Створити ІІ агента з складського обліку

Бюджет: 6000 UAH Термін: 14 днів

Доброго дня! Ваша задача це те, чим я займаюсь щодня: тримаю на бойових задачах агентів на Claude, тож заходжу з робочої практики, а не з презентації.

Як бачу перший етап:

1) Обмін даними. QVD з QlikView щогодини забираємо на ваш VPS і розкладаємо в нормалізовану базу (Postgres). Агент працює з цим зрізом, а не з 30 Гб сирої бази, тому відповіді швидкі й передбачувані за вартістю.
2) Агент. Під кожного постачальника окремий профіль умов (строки обробки, логістика, партії): промпт плюс жорсткі правила. Агент готує заявку, підтверджує людина в Телеграмі. Закупівля без підтвердження не йде.
3) Переміщення між складами і задачі по групах товарів (розпил, добір по довжинах) працюють тим самим механізмом.
4) Telegram: кілька співробітників, ролі, задача летить конкретній людині.
5) Бітрікс24: створення задач через REST зі зворотним посиланням.
6) Дашборд: скільки аналізів, скільки задач поставлено й закрито, список товарів у закупівлі.

Перший етап пропоную як пілот на 2-3 постачальниках: обмін, база, агент, Телеграм, Бітрікс, дашборд. На реальних промптах одразу видно точність, і вже після цього чесно рахуємо розкатку на всі 40+.

Питання по даних: QVD читаємо напряму чи QlikView може паралельно вивантажувати ті самі зрізи в CSV/QVX? Від цього залежить шар обміну.

Про мене: 5 закритих проєктів на Freelancehunt, 5 відгуків по 10/10, негативних нема. Плюс публічна історія, 8 змерджених PR у чужі open-source проєкти, здебільшого в Go-тулзу з безпеки на 173 зірки; кожен проходив рев'ю мейнтейнерів.

Пілот 6000 грн, 14 днів. Ціну ставлю стартову: мені цікавий довгий проєкт, тому на першому етапі йду вигідно. Готовий показати живі боти прямо в чаті, щоб ви побачили рівень до рішення.

Петро Панков, BotCraft Group Розгорнути

Бюджет: 20000 UAH Термін: 15 днів

Здравствуйте, Виталий! Ми вже обговорювали вашу SQL-базу в особистих повідомленнях — ось як я бачу реалізацію тепер, коли є повне ТЗ: Стек: Python + FastAPI, Claude API з tool-calling (агент викликає конкретні інструменти — створити замовлення, поставити задачу в Bitrix24, а не просто генерує текст), PostgreSQL для стану агента/задач, aiogram для Telegram з розмежуванням по співробітниках. Як ми вже обговорювали: підключаюсь до SQL-бази read-only безпосередньо (без парсингу QVD через QlikView-прослойку, як пропонують більшість), тягну тільки потрібні таблиці (залишки/замовлення/постачальники). Це прибирає зайвий шар QVD/QlikView повністю, агент працює з актуальними даними безпосередньо. Етапи: Етап 1 (MVP): аналіз залишків/замовлень через Claude, формування замовлень під 2-3 постачальників для пілота, Telegram-бот з підтвердженням від співробітника (не авто-відправка одразу постачальнику — безпечніше на старті). — 20000 грн, 14 днів. Етап 2: інші постачальники, переміщення між складами, задачі по розпилу, інтеграція Bitrix24, дашборд — обговоримо після пілота.

