Сделать n8n-автоматизацию по мониторингу и написанию новостей

Ищу разработчика, который создаст Telegram-бота для нашего магазина одежды. Суть: менеджер отправляет боту обычное фото товара (на вешалке, на столе) — бот через AI генерирует готовую галерею профессиональных кадров для карточки товара на сайте/маркетплейсе. Что должен уметь бот Принимать 1–4 фото товара в Telegram-чате. Автоматически распознавать товар (категория, крой, мужское/женское) — без ручного описания. Генерировать галерею из ~6 кадров: товар на модели: студия спереди, сзади, динамическая поза; предметные кадры: флет, деталь крупным планом, ghost-манекен; лайфстайл-кадр. Консистентная модель — один и тот же человек во всех кадрах галереи и между галереями (лицо бренда). Несколько стилей съемки на выбор (например: streetwear, casual, sport, old money). Выходной формат: JPG 4:5, файлы с нумерацией (-01, -02…) — готовые к загрузке. Возможность перегенерировать отдельный кадр или изменить стиль без повторной генерации всей галереи. Доступ только для нашей команды (allowlist), дневные лимиты на пользователя. Учет затрат на AI API: показывать стоимость до генерации, вести статистику. Технические ожидания Генерация изображений: Gemini (Nano Banana) / DALL·E / Flux или аналог — предложите вариант с обоснованием качества и стоимости за кадр. Бот должен работать 24/7 на VPS (авто-рестарт, деплой под ключ). Секреты через .env, код передается нам (репозиторий). Что предоставим Фото товаров для тестов, пожелания по стилистике бренда. Что жду в отклике Оценку стоимости и сроков. Ориентировочную себестоимость одной галереи. От и До

Система авто-уведомлений о пополнении склада аналитика. На 8n8. Небольшая автоматизация для e-commerce. Раз в сутки система считает скорость продаж по каждому товару и отправляет в Telegram, что пора заказывать (с рекомендованным объемом) и на сколько дней хватает остатка. Что делаем: Забор данных: KeyCRM API (история заказов) + остатки/заказы с Rozetka (API или выгрузка) Хранение в SQLite на моем VPS (Contabo, Linux) Расчет среднего продаж, запаса в днях, точки заказа ABC-анализ: приоритизация, какой товар пополнять первым (класс A — главные по выручке — важнее) Ежедневный Telegram-бот + запуск по cron Все пороги (срок поставки, страховой запас, целевой запас) — в конфиге

Нужна система для автоматической обработки больших объёмов информации с помощью ИИ Сейчас я использую собственный промпт в Claude. На небольших текстах он работает хорошо, но при больших объёмах нейросеть может пропускать части, останавливаться раньше конца или сообщать о завершении, хотя материал обработан не полностью. Нужна система, которая принимает сразу книгу на 200+ страниц, несколько книг, PDF, DOCX, TXT, субтитры, расшифровки аудио и видео или другой большой массив информации и автоматически обрабатывает его от начала до конца. Один из основных форматов результата для каждого смыслового предложения: English version. •••••••••••••••••••••••••••• Russian version. •••••••••••••••••••••••••••• English version. •••••••••••••••••••••••••••• English version. •••••••••••••••••••••••••••• Russian version. •••••••••••••••••••••••••••• English version. Каждая смысловая строка выводится четыре раза на английском и два раза на русском в указанной очередности. Перевод должен точно передавать смысл. Короткие предложения можно объединять, длинные — делить на законченные смысловые строки. Формат должен настраиваться: количество английских повторений и переводов, их очередность, языки, разделитель, длина строк, основной промпт и сохранение разных шаблонов. Например, вместо English–Russian–English–English–Russian–English можно выбрать любую другую последовательность. Если документ невозможно обработать одним запросом, программа должна сама разделить его на внутренние блоки, отправить их в Claude, ChatGPT, Gemini или другую модель, проверить результат, повторить проблемные части и объединить всё в один файл. Пользователь не должен вручную копировать текст по четыре страницы. Необходимо проверять, что не пропущено ни одного предложения, абзаца или смыслового фрагмента, отсутствуют дубли между блоками, а структура соответствует шаблону. Проверка не должна основываться только на утверждении нейросети. Обработка аудио Система также должна обрабатывать большие архивы аудио, например Telegram-канал с 300 эфирами примерно по одному часу. Желательно автоматически скачать аудио либо принять весь архив, распознать речь и обработать всё без ручного участия. По каждому эфиру должна создаваться структурированная выжимка: тема, главные мысли, важные факты, примеры, рекомендации и выводы. Приветствия, реклама, разговорный мусор и бессмысленные повторы удаляются, но полезная информация сохраняется. После обработки нужны не только отдельные конспекты, но и один общий читабельный документ, где информация объединена по темам. Если тема обсуждалась в разных эфирах, материалы собираются в один раздел, дубли удаляются, а ссылки на исходные записи сохраняются. В результате должны быть: — выжимка по каждому эфиру; — общий тематический документ; — поиск по словам и темам; — связь выводов с исходным аудио; — сохранение прогресса и продолжение после ошибок. Большую часть этих действий я уже могу выполнять самостоятельно, но только на небольшом объёме и вручную. Поэтому также готов рассмотреть более эффективный способ скачивания и преобразования аудио в текст, если исполнитель предложит решение лучше используемого мной. Что указать в отклике Напишите: — как будет реализована система и какой продукт я получу; — какие модели ИИ и распознавания речи будут использоваться; — как проверяется полнота и исключаются пропуски и повторы; — можно ли менять промпты, количество переводов, повторений и их очередность; — возможно ли скачивание материалов из Telegram; — стоимость разработки, API, сроки и цену дальнейших доработок. Главная цель — универсальная система, которая без ручного участия обрабатывает большие книги и сотни часов аудио, не теряет информацию и выдаёт готовый результат строго по выбранному шаблону.

