Бюджет: 200 EUR Термін: 5 днів
Доброго дня.
Розробляю ботів для телеграма на NodeJS. Готовий взятися. Пишіть, обговоримо.
Мені потрібен Telegram-бот, який працює як живий менеджер.
Не просто відповідає на повідомлення, а веде клієнта по кроках, слідкує за термінами і дожимає завдання до результату.
додається в чат з клієнтом;
пояснює, що і в якому порядку потрібно зробити;
запитує документи і дані;
перевіряє, що вже прислали, а чого не вистачає;
нагадує клієнту, якщо він не відповідає;
каже, що буде далі;
веде чек-лист завдань (виконано / не виконано).
Якщо завдання не виконано —
бот починає регулярно писати в окремий робочий чат команди, поки завдання не буде закрито.
Тобто:
клієнту — ввічливо і зрозуміло;
команді — жорстко і по факту: що зависло, хто відповідальний, скільки днів прострочка.
Бот повинен імітувати роботу людини, а не бути тупим автоответчиком.
ШІ потрібен не для “побалакати”, а щоб:
розуміти, що написав клієнт;
розуміти, що це: документ, питання чи підтвердження;
формулювати нормальні людські відповіді;
підказувати наступний крок.
⚠️ Вся логіка (чек-листи, дедлайни, етапи) повинна бути в даних, а не зашита в код.
Telegram-бот
2 чата:
чат з клієнтом
робочий чат команди (ескалації)
чек-лист завдань
нагадування
ескалації до виконання
можливість змінювати процес без переписування коду
❗ Мені не потрібен “верстальник ботів”.
Потрібен людина, яка розуміє логіку процесів.
досвід розробки Telegram-ботів;
розуміння backend-логіки (стани, статуси, таймінги);
робота з API (Telegram, AI);
розуміння, як робити чек-листи і дедлайни;
уміння писати чисту, розширювальну архітектуру.
досвід з AI (OpenAI або аналоги);
досвід з PostgreSQL / JSON-структурами;
розуміння черг / таймерів (нагадування);
уміння думати як продуктовий розробник, а не “по ТЗ і все”.
Якщо ви розумієте, як створити проект, прошу відгукнутися.
Бюджет: 200 EUR Термін: 5 днів
Доброго дня.
Розробляю ботів для телеграма на NodeJS. Готовий взятися. Пишіть, обговоримо.
Бюджет: 700 EUR Термін: 14 днів
Вітаю.
Розумію задачу - це не просто бот, а “процесний контролер” з чек-листами, дедлайнами, нагадуваннями та ескалаціями, де логіка процесу зберігається в даних, а не в коді.
Пропоную стартувати з MVP за 7-14 днів:
- 2 чати (клієнтський + робочий)
- один тип процесу (pipeline) з кроками/дедлайнами в БД (JSON/таблиці)
- чек-лист виконання (done/not done)
- нагадування клієнту по таймерам
- ескалації в робочий чат з “хто відповідальний + скільки днів прострочки”
- AI як класифікатор повідомлень (документ/питання/підтвердження) + генерація відповіді в рамках сценарію
Після MVP - масштабування на кілька процесів, ролі, зручна адмінка редагування процесів, аналітика.
Уточніть, будь ласка:
1) Скільки процесів/кроків потрібно в першій версії
2) Як визначаємо “документ отримано” (файл/посилання/текст)
3) Графік нагадувань (робочі години/таймзона)
4) Ескалація в один чат чи по відповідальним/відділам
5) Який бюджет на MVP
Бюджет: 1000 EUR Термін: 15 днів
Привіт,
Я дуже зацікавлений у розробці вашого Telegram-бота, щоб він функціонував як живий менеджер. У мене є великий досвід створення Telegram-ботів з розвиненою бекенд-логікою, управлінням станом, відстеженням завдань та інтеграцією штучного інтелекту. Я можу створити систему, яка крок за кроком направляє клієнтів, відстежує подачу документів, управляє термінами, надсилає ввічливі нагадування клієнтам і автоматично ескалює прострочені завдання у ваш командний чат.
