагам
рабочий чат — жёсткие уведомления: что зависло, кто ответственный, срок просрочки
Тайминги, напоминания и эскалации через очереди / планировщики
AI используется утилитарно, а не “для болтовни”:
классификация сообщений
понимание контекста
формирование человеческих ответов
определение следующего шага процесса
Технологически
Telegram Bot API
Backend с состояниями / статусами / таймингами
PostgreSQL / JSON-структуры для процессов
Очереди / cron / job workers для напоминаний
OpenAI или аналог — строго как вспомогательный слой логики
Наш подход
Мы думаем как продуктовые разработчики:
сначала проектируем процесс;
затем архитектуру;
только потом код.
Готовы:
предложить архитектурную схему;
описать модель данных;
оценить сроки и этапы;
заложить масштабирование под будущие процессы.
Если задача вам откликается так же, как нам —
готовы перейти к обсуждению деталей и следующему шагу.
С уважением,
Руслан
Digital agency Vdalo
Бюджет: 200 EUR Срок: 7 дней
Здравствуйте! Я Backend Python разработчик, имею опыт создания сложных ботов с AI (Gemini AI) и управления очередями (RabbitMQ + TaskIQ) задач. Реализую проект на архитектуре Domain-Driven Design (DDD).
Бюджет: 400 EUR Срок: 5 дней
Приветствую, сделаю без проблем , создавал весьма хорошие и интересные решения как
https://217-154-170-186.nip.io/
Могу создать на ноде , могу в н8н , там как вам удобнее. Но по цене попрошу лишние 200 евро. Зато все бцдет хорошо, без переносов и красиво
Человек уже несколько раз вылеживал это объявление, помимо того что цена копеечная так ещё просил дать ответы на миллион вопросов но на связь так и не вышел. Теперь заново постит, не советую даже тратить время.
Вероятней всего, очередной мелкий мошенник. Ждёт когда все ему разжуют, а возможно и сделают до заключения сейфа. А реальный заказчик, вероятней всего другой.
Здравствуйте !
Я новичок ,на сайте и выложив предложение допустил ошибку сервиса , за что был заблокирован .
В результате служба поддержки сообщила мне ,что я должен разместить новый проект ,что я и сделал.
В результат вижу ,что некоторые не поняли моих действий. Таисия и другие исполнители, мне очень жаль ,что вы делаете выводы не разобравшись !
И да! Я ставлю сумму ,которую готов оплатить за услуги и если Михаил вы слишком "великий" ,чтобы выполнять такие "смешные" проекты-проходите мимо ! И ждите свой звездный час .Есть другие специалисты ,которые готовы выполнить проект и получить по мимо оплаты ,еще бонус .
Всем желаю удачи !
Коротко Нужна программа на Python, которая запускается у меня на ПК (Windows) и делает faceless-видео формата «закадровый голос + сменяющийся видеоряд из фото и клипов» — как исторические документалки на YouTube (пример прикреплю отдельно). Я ввожу тему → программа пишет сценарий, озвучивает, подбирает под каждый кусок текста видео/фото из бесплатных архивов, склеивает → выдаёт готовый MP4. Только для меня. Без сайта, без пользователей, без продажи. Один пользователь — я. Как работает (по шагам) 1. Ввод. Открывается простое окно. Я ввожу тему ролика и выбираю голос озвучки из списка (**список голосов подтягивается автоматически из ElevenLabs по API** — доступные на моём аккаунте). Жму «Создать». (Второй режим: вставить готовый сценарий вместо генерации.) 2. Сценарий. Программа через LLM API (OpenAI/Anthropic, ключ в настройках) пишет сценарий по теме, заданной длины. 3. Разбивка на сцены. LLM делит сценарий на сцены и для каждой возвращает: текст сцены; тип визуала: видео или фото; поисковый запрос (развёрнутая фраза, что должно быть в кадре); пометку «highlight» + оценку важности 1-10 (для интро, см. ниже). 4. Озвучка. Текст отправляется в ElevenLabs API выбранным голосом → аудио. Под длину аудио каждой сцены режется видеоряд. 5. Подбор видео/фото — из бесплатных источников по API (см. список ниже). Под каждый источник запрос формируется по-своему (для точности). Если в одном не нашлось — пробует следующий. 6. Проверка (максимум 3 шага на сцену). Шаг 1: программа берёт первый найденный вариант (видео/фото) по запросу. Шаг 2: отправляет кадр в LLM — «подходит под сцену?». Подходит → стоп. Шаг 3 (если не подходит): программа переключается на поиск фото (по точному запросу фото найти проще, чем видео, — так гарантированно попадаем по смыслу) и берёт его с усиленным движением (зум + панорама). Больше 3 шагов на одну сцену не делать — это экономит бюджет LLM и гарантирует, что кадр в тему. 7. Сборка через ffmpeg/moviepy: клипы и фото под тайминг озвучки, фото оживляются зумом (эффект Кена Бёрнса), голос поверх, простые переходы. Выход: MP4 1920×1080. Правила видеоряда (важно — за это отвечает программа) Первые 60 секунд — интро-тизер: нарезка самых эффектных клипов из всего ролика (берутся сцены с высшей оценкой важности, где есть видео) под отдельный текст-вступление от LLM («в этом видео вы узнаете…»), кадры без пояснений, как интрига. Потом переход и основная часть. Чередование: видео-вставка минимум каждые ~6 секунд, нельзя много фото подряд. Доля видео: не меньше ~40% времени — живые клипы, остальное — фото с зумом. Длина кадра: 4-6 секунд (и фото, и видео). Не мельтешить, не держать статику долго. Для чисто исторических тем, где видео нет — фото с усиленным движением (зум + панорама). Источники (все бесплатные, с API) Современное видео+фото: Pexels, Pixabay. Историческое / архивное (public domain): Wikimedia Commons, Archive.org,Library of Congress, Europeana, NASA, Smithsonian Open Access,Flickr Commons, openverse. Каждый источник — отдельный модуль, легко добавить новый. Использовать только public domain / свободные лицензии с правом коммерческого использования. Никакого парсинга чужих YouTube/сайтов, кусков фильмов, картинок «из гугла».