Потрібна система для автоматичної обробки великих обсягів інформації за допомогою ШІ Зараз я використовую власний промпт у Claude. На невеликих текстах він працює добре, але при великих обсягах нейромережа може пропускати частини, зупинятися раніше кінця або повідомляти про завершення, хоча матеріал оброблений не повністю. Потрібна система, яка приймає одразу книгу на 200+ сторінок, кілька книг, PDF, DOCX, TXT, субтитри, розшифровки аудіо та відео або інший великий масив інформації і автоматично обробляє його від початку до кінця. Один з основних форматів результату для кожного смислового речення: English version. •••••••••••••••••••••••••••• Russian version. •••••••••••••••••••••••••••• English version. •••••••••••••••••••••••••••• English version. •••••••••••••••••••••••••••• Russian version. •••••••••••••••••••••••••••• English version. Кожен смисловий ряд виводиться чотири рази англійською та два рази російською в зазначеній черговості. Переклад має точно передавати сенс. Короткі речення можна об'єднувати, довгі — ділити на закінчені смислові рядки. Формат має бути налаштовуваним: кількість англійських повторень і перекладів, їх черговість, мови, роздільник, довжина рядків, основний промпт і збереження різних шаблонів. Наприклад, замість English–Russian–English–English–Russian–English можна вибрати будь-яку іншу послідовність. Якщо документ неможливо обробити одним запитом, програма повинна сама розділити його на внутрішні блоки, надіслати їх у Claude, ChatGPT, Gemini або іншу модель, перевірити результат, повторити проблемні частини і об'єднати все в один файл. Користувач не повинен вручну копіювати текст по чотири сторінки. Необхідно перевіряти, що не пропущено жодного речення, абзацу або смислового фрагмента, відсутні дублікати між блоками, а структура відповідає шаблону. Перевірка не повинна базуватися тільки на твердженні нейромережі. Обробка аудіо Система також повинна обробляти великі архіви аудіо, наприклад Telegram-канал з 300 ефірами приблизно по одному годині. Бажано автоматично завантажити аудіо або прийняти весь архів, розпізнати мову і обробити все без ручного участі. По кожному ефіру повинна створюватися структурована витяжка: тема, головні думки, важливі факти, приклади, рекомендації та висновки. Привітання, реклама, розмовний сміття і безглузді повтори видаляються, але корисна інформація зберігається. Після обробки потрібні не тільки окремі конспекти, але й один загальний читабельний документ, де інформація об'єднана за темами. Якщо тема обговорювалася в різних ефірах, матеріали збираються в один розділ, дублікати видаляються, а посилання на вихідні записи зберігаються. В результаті повинні бути: — витяжка по кожному ефіру; — загальний тематичний документ; — пошук за словами і темами; — зв'язок висновків з вихідним аудіо; — збереження прогресу і продовження після помилок. Велику частину цих дій я вже можу виконувати самостійно, але тільки на невеликому обсязі і вручну. Тому також готовий розглянути більш ефективний спосіб завантаження і перетворення аудіо в текст, якщо виконавець запропонує рішення краще використовуваного мною. Що вказати в відповіді Напишіть: — як буде реалізована система і який продукт я отримаю; — які моделі ШІ і розпізнавання мови будуть використовуватися; — як перевіряється повнота і виключаються пропуски і повтори; — чи можна змінювати промпти, кількість перекладів, повторень і їх черговість; — чи можливо завантаження матеріалів з Telegram; — вартість розробки, API, терміни і ціну подальших доопрацювань. Головна мета — універсальна система, яка без ручного участі обробляє великі книги і сотні годин аудіо, не втрачає інформацію і видає готовий результат строго за вибраним шаблоном.
Ми шукаємо досвідченого розробника Blockchain Full-Stack, щоб допомогти створити гру Endless Runner нового покоління з механікою гри на блокчейні, NFT та токенізованими винагородами. Це можливість працювати над інноваційною грою, яка поєднує сучасні веб-технології з інфраструктурою блокчейну. Ви будете співпрацювати з розробниками ігор, бекенд-інженерами та дизайнерами для створення масштабованих смарт-контрактів, інтеграцій Web3 та безперебійного досвіду для гравців.
