Відразу зрозумів потребу і швидко усе налаштував!
Бюджет: 10000 UAH Термін: 5 днів
Вітаю.
Розробляю ботів на NodeJS. Готовий взятися. Пишіть, обговоримо.
Бюджет: 10000 UAH Термін: 7 днів
Привіт, я працював над розробкою ШІ-асистента для Telegram з інтеграцією OpenAI GPT-4, який обробляв 15 тис повідомлень на день з автоматичним контекстним аналізом і персоналізацією відповідей ✅
Цікаво, як ви плануєте реалізувати контроль якості відповідей ШІ та запобігання некоректним реакціям у критичних діалогах Signal?
Пропоную зв'язатися, я безкоштовно проконсультую вас з технічної сторони та складемо план розробки + розповім про мою команду!
Бюджет: 12000 UAH Термін: 14 днів
Доброго дня, я бачу, що Ви шукаєте розробника для створення ШІ-асистента для автоматичних відповідей у Signal. Це дуже цікавий проект, який вимагає інтеграції з месенджером Signal та використання штучного інтелекту для генерації відповідей. Що зроблю:
— розробку інтеграції з Signal через Signal CLI або обгортки на базі Python,
— підключення до API провідних мовних моделей,
— створення бази даних для збереження історії чатів та налаштувань користувачів,
— розвиток інтерфейсу для налаштування та управління ботом.
Бонус/додаткова цінність: надaná можливість ручного втручання та налаштування стилів спілкування.
Строки: 14 днів після отримання матеріалів.
Вартість: 12000 грн.
Бюджет: 10000 UAH Термін: 4 дні
Добрий день. Я, індивідуальний розробник, пропоную свої послуги з проектування та реалізації ШІ-бота для Signal. Маю практичний досвід розробки асинхронних сервісів на Python, роботи з signal-cli та побудови систем довгострокової пам'яті для LLM, працюю офіційно через ФОП без посередників. Я самостійно налаштую контур зв'язки з номером через QR-код, реалізую логіку рандомізованих затримок відповідей для імітації поведінки людини та інтегрую гнучке налаштування системного промпту. Мій підхід до оптимізації коду та архітектури представлений у портфоліо на 3magency.co та https://vilors.studio/.
Бюджет: 10000 UAH Термін: 10 днів
Вітаю. Наша невелика команда має понад 4 роки досвіду розробки full-stack сервісів, Telegram/Signal рішень та інтелектуальних ШІ-систем. Ми готові реалізувати ваш проект поетапно, суворо за вказаними User Stories. Для Етапу 4 (вебпанель адміністрування) ми створимо легкий і швидкий інтерфейс на FastAPI + Tailwind, де ви зможете в реальному часі редагувати інструкції для ШІ, керувати білими списками контактів та бачити статус роботи бота. Усі модулі будуть упаковані в Docker-compose для простого запуску на вашому ПК чи VPS. Ознайомитися з нашою технічною експертизою можна за посиланнями: freshagro.com.ua, farfieworldwide.com, rivnekolo.com.
Бюджет: 10000 UAH Термін: 7 днів
Добрий день. Ми з колегою спеціалізуємося на розробці ШІ-агентів, обробці природної мови (NLP) та інтеграції приватних мовних моделей. У рамках вашого ТЗ ми пропонуємо зробити особливий акцент на безпеці (пункт 4): систему можна повністю ізолювати, підключивши локальну модель через Ollama, щоб тексти повідомлень не виходили за межі вашого сервера. Логіку білого списку чатів та розкладу роботи ми винесемо в окремий конфігураційний модуль. Приклади нашого підходу до створення стабільних рішень автоматизації та інтерфейсів представлені в проектах drkukharevich.rivne.ua, crave-agency.com.ua та jk-solution.com.ua.
Бюджет: 10000 UAH Термін: 4 дні
Для реалізації вашого ШІ-відповідача для Signal ми з напарником (Python бекенд-архітектор та системний адміністратор) пропонуємо побудувати асинхронну архітектуру на базі signal-cli-rest-api та модулів Ollama / OpenAI API. Ми розгорнемо ізольований Docker-контур, де скрипт через WebSockets буде слухати вхідні події від Signal-клієнта. Збереження контексту діалогів реалізуємо у SQLite, передаючи в LLM історію останніх повідомлень (sliding window) разом із вашим системним промптом (Tone of Voice). Наш досвід в автоматизації месенджерів та інтеграції штучного інтелекту відображений у проектах hyperfi.tech, espressolab.com.ua та hudi.com.ua.
