Скрипт для семантического анализа тестовых файлов

Ищем опытного Shopify-разработчика для создания полноценного интернет-магазина с нуля с обязательной интеграцией с Amazon. Что нужно сделать: Интеграция с Amazon как основа проекта: синхронизация товаров, остатков и заказов между Shopify и учетной записью продавца на Amazon. Настройка магазина строится с учетом этой интеграции с самого начала. Настройка магазина: кастомизация темы, структура каталога, карточки товаров, корзина, оформление заказа — все согласуется с логикой интеграции с Amazon. Техническая оптимизация для AI-видимости (GEO): структурированные данные, файл llms.txt, оптимизация контента под ответы AI-ассистентов (ChatGPT, Perplexity, AI Overviews и т.д.), правильная семантическая разметка страниц. Базовое SEO-настройка: метатеги, sitemap, скорость загрузки, мобильная адаптивность. Подключение платежных систем. Установка необходимых приложений (отзывы, email-маркетинг, аналитика и т.д.). Тестирование магазина перед запуском.

Необходимо помочь переосмыслить и построить чистую реляционную схему для внутренней операционной системы на Airtable. Текущая база уже используется командой, но она выросла органически: структура частично плоская, часть таблиц/вьюшек используется активно, часть почти не используется, а документы сейчас скорее "подтягивают" информацию в Airtable, хотя в идеале Airtable должен стать источником правды и генерировать необходимые операционные артефакты. Нужна не просто помощь с формами или автоматизациями, а именно структурная работа: анализ текущей логики, проектирование реляционной схемы, создание чистой новой базы/инстанса, документация и рекомендации по миграции на новую схему. И потенциально возможно даже внедрение Контекст системы: Есть два основных направления: Система обратной связи Система для сбора и обработки сигналов от внешних советников, фокус-групп, внутренних команд и заинтересованных сторон. Должна поддерживать: реестр сигналов; отслеживание советников; прием обратной связи; панель синтеза; статус / ворота / рекомендации; логику закрытия цикла. Каталог продуктов В каталоге продуктов сейчас около 400 записей, примерно 100 из них активные/live. Нужно лучше структурировать продукты, статусы, связи, источники данных, логику жизненного цикла/ворот и отчетность. Текущая ситуация: Airtable уже существует и используется командой. Текущая точность данных примерно 80%. Схема преимущественно плоская, не реляционная. Активно используются только первые несколько таблиц/вкладок: Часть валидационных ворот, задач/решений и панелей управления пока почти не используется. Нет PII. Любая работа с живой базой должна быть максимально осторожной: без изменений в production без согласования. Идеальный подход — анализ структуры и построение новой чистой базы отдельно в Sandbox. Что нужно сделать: Этап 1 — Аудит и рекомендации по архитектуре Посмотреть на текущую структуру Airtable. Определить, какие таблицы/поля/вьюшки реально нужны, какие дублируются, какие можно объединить или убрать. Предложить реляционную модель данных. Описать основные сущности, отношения, первичные ключи, связанные записи, логику поиска/агрегирования. Предложить чистую схему для Проекта + Каталога продуктов. Определить, какие панели/интерфейсы нужны для разных пользователей. Подготовить краткую архитектурную записку или схему. Этап 2 — Построить чистую базу Airtable Создать новую чистую базу Airtable / инстанс. Настроить таблицы, поля, связанные записи, вьюшки, базовые интерфейсы. Настроить базовую логику панели управления/отчетности. Подготовить карту миграции: как переносить данные со старой структуры в новую. Задокументировать структуру так, чтобы команда могла поддерживать ее после передачи. При необходимости — предложить стратегию автоматизации, но без излишней сложности. Ожидаемые результаты: Схема Airtable. Новая чистая база Airtable. Таблицы + отношения + ключевые поля. Вьюшки/интерфейсы для основных пользователей. Рекомендации по миграции. Краткая документация для команды. Рекомендации по управлению: кто вносит данные, кто утверждает изменения, какие поля являются обязательными, как избегать дублирования. Опционально: 1 короткий звонок для передачи / Loom walkthrough. Важные правила безопасности / доступа: Без PII. Без опасных токенов или персональных интеграций. Нельзя подключать AI/MCP/ChatGPT/Claude к живому Airtable. Если нужен доступ к существующей базе, он должен быть только для чтения или через экспорт/скриншоты/структурное описание. Любые записи/изменения делаются только в новой тестовой/чистой базе, не в живом production. Кого ищу: Идеальный кандидат имеет опыт: Архитектуры баз Airtable; Проектирования реляционных схем; Интерфейсов Airtable, вьюшек, форм, автоматизаций; Миграции/очистки неаккуратных баз Airtable; Операций с продуктами / CRM / системами рабочих процессов; Документации и передачи. В отклике, пожалуйста, укажите: Примеры баз Airtable или систем, которые вы строили. Был ли у вас опыт преобразования плоской структуры Airtable в реляционную схему. Как бы вы подошли к аудиту → проектированию схемы → построению. Ориентировочную оценку часов для Этапа 1. Ваш почасовой тариф или фиксированное предложение для первого этапа. Готовы ли вы работать под NDA. Формат работы: Начать желательно в ближайшее время. Сначала можно сделать небольшой оплачиваемый аудит, после чего перейти к полному построению.