Мы занимаемся получением грантов для уже существующих компаний, которые планируют инвестиции. Мы пришли к идее помощи в создании / объединении доступных моделей ИИ для поиска компаний, которые планируют или уже находятся в процессе инвестиций, и предложить им на это гранты (в основном мы занимаемся грантами на покупку машин и оборудования). ИИ будет просматривать доступные сайты и реестры для поиска инвесторов. Затем он также займется автоматизацией рассылки писем этим компаниям и в ответ будет отсеивать компании, которые: - соответствуют категории лида (думаю, 5-6 параметров); - ответили на письмо и заинтересованы в гранте; Конечно, дополнительные предложения приветствуются, я также думаю о голосовых звонках и отправке SMS. Отмечу, что меня не интересует поиск ТОЛЬКО крупных или очень крупных компаний, но также и меньших, например, нанимающих 8-50 человек. И не только большие города, но и меньшие города. Примерная цель для теста: ПОДКАРПАТСКОЕ Для микро, малых и средних предприятий (МСП) и крупных предприятий из Подкарпатского воеводства, которые относятся к отрасли безопасности и обороны. Под предприятием из отрасли безопасности и обороны понимается предприятие, которое: разрабатывает или производит продукты, технологии или системы, предназначенные для военных применений, связанных с национальной безопасностью, защитой критической инфраструктуры или безопасностью граждан или предоставляет услуги, поддерживающие системы безопасности и обороны (например, в области кибербезопасности) или проводит исследования и разработки в области военных технологий и систем безопасности и которые получают значительную долю доходов от продажи продуктов, технологий, систем или услуг в области безопасности и обороны, т.е. более 5% от общего чистого дохода (в сумме за последние 3 закрытых отчетных периода). Поддержка доступна для компаний, которые ведут хозяйственную деятельность организованно и непрерывно на территории Подкарпатского воеводства в течение не менее 24 месяцев, считая назад от даты объявления набора. У нас есть предложения сайтов для поиска. В конечном итоге программа ежедневно готовила бы для нас сводку о таких инвесторах. Может кто-то может нам в этом помочь? Я читал, что это возможно, но сам не имею времени заняться этим :)

Необходимо разработать сервис на базе Claude или другой подходящей AI-модели, который сможет автоматически находить компании-конкурентов, связываться с ними по электронной почте и телефону, собирать необходимую информацию и заносить результаты в единую таблицу. Основная задача сервиса Пользователь задаёт конкретный запрос, например: - узнать стоимость определённого вида мяса; - узнать цену на конкретный вид древесины; - уточнить стоимость товара или услуги; - проверить наличие продукта; - узнать сроки выполнения заказа; - получить условия сотрудничества. После этого система должна: 1. Найти подходящие компании. 2. Собрать их контактные данные. 3. Отправить им персонализированные письма. 4. Позвонить компаниям с помощью AI-бота. 5. Получить ответы на заданные вопросы. 6. Сохранить все результаты в Google Sheets или другую таблицу. Под каждую новую задачу пользователь должен иметь возможность менять поисковые запросы, критерии отбора, текст письма и сценарий телефонного разговора. Этап 1. Сбор базы компаний Этап 2. Email-рассылка и сбор ответов Этап 3. AI-обзвон компаний --- Важные технические требования - Возможность использовать Claude для генерации писем, анализа ответов и управления диалогом. - Возможность заменить AI-модель без полной переработки системы. - Интеграция с Google Sheets. - Интеграция с Gmail или другим почтовым сервисом. - Интеграция с сервисом AI-телефонии. - История всех писем, звонков и изменений. - Возможность остановить или поставить задание на паузу. - Контроль расходов на звонки, письма и AI-запросы. - Ограничение количества звонков в день. - Защита от повторной отправки писем и повторных звонков одной компании. - Соблюдение законодательства о телефонных звонках, записи разговоров, email-рассылках и использовании персональных данных. --- Ожидаемый результат В результате должен получиться сервис, в котором пользователь создаёт задание, указывает, какую информацию необходимо узнать, выбирает географию и источники, после чего система самостоятельно: 1. Собирает базу компаний. 2. Находит контактные данные. 3. Отправляет персонализированные письма. 4. Обзванивает компании по заданному сценарию. 5. Анализирует ответы. 6. Формирует единую таблицу с результатами. 7. Показывает, из какого источника была получена каждая информация.Для первого обсуждения с разработчиком также стоит попросить отдельно оценить стоимость и сроки MVP, автоматического парсинга, AI-телефонии и ежемесячной инфраструктуры.