Бюджет: 10000 UAH Термін: 10 днів
Доброго дня, я Python - розробник з великим досвідом в розробці телеграм, інстаграм та інших ботів різної складності. Можу виконати ваше замовлення швидко та якісно. Пишіть для обговорення деталей, почати готовий вже сьогодні. Також завантажу вашого бота до серверу для стабільної роботи 24/7 та відповідаю за тех. підтримку бота ще місяць. Це входить до вартості
Бюджет: 10000 UAH Термін: 3 дні
Привіт! Я вивчив ваш проект і готовий розпочати роботу. Впевнений, що зможу задовольнити всі ваші очікування.
Бюджет: 10000 UAH Термін: 10 днів
Доброго дня, маю досвід роботи із signal, розробляв схожий проект, пишіть обговоримо.
Бюджет: 18000 UAH Термін: 7 днів
Вітаю. Дуже цікавий і в загальному типовий проект, маю досвід інтеграції з сигналом.
Є готові шаблони та заготовки, за два дні можемо підняти тестовий продукт для перевірки, далі 5 днів на тести та правки.
Буду радий співпраці
Бюджет: 27000 UAH Термін: 27 днів
Доброго дня. Могу реалізувати у вигляді десктоп програми під віндовс - буде зручний веб дизайн або по простому через pyqt. Є досвід в інтеграції chatgpt.
Бюджет: 10000 UAH Термін: 3 дні
Доброго дня, Алекс, останнім часом я регулярно розробляю ботів з інтеграцією штучного інтелекту, зокрема й останній проєкт. Досвід є, давайте по черзі опишу реалізацію:
1. Signal — вже розробляв бота через signal-cli, тож контекст завдання розумію. Тільки завдання було без LLM, це був агрегатор повідомлень з аналітикою.
2. Для AI чудово підходить у цьому завданні pydanticAI як інструмент/модуль розробки. Для аналізу, швидше за все, просто буде два або більше агентів. Або один, якщо розмір контексту не настільки великий (питання ще врахування фотографій, відео, аудіо тощо; якщо необхідно, потрібно буде трохи розширити завдання, наприклад, Wisper або мультимодальний LLM).
3. Правила поведінки через системні промпти працюють, але не завжди ефективні під стиль. Добре працює додавання skills особистості. І регулювання параметрів генерації (температура тощо)
4. Потрібно також додати skill та додаткову обробку для гуманізації (олюднення) бота.
5. Інтерфейс можна зробити простим поєднанням fastapi + react (в останньому проєкті так і робив)
Завдання зрозуміле, воно не складне. Є досвід і з месенджером, і з AI-автоматизацією. Буду радий працювати з вами!
Бюджет: 27000 UAH Термін: 14 днів
Доброго дня. Ознайомився з ТЗ. Проєкт включає інтеграцію Signal CLI, підключення ШІ-моделі, реалізацію контекстної пам'яті, бази даних, системних промптів, тригерів, а також вебпанелі керування. Готовий реалізувати MVP та подальше розширення функціоналу по етапах.
Попередня оцінка: 70 000 грн. Точну вартість і терміни зможу уточнити після обговорення деталей та архітектури.
Бюджет: 10000 UAH Термін: 1 день
Вітаю! Зможу реалізувати. Відпишіть в приват щоб обговорити всі деталі. Буду рад співпраці!
Бюджет: 12000 UAH Термін: 14 днів
Вітаю!
Прочитав ТЗ повністю. Технічно реалізуємо всі чотири етапи.
Stек: signal-cli-rest-api (в Docker) + Python-сервіс + підключення до OpenAI/Claude API + SQLite для історії. Веб-панель адміністрування — вмикати/вимикати, білий список чатів, редагування системного промпта.
Важливий нюанс: Signal не має офіційного bot API як Telegram, тому сервіс повинен постійно працювати на VPS. Якщо VPS є — чудово, якщо ні — можемо підібрати і налаштувати (від ~$5/міс Hetzner або Ukraine).
