Настройка автоматизации OpenClaw с использованием сторонниз АИ агентов согласно тз

Бюджет: 27000 UAH Срок: 20 дней

Приветствую! Задача по развертыванию мультиагентной системы на базе OpenClaw для автоматизации проектного менеджмента и аналитики — это отличный кейс для создания полноценного «AI-офиса».
Я специализируюсь на разработке сложных AI-агентов и автоматизации рабочих процессов (более 30 проектов). Имею практический опыт работы с архитектурой OpenClaw, в частности с настройкой MCP (Model Context Protocol) и кастомных тулзов для интеграции с Jira и Slack.
Ниже моё видение реализации вашей экосистемы из 5 агентов:
🛠 Техническая реализация агентов
Агент 1 & 2. Jira & Team Load Assistant
Вместо двух раздельных скриптов, я предлагаю использовать единый Jira Toolset внутри OpenClaw.
* Логика: Агент использует JQL (Jira Query Language) для сбора тикетов. Для оценки занятости (%) внедрим алгоритм, который сопоставляет Story Points или Original Estimate с рабочим днем (8ч).
* Slack Integration: Формирование адаптивных карточек (Block Kit) для наглядности Summary.
Агент 3. Research Agent (Perplexity)
* Реализация: Интеграция через API Perplexity (модель sonar-reasoning).
* Workflow: Агент получает запрос из Slack, выполняет веб-поиск, фильтрует релевантные ссылки по BigQuery и структурирует ответ по вашему шаблону (Summary -> Links -> Key Ideas).
Агент 4. Meeting Agent (Fireflies)
* Реализация: Использование Webhooks от Fireflies.
* Logic: Как только транскрипт готов, OpenClaw забирает текст, прогоняет через промпт-инструкцию для разделения "Done" и "Action Plan" и пушит в нужный канал Slack.
Агент 5. Multi-Agent Grooming (Оркестратор)
Это «мозг» системы. В OpenClaw мы настроим его как Supervisor Agent.
* Функция: В конце дня он опрашивает логи работы предыдущих 4-х агентов (через внутреннюю БД или логи сессий) и формирует мета-саммари: «Агент 3 нашел 5 практик, Агент 1 выявил 10 новых багов». Это позволит видеть общую картину эффективности всей системы.
📋 План разробки на тестовой среде:
* Инфраструктура: Развертывание OpenClaw в Docker-контейнере, настройка переменных окружения (API keys для Jira, Slack, Perplexity, Fireflies).
* MCP & Tools: Создание кастомных инструментов для чтения Jira и отправки сообщений в Slack.
* Prompt Engineering: Настройка системных промптов для каждого агента, чтобы выдержать требуемый формат саммари.
* Оркестрация: Настройка Агента 5 для агрегации данных.
⏱ Сроки и стоимость:
* Срок выполнения: 14–20 рабочих дней (с учетом тестирования всех флоу).
* Стоимость: $2 500 – $4 500 (зависит от глубины интеграции и необходимости кас Развернуть

Бюджет: 16000 UAH Срок: 5 дней

Добрый день
Меня зовут Дмитрий, компания King Kong Lab. У нас есть опыт построения подобных систем с AI-агентами, интеграциями (Jira, Slack, API) и автоматизациями, поэтому мы можем качественно реализовать ваш кейс.
Мы можем настроить OpenClaw или предложить более стабильную архитектуру (через n8n / кастомные AI-агенты), если это даст лучший результат.
Реализуем все юзкейсы:
агент для Jira (сбор задач, статусов, формирование саммари в Slack)
агент по загрузке команды (анализ задач и % занятости)
Research agent (через Perplexity / LLM) с ответами в Slack
Meeting agent (Fireflies) с четким саммари + планом действий
multi-agent orchestration (общее саммари, проблемы, рекомендации)
Сделаем не просто “связку сервисов”, а стабильную систему с логикой, обработкой ошибок и масштабированием.
У нас есть практический опыт работы с LLM, AI-агентами, Slack, Jira и подобными автоматизациями.
Готовы обсудить детали, стек и сразу подключиться к тестовому окружению. Развернуть

Бюджет: 16000 UAH Срок: 7 дней

Добрый день. Оглянув ТЗ, реализую multi-agent систему (Jira, Slack, Perplexity, Fireflies): автоматизация, саммаризация, RAG, синхронизация. FastAPI + API интеграции.

Бюджет: 999 UAH Срок: 1 день

Здравствуйте!