Бот буде підтримувати всю логіку, контрольні списки та терміни в структурі, що базується на даних (PostgreSQL/JSON), що дозволяє оновлення процесів без переписування коду. Я можу інтегрувати штучний інтелект для розуміння повідомлень, класифікації вхідних даних (документи, питання, підтвердження), генерації людських відповідей та пропозиції наступних кроків. Таймери, нагадування та ескалаційні потоки будуть реалізовані надійно, щоб забезпечити виконання завдань.
Я зосереджуюсь на чистій, масштабованій архітектурі та створенні рішень, які імітують реальний людський робочий процес, а не просто автоматизовані відповіді, забезпечуючи, щоб ваш Telegram-бот поводився як справжній живий менеджер.
З найкращими побажаннями,
Джео Вінсент Карретас
Бюджет: 300 EUR Термін: 10 днів
Доброго дня, Артеме!
Маю досвід у розробці Телеграм-ботів та інтеграції ІІ-моделей. Якщо обсяг повідомлень на день не дуже великий (не перевищує ~1,4к повідомлень на добу), можна обійтися безкоштовними рішеннями, інакше - підключимо API на Ваш вибір. В цілому по проекту досить багато питань, які ми можемо обговорити в ЛС (як Ви уявляєте зміни в логіку бота, чи є у Вас заготовлені промти тощо)
З прикладами моїх робіт та відгуками Ви можете ознайомитися в моєму профілі.
Буду радий співпраці!
Бюджет: 200 EUR Термін: 5 днів
Доброго дня!
Мене звуть Руслан, я представляю digital-агенцію Vdalo.
Ми займаємося розробкою Telegram-ботів та backend-рішень, де ключове — логіка процесів, контроль станів і доведення завдань до результату, а не просто авто відповіді.
За описом завдання одразу видно, що вам потрібен процесний бот, який:
веде клієнта по етапах;
контролює чек-листи та дедлайни;
розрізняє типи повідомлень (документ / питання / підтвердження);
ескалує завислі завдання в робочий чат команди;
імітує роботу живого менеджера.
👉 Такий тип ботів — наша профільна зона.
Як ми бачимо реалізацію
Архітектура на станах і даних, а не “вшита в код” логіка
Всі етапи, чек-листи, дедлайни, ролі — в базі (редагуються без переписування коду)
Окремі сценарії:
клієнтський чат — м’яко, зрозуміло, по кроках
робочий чат — жорсткі сповіщення: що зависло, хто відповідальний, термін прострочки
Таймінги, нагадування та ескалації через черги / планувальники
AI використовується утилітарно, а не “для балаканини”:
класифікація повідомлень
розуміння контексту
формування людських відповідей
визначення наступного кроку процесу
Технологічно
Telegram Bot API
Backend зі станами / статусами / таймингами
PostgreSQL / JSON-структури для процесів
Черги / cron / job workers для нагадувань
OpenAI або аналог — строго як допоміжний шар логіки
Наш підхід
Ми думаємо як продуктові розробники:
спочатку проектуємо процес;
потім архітектуру;
тільки потім код.
Готові:
пропонувати архітектурну схему;
описати модель даних;
оцінити терміни та етапи;
закласти масштабування під майбутні процеси.
Якщо завдання вам відгукується так само, як нам —
готові перейти до обговорення деталей і наступного кроку.
З повагою,
Руслан
Digital agency Vdalo
Бюджет: 200 EUR Термін: 7 днів
Вітаю! Я Backend Python розробник, маю досвід створення складних ботів з AI(Gemini AI) та управлінням чергами(RabbitMQ + TaskIQ) задач. Реалізую проєкт на архітектурі Domain-Driven Design (DDD).