Уникальность подбора Чтобы видео не совпадали с чужими: брать случайный клип из топ-выдачи (не первый), вести базу уже использованных (не повторять), опционально — лёгкая обработка клипа (кроп/зеркало/ скорость). Опции (вкл/выкл в настройках) Только фото — если включено, видео собирается ЧИСТО из фото, без видео-клипов. Каждое фото ОБЯЗАТЕЛЬНО с движением (зум и/или панорама, эффект Кена Бёрнса) — даже в этом режиме не должно быть статичных «мёртвых» кадров, минимальная динамика всегда. Если выключено — стандартный режим (фото + видео-клипы с чередованием, как в правилах видеоряда). Без озвучки — если включено, видео собирается по тексту БЕЗ генерации голоса: код НЕ обращается к ElevenLabs и не накладывает озвучку (видеоряд подбирается по тексту сцен, тайминг кадров — по правилам/параметрам, без привязки к аудио). Если выключено — автоматически делает озвучку по тексту через ElevenLabs, как обычно. Атмосферный оверлей — если включено, поверх всего видеоряда накладывается полупрозрачный слой с плавающими частицами / пылью / светящимися боке / лёгким туманом (particle / dust / bokeh / fog overlay, режим наложения screen/add), чтобы кадры выглядели живыми и кинематографичными. При установке программы кладётся набор из 5-8 популярных оверлеев (частицы, пыль,copyбоке, туман, лёгкое киношное «зерно») в локальную папку — я выбираю нужный из списка. Регулируемая прозрачность/яркость оверлея (ползунок 0-100%), чтобы эффект не был ниcopyслишком тусклым, ни слишком выраженным — я сам настраиваю силу. Желательно, чтобы оверлей можно было накладывать и на УЖЕ готовое видео отдельноcopy(постобработка: взять готовый MP4 → выбрать оверлей → задать прозрачность → сохранить), а не только при сборке. Откуда взять оверлеи для комплектации (свободная лицензия): Pexels, Pixabay (запросыcopy«particle overlay», «bokeh overlay», «dust overlay», «light leaks», «film grain»), Mixkit, Videezy. Исполнитель подбирает 5-8 штук и кладёт в папку программы. Субтитры (вшить или отдельным .srt). Обработка клипов для уникальности. Разрешение/формат, длина видео, доля видео, глубина поиска.Технические требования Python. Модульная структура (источники и LLM — через сменные модули, чтобы легко заменить или добавить). Все API-ключи — в файле настроек, не в коде. Простое окно (GUI на выбор исполнителя — Tkinter/PyQt), запуск двойным кликом. README с инструкцией, понятные логи, комментарии в коде.Что даю я API-ключи (ElevenLabs, LLM, где нужна регистрация — оформлю). Платное оплачиваю сам. Примеры видео-референсов (прикреплю) и примеры тем для тестов.Приёмка (готово, если) Запускаю → окно → ввожу тему, выбираю голос → «Создать» → получаю готовый MP4. Видеоряд по смыслу текста, чередование видео/фото, интро-тизер 60 сек, озвучка поверх. Работает минимум с 6 бесплатными источниками, с fallback между ними. Проверка кадров через LLM: макс. 3 шага на сцену (нашли → LLM проверил → если нет, фото с движением как верняк). Уникальность: рандомизация + база использованного. Только легальные источники. Есть README, запускается с нуля.Передача результата Весь исходный код — в открытом виде (все файлы), без обфускации + собранная рабочая версия. Я могу сам запустить из исходников по инструкции (README: установка, ключи, запуск). Код должен быть чистым, прокомментированным и понятным, чтобы **любой другой программист мог продолжить работу** над ним, если понадобится (не привязка к автору). **Вся повседневная работа — через интерфейс (кнопки, поля, ползунки, выпадающие списки), БЕЗ необходимости трогать код.** Все настройки (тема, голос, опции, оверлей, папки, длина, форматы) меняются в окне программы, а не редактированием файлов. Код на руках — только как моя собственность и страховка, а не как способ управления программой. Все права на код после оплаты — мои.Управление местом на диске (важно) Программа не должна забивать диск. Реализовать: После сборки видео все промежуточные файлы (скачанные клипы, временные куски, аудио-нарезки) автоматически удаляются — на диске остаётся только готовый MP4. Лимит на кэш (параметр в настройках, напр. 5 ГБ): при превышении старые скачанные файлы удаляются автоматически (сначала самые старые). Папку для готовых видео и для временных файлов я задаю в настройках. Показывать, сколько места занято, и кнопка «очистить кэш» вручную.Прошу указать в отклике Примеры похожих работ (ffmpeg/moviepy, работа со стоковыми/архивными API, ElevenLabs/LLM). Предложение по GUI. Использует ли решение базу данных (какую и зачем) — или хватает локальных файлов. Срок и стоимость.