Мы компания Devoxen, у нас большой опыт в подобных проектах, в том числе в настройке AI-автоматизаций, multi-agent сценариев и интеграций со Slack, Jira, meeting-сервисами и внешними research-инструментами. По вашему описанию задача вполне реализуема на тестовой среде: можно выстроить отдельные агентные пайплайны под Jira-summary, загрузку команды, research-запросы из Slack, саммари встреч и orchestration-слой, который будет синхронизировать агентов между собой, собирать daily-отчеты, проблемные зоны и рекомендации. Также сможем помочь оценить, где OpenClaw действительно оптимален, а где лучше усилить решение дополнительными AI-агентами и интеграционной логикой.

Предлагаю перейти в личные сообщения для более детального обсуждения ТЗ, архитектуры решения, сроков выполнения и стоимости.

Бюджет: 11111 UAH Срок: 30 дней

Здравствуйте, Андрей!

Задача понятна — это не “написать одного бота”, а собрать систему AI-агентов, которые взаимодействуют между собой и дают управляемый результат в Slack.

Судя по описанию, у вас уже есть понимание ролей (Research / Meeting / Summary / загрузка по людям), но сейчас это нужно собрать в единую логику, чтобы это не было набором разрозненных инструментов.

Я бы реализовывала это как связку:

— Slack как основной интерфейс
— оркестратор агентов (через OpenAI / Perplexity / Fireflies API)
— централизованная логика (Node.js / Python)
— хранение истории и состояний (чтобы агенты “помнили” контекст)

Как вижу по агентам:

Research Agent

Запрос из Slack → Perplexity / LLM →
на выходе: summary + ссылки + ключевые идеи
(с нормальной структурой, а не “простыня текста”)

Meeting Agent (Fireflies)
Забираем данные со встреч →
разделяем на:
— что сделано
— action plan
— риски / блокеры

Tracking (Roman / Egor)
Формируем понятный summary:
— чем занят
— % загрузки
— текущие задачи

Multi-agent orchestration (ключевой блок)
Агрегируем всё в один daily summary:
— кто что сделал
— где проблемы
— рекомендации

Здесь основной риск — не в API, а в **логике агрегации и качестве саммари**.
Если не продумать это сразу — будет просто “шум из данных”.

Работала с:
— интеграциями AI (LLM + API)
— автоматизацией через Slack
— multi-agent логикой (агрегация, пайплайны)

Срок: 4 недели
Стоимость: 1000 USD

Если используете OpenClaw — можем либо встроиться в него, либо предложить альтернативную архитектуру (иногда это даёт более стабильный результат).

Можем обсудить детали и собрать систему, которая реально будет помогать, а не просто генерировать тексты 👍 Развернуть

Бюджет: 7000 UAH Срок: 18 дней

Добрый день Андрей, Смогу реализовать для вас логику Openclaw на Python-скрипт в котором опишем:
1. API Token.
2. Slack App.
3. Добавим нужный воркпейс.
Полностью ознакомлен с вашей задачей, готов приступить к работе с вами от себя добавлю настройку, которая вам будет необходима следующем этапе.

Бюджет: 1000 UAH Срок: 3 дня

Доброго дня!

Имею практический опыт настройки комплексных автоматизаций OpenClaw с интеграцией сторонних AI-агентов. Готов реализовать описанные юзкейсы для Jira, Slack, Perplexity, Fireflies и Google BigQuery API.

Напишите мне в лс, уточним детали.

Бюджет: 27000 UAH Срок: 30 дней

Классная идея, можно ее воплотить и могу я вам ее сделать, максимально автоматизировать даже с дополнительными своими идеями, но сразу хочу на берегу понимать о каком бюджете идет речь, будет ли он интересен. Спасибо.

Бюджет: 2000 UAH Срок: 3 дня

Приветствую! Я ознакомился с проектом и готов приступить к работе. Уверен, вы будете довольны результатом.

Бюджет: 15000 UAH Срок: 10 дней

Привет, Андрей!

Готова взяться за настройку OpenClaw с описанными юзкейсами. Имею опыт с мультиагентными системами, интеграциями Jira API, Slack, Fireflies, Perplexity API и оркестрацией AI-агентов.

Что сделаю:

Агент 1 (Jira) — подключение к Jira REST API, сбор задач, парсинг статусов, формирование саммари и отправка в Slack
Агент 2 (Team summary) — агрегация по участникам команды с отображением scope/прогресса/занятости
Агент 3 (Research) — интеграция с Perplexity API для поиска best practices, возвращает саммари + ссылки
Агент 4 (Meeting) — Fireflies API → парсинг протоколов встреч → action items + done в Slack
Агент 5 (Multi-agent) — оркестратор, который синхронизирует всех агентов и формирует сводный отчет
Работала с подобными пайплайнами на Python + LLM (OpenAI API, RAG). Также есть опыт с n8n/Make для автоматизаций, если будет нужен гибридный подход.

Общаюсь текстом, на связи каждый день. Развернуть