Ми займаємося отриманням грантів для вже існуючих компаній, які планують інвестиції. Ми придумали допомогу у створенні / поєднанні доступних моделей ШІ для пошуку компаній, які планують або вже знаходяться в процесі інвестицій, і запропонувати їм на це гранти (в основному ми займаємося грантами на придбання машин і обладнання). ШІ шукало б доступні сайти та реєстри для виявлення інвесторів. Потім воно також займалося б автоматизацією розсилки електронних листів цим компаніям і у відповідь відкидало б компанії, які: - підходять під категорії ліда (думаю, 5-6 параметрів); - відповіли на електронний лист і зацікавлені в гранті; Звичайно, додаткові пропозиції вітаються, я також думаю про голосові дзвінки та відправку SMS. Зазначу, що мене не цікавить пошук ТІЛЬКИ великих чи дуже великих компаній, а також менших, наприклад, які мають 8-50 працівників. І не тільки великі міста, але й менші міста. Приклад цільової аудиторії для тесту: ПОДКАРПАТТЯ Для мікро, малих і середніх підприємств (МСП) та великих підприємств з воєводства Подкарпаття, які належать до галузі безпеки та оборони. Підприємство з галузі безпеки та оборони розуміється як підприємство, яке: розробляє або виробляє продукти, технології або системи, призначені для військових застосувань, пов'язаних з національною безпекою, захистом критичної інфраструктури або безпекою громадян або надає послуги, що підтримують системи безпеки та оборони (наприклад, у сфері кібербезпеки) або проводить дослідження та розробки в області військових технологій і систем безпеки та які отримують суттєву частку доходів від продажу продуктів, технологій, систем або послуг у сфері безпеки та оборони, тобто понад 5% чистих доходів загалом (разом за останні 3 закриті облікові періоди). Підтримка доступна для компаній, які ведуть господарську діяльність організовано і безперервно на території воєводства Подкарпаття протягом не менше 24 місяців, рахуючи назад з дня оголошення набору. У нас є пропозиції сайтів для пошуку. В ідеалі, програма щодня готувала б для нас звіт про таких інвесторів. Чи може хтось нам у цьому допомогти? Я читав, що це можливо, але сам не маю часу цим займатися :)
Необхідно розробити сервіс на базі Claude або іншої підходящої AI-моделі, який зможе автоматично знаходити компанії-конкуренти, зв’язуватися з ними по електронній пошті та телефону, збирати необхідну інформацію та заносити результати в єдину таблицю. Основна задача сервісу Користувач задає конкретний запит, наприклад: - дізнатися вартість певного виду м’яса; - дізнатися ціну на конкретний вид деревини; - уточнити вартість товару або послуги; - перевірити наявність продукту; - дізнатися терміни виконання замовлення; - отримати умови співпраці. Після цього система повинна: 1. Знайти підходящі компанії. 2. Зібрати їх контактні дані. 3. Відправити їм персоналізовані листи. 4. Подзвонити компаніям за допомогою AI-бота. 5. Отримати відповіді на задані питання. 6. Зберегти всі результати в Google Sheets або іншу таблицю. Під кожну нову задачу користувач повинен мати можливість змінювати пошукові запити, критерії відбору, текст листа та сценарій телефонної розмови. Етап 1. Збір бази компаній Етап 2. Email-розсилка та збір відповідей Етап 3. AI-обдзвон компаній --- Важливі технічні вимоги - Можливість використовувати Claude для генерації листів, аналізу відповідей та управління діалогом. - Можливість замінити AI-модель без повної переробки системи. - Інтеграція з Google Sheets. - Інтеграція з Gmail або іншим поштовим сервісом. - Інтеграція з сервісом AI-телефонії. - Історія всіх листів, дзвінків та змін. - Можливість зупинити або поставити завдання на паузу. - Контроль витрат на дзвінки, листи та AI-запити. - Обмеження кількості дзвінків на день. - Захист від повторної відправки листів та повторних дзвінків одній компанії. - Дотримання законодавства про телефонні дзвінки, запис розмов, email-розсилки та використання персональних даних. --- Очікуваний результат В результаті повинен вийти сервіс, в якому користувач створює завдання, вказує, яку інформацію необхідно дізнатися, обирає географію та джерела, після чого система самостійно: 1. Збирає базу компаній. 2. Знаходить контактні дані. 3. Відправляє персоналізовані листи. 4. Обдзвонює компанії за заданим сценарієм. 5. Аналізує відповіді. 6. Формує єдину таблицю з результатами. 7. Показує, з якого джерела була отримана кожна інформація. Для першого обговорення з розробником також варто попросити окремо оцінити вартість і терміни MVP, автоматичного парсингу, AI-телефонії та щомісячної інфраструктури.