Разрабатываем real-time интеграцию с внешним сервисом Тренер. Отправляем структурированные снимки состояния, получаем рекомендации и показываем их всплывающим пузырём. Задача — стабильная и полная передача данных для корректной работы Тренера. Ищем разработчика для цепочки: обработка данных → HTTP-коммуникация → overlay. Нужны люди с такими навыками Python хорошо, Java база, API HTTP/JSON-APIs Проект готовый на 90% но есть некоторые несотыковки
Необходимо разработать локальный Python-скрипт для автоматического заполнения Google Таблицы данными из внутреннего сервиса компании. Основная логика: 1. Подключиться к Google Таблице. 2. Найти строки, где заполнен ID, но отсутствуют два целевых значения. 3. Сформировать ссылку по шаблону: https://internal-service.example/item/{ID} 4. Получить два значения (через API, если он существует, иначе через Playwright). 5. Записать значения обратно в Google Таблицу. 6. Отметить строку как обработанную. 7. Продолжить обработку следующих строк. Требования: • Python • Google Sheets API • Приоритет использования официального API • При отсутствии API — Playwright • Без OCR, распознавания экрана и координат мыши • Конфиденциальные данные не должны попадать в логи • Конфигурация через .env • Тестовый режим (без записи в таблицу) • Не обрабатывать уже заполненные строки • Пакетная запись изменений в Google Sheets • Корректная обработка ошибок и повторных попыток Необходимо предоставить: - исходный код; - requirements.txt; - пример .env.example; - инструкцию по установке; - инструкцию по запуску; - краткое описание архитектуры. Перед началом реализации прошу: 1. Предложить архитектуру. 2. Перечислить необходимые доступы. 3. Задать уточняющие вопросы. 4. Указать стоимость, сроки и ориентировочное количество часов.
В рамках повышения уровня кибербезопасности нашей инфраструктуры нам необходимо отказаться от практики хранения «вечных» и статичных API-ключей, паролей и токенов интеграций в конфигурационных файлах (.env, appsettings.json, config.yaml) наших микросервисов. Бизнес-цель: Создать единую защищенную точку хранения конфиденциальных данных (секретов) с механизмом их автоматического обновления (ротации) во внешних системах по расписанию. Другие наши сервисы будут запрашивать актуальные токены «на лету» через API, что сведет к минимуму ущерб в случае компрометации любого из компонентов системы.Модель безопасности и шифрование (Crypto Core) В базе данных ни один секрет не должен храниться в открытом виде. При старте приложения в переменные окружения передается Мастер-ключ (Master Key). Если ключ отсутствует или имеет невалидную длину, сервис должен падать на этапе инициализации с понятной ошибкой в логах. Каждый секрет шифруется перед записью в БД с использованием этого Мастер-ключа. При запросе — расшифровывается в памяти и отдается в теле ответа.Аудит-логирование (Audit Trail) Любое действие с секретами (создание, чтение сервисом, успешная или неуспешная ротация) должно записываться в отдельный лог-файл audit.log (или отдельную таблицу в БД). Строгое табу: В аудит-лог категорически запрещено записывать сами значения секретов (ни в открытом, ни в зашифрованном виде).
Нужен специалист для написания парсеров, который сможет обходить CLOUDFRAME. Парсинг товаров происходит с сайтов с авторизацией. Есть 10+ доноров различной сложности, с разной степенью защиты. Парсинг товаров происходит с сайтов с авторизацией. Парсит данные в готовую базу данных Mysql + фотографии на сервер. Необходимо написать парсер в соответствии с задачами, описанными в техническом задании, и адаптировать данные к существующей базе данных для полноценной работы на сайте. ТЗ и пример донора по запросу. Десктопные парсеры и C# не рассматриваем.