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.
Всім привіт! Хто вміє працювати і давно працює з агентами Open Claw для кодування та інших завдань Мені потрібно організувати паралельну роботу агентів open claw code для кодування на віртуальному сервері потрібно: - допомогти вибрати сервер під агентів (є багато готових) - допомогти налаштувати середовище - підключити API хто може сьогодні це зробити? хто вільний? в мережі знайшов такі варіанти: https://clawhost.cloud/
Вітаю! Завдання: На сторінці wordpress розробити та размістити агента (вставлення коду на сам вордпресс програміст є). Користувач має могти спілкуватися з AI-агентом у текстовому або голосовому форматі (по можливості) з конкретної завантаженої теми (контент: тексти, фото). Функціональність: Користувач заходить на сторінку сайту. Бачить інтерфейс AI-агенту: чат + кнопка голосового спілкування (по можливості). Може запитувати текст. Може говорити голосом, а агент має розпізнавати мову та відповідати. Агент відповідає лише на основі завантажених матеріалів на конкретну тему. Якщо питання виходить за межі теми, агент повинен коректно повідомити, що може відповідати лише за матеріалами, пов'язаними зі Сковородою. Відповіді мають бути живими, зрозумілими та освітніми. Адміністратор повинен мати можливість завантажувати та оновлювати матеріали: тексти, PDF, зображення, аудіо, посилання. Цікавить вартість та терміни розробки агента.
Звертатися лише тим, хто вміє таке робити. І одразу терміни та бюджет. Створення власної бази Віки на базі obsidian note. Реєстрація на хостінгу, запуск локального штучного інтелекту опенКло і його підключення до створеної бази Віки. Пояснення у відео YouTube.https://youtu.be/9DLyBdND22c?si=AqDvuTnteIBWAiyu
Шукаємо спеціаліста для створення однієї реалістичної AI-моделі / AI-персонажа та підготовки пакета контенту для соціальних мереж. Завдання - розробити візуально якісний і консистентний образ, який можна використовувати у фото та коротких відеоформатах. Що потрібно зробити: створити одну AI-модель із впізнаваною зовнішністю та єдиним стилем; підготувати невеликий пакет фото та коротких відео; адаптувати матеріали для публікації в соціальних мережах; забезпечити реалістичність і стабільність образу в різних сценах. У заявці, будь ласка, вкажіть: чи маєте ви досвід створення AI-моделей / AI-персонажів; чи можете показати приклади схожих робіт; орієнтовну вартість і строки виконання; Детальне ТЗ обговоримо з відповідними кандидатами в особистих повідомленнях.
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)
Опис завдання: Розробка MCP-сервера для екосистеми 1СЗагальна мета Розробити проміжний шар (MCP Server), який дозволить LLM-агентам безпечно взаємодіяти з інформаційною базою 1С. Це дасть можливість користувачам через чат-інтерфейс отримувати звіти, створювати документи та аналізувати дані, використовуючи природну мову.Функціональні можливості (Tools) Сервер повинен надавати ІІ-моделям набір інструментів (Tools) для виконання наступних дій: Читання даних: Пошук контрагентів, отримання залишків на складах, вибірка цін номенклатури. Аналітика: Формування управлінської звітності в текстовому або табличному вигляді. Дії: Створення чернеток документів (Замовлення покупця, Рахунок), зміна статусів завдань. Метадані: Отримання структури об'єктів (які поля є у довідника «Співробітники»), щоб модель розуміла, з чим працює.Основні етапи реалізації Проектування API в 1С: Підготовка HTTP-сервісів в розширенні 1С, які будуть приймати запити від MCP-сервера. Налаштування авторизації (Basic або Bearer token). Розробка MCP-сервера: Визначення схем вхідних параметрів для інструментів (JSON Schema). Маппінг запитів з MCP в виклики OData або HTTP-запити до 1С. Безпека та обмеження: Обмеження прав доступу (Read-only за замовчуванням). Ліміти на обсяг повертаються даних (щоб не "уронити" контекстне вікно моделі величезною таблицею). Тестування: Підключення сервера до Claude Desktop або іншому MCP-клієнту. Перевірка сценаріїв: "Скільки товару 'Цегла' залишилося на основному складі?" або "Створи чернетку рахунка для ТОВ 'Вектор' на 5 моніторів".Очікуваний результат Працюючий виконуваний файл або сервіс, який реєструється в конфігурації MCP-клієнта. При введенні запиту в чат ІІ автоматично викликає потрібний інструмент, звертається до 1С і видає структуровану відповідь на основі реальних даних з системи. Важливе зауваження: Головна цінність цього рішення — в переході від ручного формування звітів до концепції "Talk to your ERP" (розмова з вашою ERP-системою).