Нужно переподвизать договор оферты в футтере на новый , в компании поменялся регламент Задача на 20 минут

Техническое задание: инструмент сверки счетов с банком, картами и бухгалтеромОбщая цель Нужен локальный инструмент (скрипт/небольшое приложение на Python), который запускается вручную раз в 1-2 месяца на моём компьютере и делает сверку между: Счетами, которые я выставил клиентам и получил от поставщиков (PDF-файлы и фото квитанций, лежащие в почте Gmail) Банковской выпиской (Excel) Расходами по кредитным картам (Excel, может быть несколько файлов — несколько карт) Excel-файлом от бухгалтера, в который он вносит счета для отчётности в налоговую и НДСЧто должен делать инструмент1. Сбор счетов из почты (Gmail) Подключение через Gmail API (OAuth) Поиск писем за заданный период (например, последние 2 месяца) с вложениями Скачивание вложений: PDF-файлы и изображения (фото квитанций/чеков) Распознавание данных из каждого счёта: дата, сумма, название поставщика/клиента, номер счёта (если есть) Для PDF — извлечение текста напрямую Для изображений — распознавание текста (OCR), включая текст на иврите2. Чтение Excel-файлов Банковская выписка (доходы и расходы) Один или несколько файлов расходов по кредитным картам Excel от бухгалтера со списком внесённых счетов (в нём есть только сумма + дата + название контрагента, единого номера счёта для сопоставления нет)3. Логика сопоставления Сопоставление записей между источниками по комбинации: сумма + дата (с допустимым отклонением) + название контрагента (нечёткое сравнение текста, т.к. названия могут немного отличаться).4. Проверки, которые нужно выполнить A. Выставлены ли счета на все доходыДля каждого поступления денег в банке — проверить, есть ли соответствующий счёт, который я выставил. Если нет — пометить как "доход без выставленного счёта". B. Сохранены ли счета на все признанные расходыДля каждого расхода в банке/на картах, который относится к категории признанных расходов — проверить, есть ли сохранённый счёт. Если нет — пометить как "расход без сохранённого счёта". C. Сверка со списком бухгалтераСравнить список счетов, которые я собрал (из почты), со списком, который бухгалтер внёс и отправил в налоговую/НДС. Пометить: Счета, которые я собрал, но которых нет в файле бухгалтера (возможно, не были переданы или не внесены) Записи в файле бухгалтера, для которых не нашёлся соответствующий счёт в моей коллекции D. Проверка зарплатного листкаПроверить, что сумма, указанная в зарплатном листке, соответствует сумме, которая по факту списана/поступила в банке.5. Итоговый отчёт Результат — один Excel-файл с несколькими листами: Доходы без выставленного счёта Расходы без сохранённого счёта Счета, отсутствующие у бухгалтера Записи бухгалтера без соответствующего счёта Сверка зарплатного листка с банком Несовпадения/проблемные строки должны быть визуально выделены (цветом).Технические детали Язык: Python Excel: pandas + openpyxl PDF: извлечение текста (pdfplumber/PyMuPDF) OCR изображений: с поддержкой иврита (желательно использовать Claude API с поддержкой изображений вместо классического Tesseract, для лучшей точности с ивритом) Gmail API: google-api-python-client, OAuth (понадобится создать проект в Google Cloud Console — это будет сделано заказчиком/исполнителем совместно) Результат сохраняется как Excel-файл локально на компьютере Интерфейс: достаточно командной строки (CLI), без необходимости в веб-интерфейсеФормат сдачи Исходный код проекта Краткая инструкция по запуску (включая, как подключить свой Gmail и где положить входные Excel-файлы) Инструкция по созданию credentials в Google Cloud Console, если это не было сделано заранееДополнительно Готов предоставить примеры структуры Excel-файлов (банк, карты, файл бухгалтера) и примеры счетов (PDF и фото) для тестирования.