Термін: 2-3 тижні. Вартість: 12 000 грн.
Бюджет: 10000 UAH Термін: 8 днів
Це профільна задача для нас. Працюємо з AI-агентами в продакшені понад рік: Winbix.AI (multi-tenant платформа на FastAPI з context-пам'яттю і tone-of-voice налаштуваннями, $2K MRR, 30+ клієнтів), BrandSync AI (GPT-4 + BullMQ pipeline для асинхронної обробки повідомлень), BotFusion AI (чат-боти на 19+ платформах з персоналізованими промптами).
По етапах вашого ТЗ:
Signal через signal-cli-rest-api в Docker
LLM шар з абстракцією над OpenAI/Anthropic/Ollama (config-driven)
Sliding window останніх N повідомлень + RAG через pgvector для довгої історії
Адмін-панель на FastAPI + Next.js з shadcn/ui для whitelist, розкладу, prompt-шаблонів
Все локально на вашому сервері з опцією Ollama для повного offline
З досвіду додамо auto-pause при неоднозначному контексті, бо це рятує від невірних відповідей в реальних діалогах.
Портфоліо: winbixai.com/en/startups. Loom з архітектурою AI-pipeline скинемо в особисті.
Питання:
Local-only (Ollama) чи cloud LLM (OpenAI/Anthropic)? Впливає на вартість токенів і latency
Один користувач чи multi-tenant для команди?
Будемо раді поспілкуватись детальніше:
Бюджет: 10000 UAH Термін: 10 днів
Вітаю!
Саме мій стек — Python, OpenAI API, робота з LLM і збереженням контексту. Інтеграцію з Signal через signal-cli-rest-api розумію, є досвід з побудовою подібних асистентів.
Всі 4 етапи реалізую послідовно з проміжними демо.
Ставки поки відсутні
Ставки приховані
Бюджет: 27000 UAH Термін: 20 днів
Вітаю.Є великий досвід з Python та в створенні ШІ-агентів.Готовий реалізувати проект.
Бюджет: 27000 UAH Термін: 28 днів
Бюджет 10000 грн для такого асистента, по відчуттях, замалий навіть для стабільної першої версії. Реалістично я б закладав від 120000 грн і 4 тижні на робочу версію з Signal CLI, ШІ-відповідями, памʼяттю діалогів, білим списком чатів і базовою вебпанеллю =)
ПО ТЗ бачу важливий нюанс - не варто робити автопілот без запобіжників. Для Signal краще будувати локальний сервіс на вашому сервері або ПК, де є черга повідомлень, журнал дій, правила активації, обмеження за чатами і режим ручного підтвердження для ризикових відповідей.
> Спочатку робимо технічне проєктувння і прототип Signal CLI - echo, прийом і відправка повідомлень
> Далі підключаємо мовну модель, промпт, памʼять останніх повідомлень і персональні інструкції
> Потім додаємо вебпанель, налаштування стилю, розклад, білий список і журнал відповідей
> Окремо перевіряємо безпеку - де лежать ключі, хто має доступ, які дані йдуть у OpenAI або локальну модель через Ollama
Кілька близьких прикладів нашого досвіду
> https://business.ingello.com/vorfahr - ШІ-автоматизація з бізнес-логікою і обробкою запитів
> https://business.ingello.com/fractal - агентні сценарії і складна автоматизація процесів
> https://systems-fl.ingello.com/ua - профільний лендинг Ingello Systems для FLH
Уточню 2 речі, без них оцінка може попливти, як я сам після третьої таблиці з інтеграціями
> Signal має працювати з одним номером чи з кількома акаунтами
> Потрібен режим повного автонадсилання відповідей, чи спочатку безпечніше зробити підтвердження перед відправкою
!!Я б радив почати з короткого етапу проєктування і технічного прототипу!! - так стане зрозуміло, чи Signal CLI стабільно працює у вашому середовищі, і тільки після цього масштабувати до повного асистента.