Бюджет: 400 EUR Термін: 5 днів
Вітаю, зроблю без проблем, створював досить хороші та цікаві рішення як
https://217-154-170-186.nip.io/
Можу створити на ноді, можу в н8н, там як вам зручніше. Але по ціні попрошу зайві 200 євро. Зате все буде добре, без переносів і 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 Потрібна програма на Python, яка запускається у мене на ПК (Windows) і робить faceless-відео формату «закадровий голос + змінюваний відеоряд з фото та кліпів» — як історичні документалки на YouTube (приклад прикріплю окремо). Я вводжу тему → програма пише сценарій, озвучує, підбирає під кожен шматок тексту відео/фото з безкоштовних архівів, склеює → видає готовий MP4. Тільки для мене. Без сайту, без користувачів, без продажу. Один користувач — я. Як працює (по кроках) 1. Введення. Відкривається просте вікно. Я вводжу тему ролика і вибираю голос озвучення зі списку (**список голосів підтягується автоматично з ElevenLabs по API** — доступні на моєму акаунті). Натискаю «Створити». (Другий режим: вставити готовий сценарій замість генерації.) 2. Сценарій. Програма через LLM API (OpenAI/Anthropic, ключ в налаштуваннях) пише сценарій за темою, заданої довжини. 3. Розбивка на сцени. LLM ділить сценарій на сцени і для кожної повертає: текст сцени; тип візуалу: відео або фото; пошуковий запит (розгорнута фраза, що повинно бути в кадрі); позначку «highlight» + оцінку важливості 1-10 (для інтро, див. нижче). 4. Озвучення. Текст відправляється в ElevenLabs API обраним голосом → аудіо. Під довжину аудіо кожної сцени обрізається відеоряд. 5. Підбір відео/фото — з безкоштовних джерел по API (див. список нижче). Під кожне джерело запит формується по-своєму (для точності). Якщо в одному не знайшлося — пробує наступний. 6. Перевірка (максимум 3 кроки на сцену). Крок 1: програма бере перший знайдений варіант (відео/фото) за запитом. Крок 2: відправляє кадр в LLM — «підходить під сцену?». Підходить → стоп. Крок 3 (якщо не підходить): програма переключається на пошук фото (по точному запиту фото знайти простіше, ніж відео, — так гарантовано потрапляємо по сенсу) і бере його з посиленим рухом (зум + панорама). Більше 3 кроків на одну сцену не робити — це економить бюджет LLM і гарантує, що кадр в тему. 7. Збірка через ffmpeg/moviepy: кліпи і фото під таймінг озвучення, фото оживляються зумом (ефект Кена Бернса), голос поверх, прості переходи. Вихід: MP4 1920×1080. Правила відеоряду (важливо — за це відповідає програма) Перші 60 секунд — інтро-тизер: нарізка найефектніших кліпів з усього ролика (беруться сцени з вищою оцінкою важливості, де є відео) під окремий текст-вступлення від LLM («в цьому відео ви дізнаєтеся…»), кадри без пояснень, як інтрига. Потім перехід і основна частина. Чередування: відео-вставка мінімум кожні ~6 секунд, не можна багато фото підряд. Доля відео: не менше ~40% часу — живі кліпи, решта — фото з зумом. Довжина кадру: 4-6 секунд (і фото, і відео). Не мельтешити, не тримати статику довго. Для чисто історичних тем, де відео немає — фото з посиленим рухом (зум + панорама). Джерела (всі безкоштовні, з API) Сучасне відео+фото: Pexels, Pixabay. Історичне / архівне (public domain): Wikimedia Commons, Archive.org,Library of Congress, Europeana, NASA, Smithsonian Open Access,Flickr Commons, openverse. Кожне джерело — окремий модуль, легко додати новий. Використовувати тільки public domain / вільні ліцензії з правом комерційного використання. Жодного парсингу чужих YouTube/сайтів, шматків фільмів, картинок «з гугла».