Бюджет: 2000 UAH Термін: 2 дні

Вітаю!
Я Олег, project manager та архітектор рішень Business Atlas (партнери n8n). Головний фокус вашого тз— безпечна обробка QVD-файлів QlikView, урахування унікальних умов 40+ постачальників та інтеграція з Telegram і Bitrix24.
1. Наше бачення архітектури та підхід:
Оркестрація (Ядро): Self-hosted n8n у Docker на вашому VPS. Автоматично зчитує щогодинні QVD-файли (250 МБ), через Python-скрипт імпортує дані у проміжну БД (PostgreSQL/Supabase) для роботи ШІ.
Принцип «Non-destructive first»: ШІ створює пропозиції в статусі чернетки («AI Draft»). Менеджер у Telegram-чаті погоджує замовлення (кнопками «Прийняти/Редагувати»), і лише після цього n8n ставить задачу в Bitrix24 та надсилає ТЗ працівникам.
База знань (Claude + RAG): 40+ умов постачальників завантажуємо у векторне сховище (Qdrant). Claude аналізує контекст конкретного постачальника та формує замовлення за його правилами.
Дашборд: панель у Looker Studio або Google Sheets (метрики аналізів, задач, СРМ та списки товарів на закупку).
1. Релевантний досвід:
ШІ-інфраструктура (1700+ SKU): self-hosted система (n8n + Ollama + LlamaIndex) із модерацією через Telegram за принципом «Non-destructive first».
Конвертор та уніфікація даних: автоматичний парсинг і нормалізація різнорідних файлів постачальників через ШІ-пайплайн та Qdrant.
Пряме підключення до БД : робота ШІ-агента напряму з локальною БД ERP-системи (Firebird) без готового REST API.
Telegram-бот TRUST для логістики: складний бот (Python, aiogram) з багатошаговими сценаріями та звітністю.
1. Етапи, строки та вартість:
Фаза 1: Paid Discovery (3–5 днів) — $230 (тестовий парсинг QVD-файлу, промпти для 1-2 постачальників, ТЗ. Сума зараховується у розробку).
Фаза 2: MVP закупівель та переміщень (3–4 тижні) — $1,500 – $2,500 (n8n, зчитування QVD, БД, логіка агента, Telegram-бот).
Фаза 3: Інтеграція Bitrix24 та задачі розпилу (7–10 днів) — від $800 (API Bitrix24, специфічні правила, дашборд).
Чи є можливість надіслати зразок одного QVD-файлу для первинного аналізу його структури?
Напишіть в особисті ,щоб отримати більш персональну пропозицію. Розгорнути

Бюджет: 25000 UAH Термін: 14 днів

Шалом!

Дуже цікавий проєкт. Одразу сподобалося, що ви мислите не "чат-ботом", а повноцінним AI-агентом із бізнес-логікою. Саме такі системи ми зараз і розробляємо.

На нашу думку, навчати модель безпосередньо на QVD-файлах не варто. Краще використовувати їх як джерело актуальних даних, а сам агент будувати через RAG, пам'ять та окремі workflow для кожного бізнес-процесу. Це дозволить працювати з даними, які оновлюються щогодини, без постійного перенавчання моделі.

Логіку закупівель також краще не будувати одним великим промптом. Значно ефективніше реалізувати окремі сценарії для кожного постачальника з урахуванням термінів поставки, мінімальних партій, логістики, історії закупівель та інших індивідуальних правил. Такий підхід простіше підтримувати, масштабувати та доповнювати новими постачальниками.

Маємо великий досвід розробки AI-рішень, автоматизації бізнес-процесів, CRM/ERP-систем, Telegram-ботів та інтеграцій через API. Нещодавно завершили розробку AI-асистента для найбільшої приватної клініки Дніпра, де агент працює з бізнес-логікою, аналізує контекст, взаємодіє з внутрішніми сервісами через API та автоматизує значну частину роботи операторів.

Також працюємо з OpenAI, Claude, Function Calling, Structured Outputs, RAG, MCP, векторними базами даних і multi-agent архітектурою.

Наш сайт: https://winbixai.com/uk. На ньому представлена лише частина реалізованих проєктів. Більше AI-кейсів та прикладів автоматизації покажемо в особистих повідомленнях.

Перед стартом можемо підготувати архітектуру рішення, допомогти обрати оптимальний стек (Claude, OpenAI або гібридний підхід) і зробити Proof of Concept для перевірки ключових сценаріїв ще до початку повної розробки.

Будемо раді обговорити деталі. На нашу думку, цей проєкт має потенціал вирости не лише в AI для закупівель, а у повноцінну інтелектуальну систему управління логістикою, запасами та продажами. Розгорнути

Бюджет: 20000 UAH Термін: 21 день

Видів проект, цікаве завдання. Досвід у B2B та e-commerce якраз перекликається з тим, що ви описуєте: робота з великими каталогами, кількома постачальниками, логіка переміщення товару.

По стеку: TypeScript, NestJS, PostgreSQL, інтеграції через REST API. Telegram-ботів будував, Bitrix API використовував. Для AI-агента схиляюся до того ж підходу, що і ви: Claude як LLM, оркестрація через інструменти з доступом до вашої SQL бази та QlikView даних. Кожен постачальник як окремий набір правил у промпті — це робочий патерн, можна добре структурувати.

Дашборд зроблю без зайвого: статистика аналізів і завдань, нічого надмірного. Деплой на VPS не проблема.