Бюджет: 10000 UAH Термін: 10 днів
Добрий день. З масовим впровадженням LLM ТЗ, звичайно, стали більш масивними, але іноді все ж більше розписані в технічному специфікації, а не в специфіці проекту. По суті, у вас описано по верхах, що робити в технічному плані, але не в практичному. Інтересує наступне: 1. Що в реальності повинен відповідати асистент, це якісь складні питання чи це звичайні питання типу графіка роботи або як вас знайти? По суті, від розуміння питання/відповідь потрібно далі вибудовувати логіку роботи. Інші моменти в більшій мірі технічні і вирішуються часом/бібліотеками. 2. Чи розумієте ви вартість токенів? Одне діло написати такого бота, інше те, що токени теж платні і вартість може бути досить серйозною. 3. Чи є у вас ЯКІСНІ джерела інформації для відповідей і в якому форматі (текст, відео, фото і т.п.). Пишіть в ЛС, детальніше обговоримо і дам більш розгорнуту відповідь після розуміння точної задачі.
Бюджет: 27000 UAH Термін: 14 днів
у мене вже є практично готове схоже рішення з ші-асистентом, памʼяттю діалогу та правилами відповіді, його можна швидко адаптувати під Signal і запустити перший робочий прототип =)
ПО строках - базовий MVP з Signal CLI, ехо-режимом, підключенням мовної моделі, історією 5-10 повідомлень, білим списком чатів і простою вебпанеллю бачу орієнтовно за 10-14 днів.
по бюджету - 10000 грн, здається, вистачить тільки на коротку технічну перевірку Signal CLI і ехо-прототип, бо тут є інтеграція, безпека, база, промпти, тригери й адмінка.
ми б ішли поетапно - спочатку перевіряємо стабільність Signal CLI на вашому сервері або ПК, потім додаємо ші-відповідь, памʼять листування, налаштування стилю і захист від випадкових відповідей не тим людям.
смотрите, тут нюанс - для приватності можна зробити 2 режими.
> OpenAI або Claude - швидше й якісніше
> локальна модель через Ollama - більше контролю над даними, але слабша якість і потрібне залізо
уточню 2 моменти, щоб не вгадувати як студент на екзамені.
> бот має відповідати повністю автоматично чи спочатку показувати чернетку для ручного підтвердження
> запуск планується на Linux-сервері, домашньому ПК чи VPS
релевантні приклади нашого досвіду.
> https://business.ingello.com/vorfahr - ші-автоматизація та агентна логіка для бізнес-процесів
> https://business.ingello.com/fractal - складні сценарії агентів, памʼять і керування діями
> https://systems-fl.ingello.com/ua - коротко про наш підхід до систем, ші та автоматизації
можемо почати з першого етапу - Signal CLI плюс ехо-бот і технічна перевірка, а після цього доробити повноцінного асистента без зайвого ускладнення.
Ставки приховані
Актуальні фриланс-проєкти в категорії AI та машинне навчання
Всім привіт! Зараз на ринку дуже багато селлерів, які продають токени claude через проксі Мені необхідно протестувати різних селлерів і зрозуміти, яке API працює найбільш справно для кодування claude code Потрібно буде авторизовуватися через термінал в claude code і дивитися на стабільність роботи API (проганяти під навантаженням) і знайти найбільш оптимальний Хто зараз може взяти в роботу?
Хочу бот готовий якщо є рішення - пишіть новачки - прохання не турбувати тільки досвідчені, ті хто справлявся і знає дякую.