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?
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.
Шукаємо фахівця або команду для впровадження AI-рішень у комунікацію медичного центру КТ та МРТ. Потрібно: інтегрувати AI у телефонію для обробки вхідних і холодних дзвінків; забезпечити природне українськомовне спілкування з мінімальними паузами; інтегрувати AI-асистента в чат Binotel або запропонувати ефективну альтернативу; автоматизувати відповіді на запитання, первинну консультацію та запис на обстеження. Важливо: сфера медицини потребує точного збору інформації перед КТ або МРТ, зокрема щодо зони обстеження, підготовки, направлення та можливих протипоказань. Рішення має бути емпатичним, професійним і передбачати передачу складних випадків оператору. У відгуку прошу надіслати релевантні кейси, опис запропонованого рішення та орієнтовні терміни. Досвід у медичних проєктах буде перевагою.
Необхідно розробити додаток в MATLAB, який зможе обробляти зображення/відео, виділяти окремі предмети, аналізувати їх характеристики і за необхідності використовувати методи машинного навчання для автоматизації аналізу. Бажано: впевнене знання MATLAB; досвід у Computer Vision / Image Processing; досвід з Machine Learning;
розробника для створення AI-ботів - мультиагентна система та автоматизацій в AI-додатку. Що потрібно: володіння n8n; досвід інтеграції OpenAI та інших AI-моделей через API; робота з вебхуками, REST API та Supabase; уміння створювати надійні AI-воркфлоу та автоматизації. Створювати мультиагентні системи з нуля або з фреймворку AI Agents, MCP, RAG
Підрахунок готової продукції та людейНекондиційна продукція.Yа прикладі високопродуктивної лінії, забезпечити точний підрахунок пропускної спроможності, участь робочої сили, виявлення некондиції та контекст зупинок/переналагоджень, надаючи готову аналітичну інформацію.
Доброго дня що потрібно: 1. Зробити аналіз процесів (особистих керівника) та бізнесу. 2. Подумати де (в яких процесах) можна впровадити АІ асистентів. Де це буде доцільно і ефективно. 3. Зробити розробку. Займаємось публікаціями наукових статей.
Шукаємо 3D GenAI Engineer / AI 3D Pipeline Developer Потрібно створити рішення, яке зможе якісно генерувати 3D-моделі з одного або кількох зображень. Важливо, щоб це була не просто готова демка, а зрозумілий і відтворюваний процес: від вхідного зображення до повноцінного 3D-асета з mesh, геометрією, текстурами та можливістю подальшого використання. Що потрібно зробити: * протестувати сучасні image-to-3D моделі та підходи; * визначити, який варіант найкраще підходить для нашого завдання; * розбиратись вTrellis, Hunyuan3D або аналогічні рішення; * за потреби використати Gaussian Splatting у 3D-пайплайні; * налаштувати перетворення Gaussian Splat / splat-представлення у 3D mesh; * отримати придатну до використання геометрію; * згенерувати текстури високої якості; * довести результат до стану usable 3D asset; * підібрати оптимальний баланс між якістю, швидкістю генерації та складністю пайплайна; * побудувати зрозумілий процес, який можна повторювати для різних зображень; * виконати fine-tuning, LoRA або інші адаптації моделей під конкретний тип об’єктів; * вміти працювати з ComfyUI: розбиратися в графах, використовувати ComfyUI API та за потреби писати custom nodes. У відгуку обов’язково покажіть кілька прикладів у форматі: вхідне зображення та отримана з нього 3D-модель. Формат не має значення: рендер, відео, 3D-viewer, GLB, OBJ, FBX або Blender-файл. Насамперед цікавлять реалістичні об’єкти: меблі, ювелірні вироби, предмети інтер’єру, декор, аксесуари та інші фізичні товари. Приклади з аніме або стилізованими персонажами не підходять.