Якщо цікаво, готовий зателефонувати і уточнити деталі по логіці замовлень і пріоритетам першого етапу.

Бюджет: 15000 UAH Термін: 14 днів

Вітаю! Проєкт виглядає дуже масштабно і технологічно. Я спеціалізуюся на бекенд-розробці на Python, інтеграції ШІ-агентів та автоматизації логістичних процесів. Маю досвід проєктування архітектури для ШІ-асистентів, а також створення систем моніторингу ланцюгів постачання із синхронізацією інвентарних записів, тому логіка складських переміщень та закупівель мені чудово знайома. Щодо технічної реалізації: QVD — це специфічний бінарний формат Qlik, з яким стороннім скриптам працювати важко. Найкращим і найшвидшим рішенням буде налаштувати у вашому QlikView автоматичний експорт цих 250 МБ у формат CSV, Parquet або легку базу SQLite. Агента я побудую на Python (використовуючи фреймворки LangGraph або CrewAI) з підключенням до API Claude 3.5 Sonnet. Оскільки об'єм даних великий, ШІ не читатиме весь файл напряму (це неможливо через ліміти токенів), а працюватиме як аналітик — генеруватиме SQL або Python-запити до даних і прийматиме рішення на основі результатів. Дашборд можна швидко розгорнути на фреймворку Streamlit, а взаємодію з Телеграмом та Бітрікс24 через REST API. Готовий переглянути структуру ваших даних та обговорити сценарії роботи агента!

Бюджет: 20000 UAH Термін: 14 днів

Привіт!

Спеціалізуюсь на автоматизації бізнес-процесів та впровадженні AI-агентів. Працюю з n8n, Python, CRM-системами, API-інтеграціями та LLM (OpenAI та ін.). Допомагаю скорочувати рутину, оптимізувати процеси та підвищувати ефективність.

Готовий швидко та якісно реалізувати ваше завдання. Давайте обговоримо деталі!

🎨 https://gurtop.com/

Бюджет: 1000 UAH Термін: 1 день

Доброго дня, Виталий.

Оскільки у вас понад 40 постачальників з різними умовами, ключовим є не сам агент, а структура даних, яка дозволяє йому приймати рішення без ризику помилок у реальних замовленнях. QVD-файли потребують попередньої конвертації у формат, з яким Claude працює надійно — і саме цей перехідний шар визначатиме точність усього процесу. Замість ручного прописування промптів для кожного контрагента окремо, логічно збудувати систему правил, де умови постачальників структуровані як дані, а не як текст в інструкціях. Це суттєво знижує ризик галюцинацій при формуванні замовлень і завдань у Bitrix24, а дашборд даватиме прозорість по кожному рішенню агента — скільки аналізів виконано, скільки завдань створено та їхній статус.

Етапи:

Кожен етап документується та код передається вам.
Можна зупинитися після будь-якого етапу.

≈12 днів: 11000–15000 UAH
Мінімально життєздатний агент для автоматизації одного напрямку закупівель.
- Автоматизований імпорт даних з QVD-файлів у доступний формат
- AI-агент для роботи з обмеженою групою постачальників (до 5 осіб)
- Інтеграція з Telegram для отримання повідомлень про потреби
- Базовий функціонал створення задач у Bitrix24

≈30 днів: 25 000–35 000 UAH
Повноцінна система управління закупівлями та переміщеннями з контролем якості.
- Повний цикл обробки даних QVD з оновленням щогодини
- Налаштування логіки для всіх основних постачальників (до 40+) з ітераційним тестуванням
- Система підтвердження дій людиною перед відправкою в CRM/Telegram
- Інтерактивний дашборд з метриками аналізів та виконаних задач
- Повний функціонал управління переміщеннями між складами

≈45 днів: 45 000–60 000 UAH
Розширений комплекс з глибокою аналітикою та підтримкою масштабування.
- Розширена система валідації даних для повного усунення галюцинацій ШІ
- Спеціалізований модуль для розрахунку розпилу товарів на деталі
- Пріоритетна підтримка та доналаштування промптів протягом 2 місяців
- Архітектурна підготовка до створення агента з аналізу продажів

Потрібний досвід:
- https://valpere.github.io/portfolio/
- https://valpere.github.io/projects/
- https://valpere.github.io/mvb/ Розгорнути

Бюджет: 27000 UAH Термін: 30 днів

Доброго дня!