Унікальність підбору Щоб відео не співпадали з чужими: брати випадковий кліп з топ-видачі (не перший), вести базу вже використаних (не повторювати), опціонально — легка обробка кліпа (кроп/дзеркало/ швидкість). Опції (вкл/викл в налаштуваннях) Тільки фото — якщо включено, відео збирається ЧИСТО з фото, без відео-кліпів. Кожне фото ОБОВ'ЯЗКОВО з рухом (зум і/або панорама, ефект Кена Бернса) — навіть в цьому режимі не повинно бути статичних «мертвих» кадрів, мінімальна динаміка завжди. Якщо вимкнено — стандартний режим (фото + відео-кліпи з чергуванням, як в правилах відеоряду). Без озвучення — якщо включено, відео збирається по тексту БЕЗ генерації голосу: код НЕ звертається до ElevenLabs і не накладає озвучення (відеоряд підбирається по тексту сцен, таймінг кадрів — по правилам/параметрам, без прив'язки до аудіо). Якщо вимкнено — автоматично робить озвучення по тексту через ElevenLabs, як зазвичай. Атмосферний оверлей — якщо включено, поверх всього відеоряду накладається напівпрозорий шар з плаваючими частинками / пилом / світними боке / легким туманом (particle / dust / bokeh / fog overlay, режим накладення screen/add), щоб кадри виглядали живими і кінематографічними. При установці програми кладеться набір з 5-8 популярних оверлеїв (частинки, пил,copyбоке, туман, легке кінематографічне «зерно») в локальну папку — я вибираю потрібний зі списку. Регульована прозорість/яскравість оверлея (повзунок 0-100%), щоб ефект не був ніcopyзанадто тьмяним, ні занадто вираженим — я сам налаштовую силу. Бажано, щоб оверлей можна було накладати і на ВЖЕ готове відео окремоcopy(постобробка: взяти готовий MP4 → вибрати оверлей → задати прозорість → зберегти), а не тільки при зборці. Звідки взяти оверлеї для комплектації (вільна ліцензія): Pexels, Pixabay (запитиcopy«particle overlay», «bokeh overlay», «dust overlay», «light leaks», «film grain»), Mixkit, Videezy. Виконавець підбирає 5-8 штук і кладе в папку програми. Субтитри (вшити або окремим .srt). Обробка кліпів для унікальності. Роздільна здатність/формат, довжина відео, доля відео, глибина пошуку.Технічні вимоги Python. Модульна структура (джерела і LLM — через змінні модулі, щоб легко замінити або додати). Всі API-ключі — в файлі налаштувань, не в коді. Просте вікно (GUI на вибір виконавця — Tkinter/PyQt), запуск подвійним кліком. README з інструкцією, зрозумілі логи, коментарі в коді.Що даю я API-ключі (ElevenLabs, LLM, де потрібна реєстрація — оформлю). Платне оплачую сам. Приклади відео-референсів (прикріплю) і приклади тем для тестів.Приймання (готово, якщо) Запускаю → вікно → ввожу тему, вибираю голос → «Створити» → отримую готовий MP4. Відеоряд по сенсу тексту, чергування відео/фото, інтро-тизер 60 сек, озвучення поверх. Працює мінімум з 6 безкоштовними джерелами, з fallback між ними. Перевірка кадрів через LLM: макс. 3 кроки на сцену (знайшли → LLM перевірив → якщо немає, фото з рухом як вірняк). Унікальність: рандомізація + база використаного. Тільки легальні джерела. Є README, запускається з нуля.Передача результату Весь вихідний код — в відкритому вигляді (всі файли), без обфускації + зібрана робоча версія. Я можу сам запустити з вихідників за інструкцією (README: установка, ключі, запуск). Код повинен бути чистим, прокоментованим і зрозумілим, щоб **будь-який інший програміст міг продовжити роботу** над ним, якщо знадобиться (не прив'язка до автора). **Вся повсякденна робота — через інтерфейс (кнопки, поля, повзунки, випадаючі списки), БЕЗ необхідності торкатися коду.** Усі налаштування (тема, голос, опції, оверлей, папки, довжина, формати) змінюються у вікні програми, а не редагуванням файлів. Код на руках — тільки як моя власність і страховка, а не як спосіб управління програмою. Усі права на код після оплати — мої.Управління місцем на диску (важливо) Програма не повинна забивати диск. Реалізувати: Після зборки відео всі проміжні файли (завантажені кліпи, тимчасові шматки, аудіо-нарізки) автоматично видаляються — на диску залишається тільки готовий MP4. Ліміт на кеш (параметр в налаштуваннях, напр. 5 ГБ): при перевищенні старі завантажені файли видаляються автоматично (спочатку найстаріші). Папку для готових відео і для тимчасових файлів я задаю в налаштуваннях. Показувати, скільки місця зайнято, і кнопка «очистити кеш» вручну.Прошу вказати в відгуку Приклади схожих робіт (ffmpeg/moviepy, робота зі стоковими/архівними API, ElevenLabs/LLM). Пропозиція по GUI. Використовує чи рішення базу даних (яку і навіщо) — або вистачає локальних файлів. Термін і вартість.