Шукаємо спеціаліста з LLM, RAG та prompt engineering для аудиту й удосконалення вже створеного ШІ-асистента операторів контакт-центру мережі медичних центрів. Це не розробка з нуля. Наразі асистент працює в середовищі ChatGPT та використовує: власну навичку з інструкціями SKILL.md; базу знань у Project Sources; структуровані Markdown-файли, автоматично сформовані з CSV-вивантажень медичної інформаційної системи; окремі індекси цін, виконавців, підрозділів, пакетів, обладнання та рекомендованих комбінацій послуг. База містить приблизно: 2 700+ медичних послуг; 90+ пакетів і комплексів; 300+ рекомендованих комбінацій; 600+ хірургічних втручань; ціни за різними підрозділами; виконавців, адреси, підготовку, обладнання та іншу довідкову інформацію.Що має робити асистент За запитом оператора асистент повинен швидко надавати перевірену відповідь: чи надається потрібна послуга; точний код, назву та ціну; у яких підрозділах вона доступна; хто з лікарів або інших спеціалістів її виконує; як підготуватися; який пакет або комплекс вигідніше запропонувати; які супутні послуги доцільно запропонувати; яка послідовність комплексного запису; які є дешевші або альтернативні варіанти; для операцій — окремо базову ціну та орієнтовну загальну вартість випадку хірургічного лікування. Асистент не повинен вигадувати ціни, виконавців, підготовку, медичні показання або переносити інформацію між схожими послугами.Наявні проблеми Система вже працює, але потребує підвищення стабільності пошуку та якості відповідей. Зокрема: модель інколи знаходить основну послугу, але пропускає рекомендовані комбінації; не завжди витягує окремі поля з великих Markdown-файлів; може знаходити базову ціну операції, але пропускати загальну вартість хірургічного випадку; результати залежать від структури та розміру файлів у Project Sources; потрібно оптимізувати індекси, маршрутизацію джерел і правила пошуку; потрібно забезпечити однаково якісні відповіді на короткі, неточні та розмовні запити операторів. Наприклад, простий запит «холецистектомія» повинен одразу повернути доступні варіанти операції, коди, базові ціни, загальну вартість лікування, підрозділи, виконавців та пов’язані послуги.Завдання спеціаліста Провести аудит чинного SKILL.md, структури бази знань і логіки пошуку. Проаналізувати причини пропуску даних під час retrieval. Запропонувати оптимальну архітектуру бази знань для ChatGPT. Удосконалити або переписати SKILL.md. Оптимізувати структуру Markdown-файлів та компактних індексів. Налаштувати обов’язковий пошук: пакетів і комплексів; рекомендованих комбінацій; цін за підрозділами; виконавців; вартості випадку хірургічного лікування. Перевірити генератор бази знань із CSV-вивантажень та за потреби вдосконалити Python-скрипти. Створити набір контрольних запитів і критеріїв оцінювання відповідей. Провести тестування на реальних сценаріях контакт-центру. Надати фінальну документацію для подальшого оновлення та підтримки системи.Очікуваний результат Маємо отримати стабільного асистента, який: відповідає українською мовою; не пропускає критично важливі дані; повертає лише інформацію, підтверджену базою знань; правильно розрізняє послуги, пакети та рекомендовані комбінації; показує код, назву, ціну, підрозділ і виконавця; для операцій розділяє базову ціну та повну вартість лікування; пропонує оператору конкретний сценарій подальшого запису пацієнта; стабільно працює після наступних оновлень CSV-вивантажень; працює відносно швидко.Вимоги до виконавця Потрібен спеціаліст із практичним досвідом: ChatGPT Projects, Custom GPT або ChatGPT Skills; LLM, RAG, retrieval та семантичного пошуку; prompt engineering; проєктування баз знань для мовних моделей; Markdown, CSV, JSON/JSONL; Python для обробки та перетворення даних; тестування якості відповідей LLM. Буде перевагою досвід із медичними інформаційними системами, контакт-центрами або великими каталогами послуг. Ми шукаємо не лише автора промтів, а спеціаліста, який розуміє обмеження пошуку у великих джерелах, фрагментацію контексту та способи побудови надійних індексів.Що надати у пропозиції Просимо коротко зазначити: Ваш досвід із ChatGPT, RAG або корпоративними базами знань. Приклади схожих реалізованих проєктів. Як би ви підійшли до діагностики пропуску окремих полів у великих файлах. Орієнтовні строки та вартість аудиту й доопрацювання. Чи готові ви підписати угоду про конфіденційність. Персональні дані пацієнтів у межах цього проєкту не передаватимуться. Остаточна вартість робіт буде узгоджена після уточнення Технічного Завдання між Замовником та Виконавцем.