Для такої задачі раціонально розділити рішення на кілька шарів: завантаження та нормалізація QVD, сховище історії рішень, окремий шар правил по постачальникам та AI-шар для аналізу, генерації чернеток завдань і пояснення результату. Критичні закупівельні рішення краще не віддавати моделі безпосередньо: агент має спиратися на формалізовані умови постачальника, залишки, мінімальні партії, терміни та пріоритети складів, а LLM використовуватися для обробки нестандартних кейсів і підготовки зрозумілих дій для співробітників.

З технічної точки зору тут є два основних ризики. Перший — QVD та погодинне оновлення: потрібен стійкий ETL-процес з інкрементальною обробкою та кешуванням агрегатів, інакше система буде нестабільною на великих обсягах даних. Другий — різнорідні умови постачальників: якщо вони не винесені в окремий rules layer, якість рекомендацій буде плаваючою. Для Telegram і Бітрікс24 одразу варто закладати ролі, журнал дій і підтвердження спірних операцій людиною.

Claude виглядає розумним варіантом для мовної частини, але архітектурно важливіше не вибір моделі, а схема навколо неї: черга завдань, контроль версій промптів, зберігання рішень, тестовий контур на реальних сценаріях і dashboard по аналізам, завданням і статусам виконання. Тоді систему буде простіше масштабувати на наступний етап — аналіз продажів — без переробки основи.

Для точної оцінки нам критично побачити приклад структури QVD і зрозуміти, які дії агент виконує автоматично, а які тільки пропонує на підтвердження. Також важливо зафіксувати межі першого етапу: стартуємо з закупівель і внутрішніх переміщень або одразу закладаємо dashboard і інтеграцію з Бітрікс24.

Бюджет: 27000 UAH Термін: 16 днів

Вітаю! Проєкт надзвичайно цікавий і має чітку інженерну задачу.

Головний технічний нюанс тут — 250 МБ QVD-файлів щогодини. Це бінарний формат QlikView, який занадто великий для прямої передачі в промпт Claude (це дорого та забиває контекстне вікно).

Пропоную повністю автономну та надійну архітектуру на стеку Laravel + Filament PHP, яка працюватиме з вашими файлами "як є" — вам НЕ потрібно залучати своїх адміністраторів QlikView для переналаштування експорту чи написання додаткових скриптів.

Як це буде реалізовано:

1. Автономний пайплайн QVD (на VPS):
- На сервері налаштовується швидкий CLI-конвертер (скомпільований бінарник), який щогодини за секунди розпаковує ваші QVD-файли.
- Laravel Scheduler потоково (без перевантаження RAM) завантажує та оновлює залишки й рух товарів у локальній БД.

2. Ядро ІІ-Агента (Laravel + Claude API):
- Математичний розрахунок: аналіз критичних залишків, точок замовлення та потреби в переміщенні між складами виконується детерміновано на рівні БД.
- Модуль Claude API: обробка унікальних умов кожного з 40+ постачальників (із гнучкої бази промптів/правил), генерація текстів замовлень та завдань на обробку/розпилювання.

3. Інтеграції:
- Telegram-бот: для зручної мульти-користувацької роботи співробітників (сповіщення, підтвердження замовлень, оперативні команди).
- Bitrix24 REST API: автоматичне створення та постановка задач відповідним менеджерам у CRM.

4. Дашборд моніторингу (Filament PHP):
- Зручний веб-інтерфейс для контролю: кількість зроблених аналізів, список поставлених задач, статус виконання, CPM та загальний перелік товарів у закупівлі.

Орієнтовний термін розробки MVP: 14–18 днів
Вартість: 50 000 грн

Маю великий досвід побудови складних бекенд-систем на Laravel, інтеграції LLM (Claude API), розробки Telegram-ботів та REST API. Готовий обговорити деталі в особистих повідомленнях! Розгорнути

Бюджет: 14700 UAH Термін: 5 днів

Вітаю! Я Сергій, маю 8 років досвіду в IT на різних технологіях: web/mobile, backend, API, інтеграції, автоматизація та робота з даними.
Бачу головну задачу так: Створити ІІ агента з складського обліку. Производственная компания с несколькими складами в Украине. Поставщиков более 40, как внутри страны, так и в Китае....

Скіли під задачу:
- боти, парсинг і робота з даними
- звітність, аналітика та бізнес-автоматизація
- архітектура рішення
- розробка, тестування та доведення до релізу
- підтримка після запуску

Портфоліо: https://software.campstudio.net/#showcases Розгорнути

Бюджет: 27000 UAH Термін: 15 днів

Доброго дня.
Наша команда має багаторічний досвід у розробці ERP, CRM, CMS та спеціалізованого програмного забезпечення для бізнесу. Ми створюємо ефективні цифрові рішення, що допомагають автоматизувати процеси, підвищувати продуктивність та масштабувати компанії.