Розробляємо real-time інтеграцію з зовнішнім сервісом Тренер. Відправляємо структуровані знімки стану, отримуємо рекомендації і показуємо їх спливаючим вікном. Завдання — стабільна і повна передача даних для коректної роботи Тренера. Шукаємо розробника для ланцюга: обробка даних → HTTP-комунікація → overlay. Потрібні люди з такими навичками Python добре, Java база, API HTTP/JSON-APIs Проект готовий на 90%, але є деякі несоответствия
Необхідно розробити локальний Python-скрипт для автоматичного заповнення Google Таблиці даними з внутрішнього сервісу компанії. Основна логіка: 1. Підключитися до Google Таблиці. 2. Знайти рядки, де заповнений ID, але відсутні два цільових значення. 3. Сформувати посилання за шаблоном: https://internal-service.example/item/{ID} 4. Отримати два значення (через API, якщо він існує, інакше через Playwright). 5. Записати значення назад у Google Таблицю. 6. Позначити рядок як оброблений. 7. Продовжити обробку наступних рядків. Вимоги: • Python • Google Sheets API • Пріоритет використання офіційного API • При відсутності API — Playwright • Без OCR, розпізнавання екрана та координат миші • Конфіденційні дані не повинні потрапляти в логи • Конфігурація через .env • Тестовий режим (без запису в таблицю) • Не обробляти вже заповнені рядки • Пакетна запис змін у Google Sheets • Коректна обробка помилок і повторних спроб Необхідно надати: - вихідний код; - requirements.txt; - приклад .env.example; - інструкцію по установці; - інструкцію по запуску; - короткий опис архітектури. Перед початком реалізації прошу: 1. Запропонувати архітектуру. 2. Перелічити необхідні доступи. 3. Задати уточнюючі питання. 4. Вказати вартість, терміни та орієнтовну кількість годин.
В рамках підвищення рівня кібербезпеки нашої інфраструктури нам необхідно відмовитися від практики зберігання «вічних» і статичних API-ключів, паролів і токенів інтеграцій у конфігураційних файлах (.env, appsettings.json, config.yaml) наших мікросервісів. Бізнес-мета: Створити єдину захищену точку зберігання конфіденційних даних (секретів) з механізмом їх автоматичного оновлення (ротації) у зовнішніх системах за розкладом. Інші наші сервіси будуть запитувати актуальні токени «на льоту» через API, що зведе до мінімуму шкоду в разі компрометації будь-якого з компонентів системи.Модель безпеки та шифрування (Crypto Core) У базі даних жоден секрет не повинен зберігатися в відкритому вигляді. При старті програми в змінні середовища передається Майстер-ключ (Master Key). Якщо ключ відсутній або має невалідну довжину, сервіс повинен падати на етапі ініціалізації з зрозумілою помилкою в логах. Кожен секрет шифрується перед записом у БД з використанням цього Майстер-ключа. При запиті — розшифровується в пам'яті і віддається в тілі відповіді.Аудит-логування (Audit Trail) Будь-яка дія з секретами (створення, читання сервісом, успішна або неуспішна ротація) повинна записуватися в окремий лог-файл audit.log (або окрему таблицю в БД). Суворе табу: В аудит-лог категорично заборонено записувати самі значення секретів (ні в відкритому, ні в зашифрованому вигляді).
Потрібен спеціаліст для написання парсерів, який зможе обходити CLOUDFRAME. Парсинг товарів відбувається з сайтів з авторизацією. Є 10+ донорів різної складності, з різним ступенем захисту. Парсинг товарів відбувається з сайтів з авторизацією. Парсить дані в готову базу даних Mysql + фотографії на сервер. Потрібно написати парсер відповідно до завдань описаних у технічному завданні та адаптувати дані до існуючої бази даних для повноцінної роботи на сайті. ТЗ та приклад донора по запиту. Десктопні парсери та C# не розглядаємо.