Про проект Ми шукаємо досвідченого інженера з автоматизації на базі ШІ для розробки та створення безпечної, самостійно розміщеної платформи ШІ, яка поєднує локальну модель великої мови (LLM), генерацію з підкріпленням (RAG) та кілька агентів ШІ для автоматизації бізнес-процесів. Це практична інженерна роль для тих, хто має досвід створення виробничих систем ШІ, а не просто інтеграції API ChatGPT. Мета полягає в створенні приватної екосистеми ШІ, здатної безпечно індексувати знання компанії, відповідати на запитання, використовуючи цитовані джерела, обробляти стенограми зустрічей та автоматизувати внутрішні бізнес-процеси. Обов'язки Ви будете відповідальні за: Проектування та розгортання локально розміщеної LLM на VPS або виділеному сервері Створення безпечного RAG-пайплайна, використовуючи такі фреймворки, як LlamaIndex або подібні Створення пайплайнів для завантаження документів, що підтримують PDF (включаючи OCR), DOCX, TXT, XLSX та стенограми зустрічей Реалізацію індексації документів, управління метаданими, видалення дублікатів та версійності Розробку агентів ШІ для: Обробки стенограм зустрічей Автоматичних резюме зустрічей Витягування дій Отримання знань клієнтів Створення API або простого веб-інтерфейсу для запитів до бази знань Забезпечення суворої ізоляції даних клієнтів та контролю доступу Реалізацію відповідей з цитуванням джерел для мінімізації галюцинацій Оптимізацію продуктивності системи, масштабованості та надійності Написання документації та посібників з розгортання Виконання тестування та перевірки безпеки Необхідні навички Сильний досвід розробки на Python Досвід роботи з фреймворками LLM Досвід архітектури RAG LlamaIndex, LangChain або еквівалент Векторні бази даних (Qdrant, Chroma, Pinecone, Weaviate, FAISS тощо) Локальне/відкрите розгортання LLM (Llama, Mistral, Gemma, DeepSeek тощо) Розробка API (перевага надається FastAPI) Docker Адміністрування серверів Linux Розгортання VPS Git Аутентифікація та контроль доступу Досвід роботи з пайплайнами OCR Досвід роботи зі структурованими та неструктурованими документами Вільне володіння англійською мовою Що ми шукаємо Ідеальний кандидат: Створив виробничі системи ШІ з нуля Розуміє найкращі практики RAG Може працювати самостійно Думає як архітектор програмного забезпечення, а не лише як розробник Пише чистий, підтримуваний код Чітко спілкується Може рекомендувати найкращі технології, а не просто слідувати інструкціям Тип проекту Фріланс / Контракт Віддалена робота На основі етапів Довгострокова можливість для майбутніх проектів з автоматизації ШІ Будь ласка, включіть у вашу заявку Портфоліо подібних проектів ШІ/RAG Приклади реалізації локальних LLM або агентів ШІ Оцінка термінів Оцінка вартості проекту Погодинна або фіксована ціна
шукаю людину (не бота), яка розбирається в AI агентах, вміє їх будувати. Під AI агентом я маю на увазі: обробка вхідних даних, запит на 1х ЛЛМ або подібну AI модель, потенційний запит MCP або подібного, потенційний запит RAG системи обробка вихідних даних І досвід має бути в роботі кількох агентів, які також себе перевіряють, передають один одному дані тощо. Також потрібно розуміння в RAG системах. Бажано досвід в автоматизації маркетингових проектів, наприклад: шукати останні теми, використовуючи глибоке дослідження на вихідниках 1,2,3.... звіряти їх з тим, що вже раніше знаходив, і прибирати дублікати. звіряти також з уже опублікованими статтями аналізувати знайдені новини у зв'язку з потрібним контекстом шукати і оцінювати важливість цих тем робити звіт для користувача створювати приклад поста для LinkedIn, Instagram, X в стилі, який раніше був використаний (і перевірка)