Працюємо з сучасними технологіями — від ботів і скриптів до AI-агентів та аналітичних систем. Розробляємо сайти різної складності. У нашому портфоліо — реалізовані ERP-рішення для готельного бізнесу, а також для компаній, які займаються імпортом та продажем товарів, а також власний продукт XFitness — ERP-система, створена спеціально для фітнес-клубів.

Готові реалізувати ваш проєкт і запропонувати найкраще рішення саме для ваших потреб.
Наше портфоліо: Freelancehunt

Ми спеціалізуємось в таких сферах:
-Розробка ERP Систем
-Розробка CRM Систем
-Розробка Веб-Сайтів будь-якої складності
-Розробка CMS Систем
-Підтримка Веб-Сайтів
-Розробка OpenCart
-Підтримка OpenCart
-Модифікація OpenCart
-Доробка OpenCart
-Розробка WordPress
-Підтримка WordPress
-Модифікація WordPress
-Доробка WordPress
-Розробка ECommerce
-Підтримка ECommerce
-Модифікація ECommerce
-Доробка ECommerce
-Розробка Веб-Додатків
-Підтримка 1С Серверів
-Підтримка Веб-Серверів
-Розробка мобільних додатків
- Парсинг даних
-Розробка ботів
-Розробка AI-агентів

та на таких технологіях:
- Python
-PHP
-Laravel
-Symfony
-Yii2
-JS
-NodeJS
-jQuery
-TypeScript
-MySQL
-HTML
-CSS
-Vue
-Nuxt.js
-React
-React Native
-C++ Розгорнути

Бюджет: 700 UAH Термін: 4 дні

Вітаю, знаходжусь в ТОР 10 фрілансерів платформи , такі проекти вже виконував , зроблю швидко , якісно і не дорого

Бюджет: 27000 UAH Термін: 18 днів

Добрий день.
Перед тим як пропонувати реалізацію, хотів би ознайомитися зі структурою QVD-файлів та прикладами правил хоча б для кількох постачальників. Саме від цього залежить, як краще побудувати логіку агента, щоб він працював не лише за підказками, але й стабільно видавав передбачуваний результат.

Бачу, що на першому етапі потрібно реалізувати повний цикл: отримання даних з QVD, аналіз залишків, формування рекомендацій щодо закупівель і переміщень між складами, інтеграцію з Telegram та Bitrix24, а також просту панель управління для контролю роботи агента. Важно одразу закласти архітектуру так, щоб у майбутньому можна було без проблем додати аналіз продажів та інші сценарії автоматизації.

Працюю з Python, AI-інтеграціями, Telegram Bot API та REST API. Для такого проекту використовував би FastAPI, Claude/OpenAI (в залежності від обраної моделі), окремий сервіс для обробки QVD та Docker для розгортання на VPS.

Якщо можете, надішліть приклад одного QVD-файлу та опишіть правила хоча б для одного постачальника - після цього я зможу запропонувати оптимальну архітектуру і одразу приступити до роботи.

Бюджет: 27000 UAH Термін: 21 день

Віталій, добрий день.

Готовий взятися за створення ІІ-агента для складського обліку та закупівель.

Пропоную почати з першого робочого етапу: зібрати вимоги, розібратися в поточній логіці закупівель і переміщень, налаштувати пілотний варіант агента на кількох постачальниках, підключити співробітників до роботи через Telegram, додати створення завдань у Bitrix24 та підготувати просту панель для контролю результату.

Важливо зробити систему не просто “чат-ботом”, а помічником, який дає зрозумілі рекомендації, фіксує завдання і допомагає співробітникам швидше приймати рішення по закупівлях і складах.

Вартість і термін вказую за MVP/перший етап. Після перегляду даних, прикладів постачальників і реальних сценаріїв можна буде точно оцінити повне впровадження на всіх постачальників.
Бюджет: 1000 Eur
Термін: 21 день Розгорнути

Бюджет: 15000 UAH Термін: 5 днів

Доброго дня, Віталію.
Мене звуть Сергій.
Буду радий попрацювати над Вашим проектом.
Ціну обговоримо.
Напишіть, будь ласка, в ЛС, є кілька додаткових питань.
Ціна і терміни поки вказані приблизно.