Шукаю виконавця для побудови системи AI-агентів, яка автоматизує маркетинговий і продажовий конвеєр: від генерації контенту до сегментації лідів у CRM і аналітики гіпотез. Нижче - задачі, згруповані за функціональним призначенням. Скільки саме сервісів/агентів буде в підсумковій архітектурі і на якому стеку - вирішуєте ви, виходячи з власного досвіду. Головне, щоб рішення покривало всі задачі нижче, було робочим, підтримуваним, масштабованим та обов'язково мало зручний механізм рев'ю/затвердження результатів людиною перед публікацією чи запуском реклами. Блок 1. Генерація контенту (мультиканальний копірайтинг)Один або кілька генеруючих генеруючий модулів, що видають тексти під різні формати на основі матеріалів проєкту (програми курсів, інтерв'ю, ефіри): Тексти лендінгів Email-послідовності: прогрівні ланцюжки, розсилки Пости в Telegram-бот/канал Рекламні тексти для Meta, включно з варіантами під різні гіпотези Контент-план і пости для Facebook / Instagram / Telegram Статті для блогу (в тому числі на основі транскрибованих відео — див. Блок 3)Блок 2. Виробництво фінальних матеріалівПеретворення готового тексту в кінцевий артефакт, готовий до публікації: Лідмагніти — верстка і збірка готового PDF (чек-листи, гайди) з інтеграцією Canva/Figma для редагування Рекламні креативи Meta — статичні візуали з ресайзами під формати кампаній Лендінги на Framer — структура сторінки, наповнення CMS, збірка готової сторінки під запуск.Блок 3. Відео → блог Транскрибація відео (ефіри, інтерв'ю, воркшопи) Нарізка транскрипту на статті, що ведуть у воронку Публікація в блог на основному сайті (блогу зараз немає — можливо, потрібна блог-секція на Framer CMS; відкрите питання: чи може її створити сама система, чи це окрема задача)Блок 4. Інтеграція з рекламним кабінетом Meta Вивантаження готових текстів і креативів у кабінет Тегування оголошень/кампаній за гіпотезамиБлок 5. CRM та лід-роутинг Автоматична сегментація лідів у Telegram-боті (був/не був на заході, гілка воронки, офер) Передача сегментів у CRM Автотегування нових лідів у CRM при потраплянні у воронку (через реєстрацію)Блок 6. Аналітика гіпотез Формування таблиці/дашборду гіпотез: витрати/результат по кожній воронці, лід-магніту, креативу. Періодичний АІ-аналіз з рекомендаціями: що масштабувати, що зупинити Оцінка конверсійності лендінгівЩо очікуємо у відгуку Бачення архітектури — як би ви розбили ці 6 блоків на агенти/сервіси, на якому стеку (оркестрація, генерація, зберігання даних). Портфоліо/кейси — приклади подібних систем автоматизації (маркетинг, ліди, контент-генерація). Орієнтовна оцінка термінів і вартості, бажано поетапно. Питання по ТЗ, якщо щось незрозуміло.
Шукаємо досвідченого Python/AI-розробника (або невелику команду) для створення ІІ-сервісу на базі Telegram-бота. Проект автоматизує прийом замовлень від майстрів і сервісних центрів на діючому B2B-майданчику запчастин для мобільної техніки та електроніки (каталог ~30 000 SKU). Що повинен робити бот:Мультимодальний ввід: приймати текст, голосові повідомлення (Whisper API) та фото деталей/маркувань (GPT-4o Vision), розпізнавати номенклатуру, ревізії та парт-номери.Розумний пошук: співвідносити жаргон майстрів (аккум, АКБ, дисплей, ориг) з офіційними назвами через векторний пошук (Vector DB).Інтерактивний UI: при кількох варіантах якості (Original, High Copy тощо) — групувати їх в одне повідомлення, виводити інлайн-чекбокси з цінами та залишками, перераховувати кошик «на льоту».Каскадні уточнення (Slot Filling): при неоднозначному запиті поетапно уточнювати параметри (модель → колір → ревізія).Оформлення: автоматично надсилати готовий JSON-пакет замовлення на сайт через API після підтвердження кошика.Стек: Python (FastAPI), Aiogram 3.x, OpenAI API (GPT-4o + Whisper), Qdrant, Docker + docker-compose. Термін реалізації: 5–7 тижнів.⚠️ Обов'язкова умова для відповіді: Щоб відсіяти авто-відповіді спам-ботів, вкажіть у повідомленні: яку модель ембеддингів (Embeddings) ви виберете для векторного семантичного пошуку по 30 000 технічних SKU і чому? Відповіді з шаблонним текстом без відповіді на це питання відхиляються автоматично.