З повагою,
Сергій

Бюджет: 27000 UAH Термін: 20 днів

Доброго дня! Готовий розробити ІІ-агента на Python для автоматизації закупівель і переміщень між складами. Реалізую обробку даних з QVD, правила роботи з кожним постачальником, інтеграції з Telegram і Bitrix24 API, постановку завдань і простий веб-дашборд. На першому етапі проведу аналіз структури QVD і підготую архітектуру рішення на Claude API з розгортанням на вашому VPS. Є досвід розробки Python-сервісів, AI-агентів, Telegram-ботів, API-інтеграцій і систем автоматизації бізнес-процесів.

Бюджет: 27000 UAH Термін: 21 день

Здравствуйте!

Проект зацікавив.

Маю більше 10 років досвіду в розробці складних веб-систем, автоматизації бізнес-процесів, інтеграції API та роботі з AI.

Після ознайомлення з описом бачу, що оптимальним рішенням буде не "навчання" моделі на QVD-файлах, а побудова AI-агента, який працюватиме з актуальними даними, правилами постачальників та бізнес-логікою. Такий підхід значно простіше супроводжувати та масштабувати.

Пропоную почати з проектування архітектури та MVP, після чого реалізовувати функціонал поетапно.

Після ознайомлення з поточною інфраструктурою та QVD-файлами підготую детальний план реалізації та точний кошторис. Розгорнути

Бюджет: 27000 UAH Термін: 20 днів

від аналізу залишків до відправки замовлення постачальнику та постановки задачі в Бітрікс — без ручного втручання. Будував LLM-пайплайни на базі Claude API саме такого типу: агент читає дані, приймає рішення за промптом, викликає потрібний інструмент — API Бітрікс, Telegram, форма замовлення. Патерн tool-calling через Claude точно підходить під 40+ постачальників з індивідуальними умовами — кожен постачальник оформлюється окремим набором промптів та інструкцій.

По стеку: FastAPI на вашому VPS, Docker, парсинг QVD через Python-бібліотеку, PostgreSQL для стану агента та задач. Telegram-бот на aiogram — мультипользувацьке управління з розмежуванням ролей. Легкий дашборд (аналізи, задачі, статуси, список товарів у закупівлі) на тому ж бекенді.

Вартість попередня — фінальну цифру зафіксуємо після короткого дзвінка та уточнення логіки по кожному постачальнику, правил переміщень та структури QVD-файлів.

Напишіть — обговоримо архітектуру та наступний крок.

Бюджет: 15000 UAH Термін: 8 днів

Доброго дня. Я вже реалізовував проекти з інтеграцією ШІ. Роботи можете подивитися в моєму портфоліо. Відгуки за них є в профілі. Готовий реалізувати, але потрібно обговорити деталі про постачальників і магазини. Пишіть, домовимося.

Бюджет: 1500 UAH Термін: 3 дні

Привіт! Чи правильно я розумію, що ключова проблема зараз — це адаптація агента до індивідуальних умов кожного з 40+ постачальників, і ви хотіли б спочатку сфокусуватись на одному-двох для пілотного запуску?

Точні терміни та бюджет я детально опишу в особистому повідомленні.

Щодо реалізації, я пропоную наступний план:
1. Я проведу аудит структури QVD файлів та визначу оптимальний формат даних для навчання агента (Claude Cowork).
2. Я налаштую обмін даними між QlikView та агентом через API, з мінімальним втручанням у вашу поточну інфраструктуру.
3. Я розроблю систему промптів для кожного постачальника окремо, з подальшим тестуванням на реальних сценаріях закупівель та переміщень.

Дякую за розгляд моєї пропозиції. Я з нетерпінням чекаю на можливість співпраці з вами!

Бюджет: 20000 UAH Термін: 14 днів

Віталій, бачу задачу в автоматизації закупівель на основі аналізу QVD-файлів, які зараз збирає ваш QlikView сервер. Основна складність тут полягає в створенні прошарку, який буде ефективно переводити структуровані дані з ваших звітів у контекст для ІІ-агента, щоб він враховував логістику кожного з 40 постачальників. Мій план: налаштувати конвеєр передачі даних з QVD, підготувати векторну базу знань для Claude і впровадити систему валідації промптів, щоб агент коректно формував замовлення без галюцинацій. Наскільки критичною для агента є можливість роботи з неструктурованими даними від постачальників у вигляді PDF-прайсів або email-листувань, чи обмежимося тільки даними з QlikView?